Tu codes avec l’IA ?
Outils, agents et nouveautés dev IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
La dernière mise à jour du plugin datasette-llm, version 0.1a1, marque une avancée significative dans l'utilisation des modèles de langage large (LLM) au sein de l'écosystème Datasette. Ce plugin permet désormais une intégration plus fluide des modèles LLM pour d'autres plugins, tels que datasette-enrichments-llm.
Parmi les nouveautés, le hook de plugin register_llm_purposes() a été introduit. Ce hook, associé à la fonction get_purposes(), offre la possibilité de récupérer les chaînes de but enregistrées. Cela permet une gestion centralisée des objectifs pour lesquels différents modèles sont utilisés.
Une fonctionnalité clé de cette mise à jour est la capacité de configurer quels modèles sont utilisés pour quels objectifs spécifiques. Par exemple, il est possible de définir que l'enrichissement des données doit utiliser le modèle GPT-5.4-nano, tandis que l'assistance aux requêtes SQL est assurée par Sonnet 4.6.
Les plugins dépendant de cette infrastructure peuvent utiliser la syntaxe model = await llm.model(purpose="enrichment") pour spécifier l'objectif des invites qu'ils souhaitent exécuter. De plus, grâce au nouveau hook register_llm_purposes(), ces plugins peuvent enregistrer les chaînes de but, facilitant ainsi la création d'interfaces d'administration pour attribuer des modèles à des objectifs spécifiques.