Effectuez des recherches web alimentées par l'IA avec des informations en temps réel à l'aide des modèles Perplexity via LiteLLM et OpenRouter. Cette compétence doit être utilisée lors de recherches web pour des informations actuelles, de la recherche de littérature scientifique récente, l'obtention de réponses fondées avec citations de sources ou l'accès à des informations au-delà de la date de cutoff des connaissances du modèle. Fournit accès à plusieurs modèles Perplexity, notamment Sonar Pro, Sonar Pro Search (recherche agentique avancée) et Sonar Reasoning Pro, via une seule clé API OpenRouter.
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Développer des agents IA avec intégration et orchestration d'outils pour des tâches spécifiques.
Créez des réseaux d'agents collaboratifs pour résoudre efficacement des problèmes complexes.
Testez et optimisez les performances des agents à l'aide des frameworks d'évaluation intégrés.
Déployez des agents évolutifs en production avec les outils de déploiement ADK de Google.
GAIN MESURÉ
Avantages prouvés et impact mesurable
Construisez des agents IA deux fois plus vite qu'avec le codage manuel.
Améliorez les performances de l'agent avec une orchestration d'outils optimisée.
Réduisez les frais de fonctionnement grâce au déploiement simplifié d'agents.
CE QUE VOUS OBTENEZ
Fichiers, tags et installation en trois étapes
Conseil : Lisez la documentation et le code avant la première utilisation pour connaître son rôle et les permissions requises.
SCRIPTS SUIVANTS
Recommandé selon les tags et la catégorie
Cette compétence doit être utilisée pour les tâches d'apprentissage automatique sur séries temporelles, y compris la classification, la régression, le clustering, la prévision, la détection d'anomalies, la segmentation et la recherche de similarité. Utilisez-la lors du travail avec des données temporelles, des motifs séquentiels ou des observations indexées dans le temps nécessitant des algorithmes spécialisés au-delà des approches ML standard. Particulièrement adaptée à l'analyse de séries temporelles univariées et multivariées avec des APIs compatibles scikit-learn.
Générez et maintenez les fichiers AGENTS.md conformément à la convention publique agents.md. Utilisez-le lors de la création de documentation pour les flux de travail des agents IA, les guides d’intégration ou lors de la standardisation des modèles d’interaction des agents à travers les projets.
Accédez aux plus de 200 millions de structures de protéines prédites par l'IA d'AlphaFold. Récupérez les structures par ID UniProt, téléchargez les fichiers PDB/mmCIF, analysez les indicateurs de confiance (pLDDT, PAE), pour la découverte de médicaments et la biologie structurale.
Cette compétence doit être utilisée lors du travail avec des matrices de données annotées en Python, en particulier pour l'analyse génomique à cellule unique, la gestion des mesures expérimentales avec des métadonnées, ou le traitement de jeux de données biologiques à grande échelle. Utilisez-la lors de tâches impliquant des objets AnnData, des fichiers h5ad, des données de RNA-seq à cellule unique ou une intégration avec les outils scanpy/scverse.