Extraits de code¶
Des motifs prêts à l'emploi pour les tâches Diapason les plus courantes. Chaque extrait se suffit à lui-même et se copie-colle tel quel.
Poser une question (3 lignes)¶
from diapason import Diapason
with Diapason() as j:
print(j.ask("Quelle est la capitale de la France ?"))
Recevoir les jetons au fil de l'eau (4 lignes)¶
import asyncio
from diapason import Diapason
async def main():
with Diapason() as j:
async for token in j.ask_stream("Raconte-moi une histoire"):
print(token, end="", flush=True)
asyncio.run(main())
Un agent avec des outils (5 lignes)¶
from diapason import Diapason
with Diapason() as j:
result = j.ask_full(
"Cherche sur le web la dernière version de Python",
agent="orchestrator",
tools=["web_search", "think"],
)
print(result["content"])
Mémoire : indexer + chercher (6 lignes)¶
from diapason import Diapason
with Diapason() as j:
j.memory.index("./docs/", chunk_size=512)
results = j.memory.search("options de déploiement")
for r in results:
print(f"[{r['score']:.3f}] {r['content'][:100]}")
Une recette TOML (4 lignes)¶
Décris un enchaînement d'agents en TOML — sans écrire une ligne de code :
[recipe]
name = "research_assistant"
agent = "orchestrator"
tools = ["web_search", "think", "file_read"]
prompt = "Fais des recherches sur le sujet donné et rédige un résumé."
Lance-la avec : diapason compose run research_assistant "les avancées de l'informatique quantique"
Le serveur d'API (1 commande)¶
N'importe quel client compatible OpenAI fonctionne avec ce point d'entrée.
Déploiement Docker (2 commandes)¶
Un outil maison (10 lignes)¶
from diapason.core.registry import ToolRegistry
from diapason.core.types import ToolResult
from diapason.tools._stubs import BaseTool, ToolSpec
@ToolRegistry.register("my_tool")
class MyTool(BaseTool):
tool_id = "my_tool"
@property
def spec(self):
return ToolSpec(name="my_tool", description="Mon outil maison",
parameters={"type": "object", "properties": {"input": {"type": "string"}}})
def execute(self, **params):
return ToolResult(tool_name="my_tool", content=f"Traité : {params.get('input', '')}", success=True)
Aiguiller entre plusieurs modèles (5 lignes)¶
from diapason import Diapason
j = Diapason()
# L'aiguilleur choisit tout seul le meilleur modèle pour chaque question
simple = j.ask("Combien font 2+2 ?") # part vers le modèle rapide et économe
complex = j.ask("Analyse cet article de recherche...") # part vers le modèle capable
j.close()
Demander confirmation à l'humain (6 lignes)¶
from diapason import Diapason
with Diapason() as j:
result = j.ask_full(
"Supprime les vieux fichiers de journaux dans /tmp",
agent="orchestrator",
tools=["shell_exec", "file_read"],
)
print(f"L'agent a fait {result['turns']} tours")
print(result["content"])
Des outils comme shell_exec peuvent recevoir requires_confirmation: true dans le TOML pour demander ton accord avant d'agir.