Utilisez N8N avec les 6 modèles d’Anthropic pour LLMS.

Dans cet article, nous introduisons six modèles de conception innovants d’Anthropic que quiconque, des débutants aux professionnels avertis, puisse utiliser dans N8N pour améliorer leurs applications LLM.

Chaque modèle est conçu pour être simple mais efficace, offrant des solutions pratiques pour maximiser l’efficacité et les fonctionnalités dans vos projets LLM.

Un article de décembre 2024 intitulé «Construire des agents d’IA efficaces »par anthropique Discute du développement des agents d’IA à l’aide de modèles de grands langues (LLMS).

Son point principal est que les implémentations réussies d’agents d’IA s’appuient souvent sur des modèles simples et composables plutôt que des cadres complexes. Ils suggèrent de commencer par une configuration simple et une complexité croissante uniquement si nécessaire.

L’article distingue les flux de travail et les agents:

• Workflows: Suivez les chemins de code prédéfinis.
• Agents: diriger dynamiquement leurs propres processus.

L’article décrit cinq modèles de flux de travail distincts, notamment le chaînage rapide, le routage, la parallélisation, les travailleurs d’orchestrateurs et les flux de travail de l’évaluateur-optimiseur. Enfin, il mentionne également un modèle pour les agents.

À cet égard, j’ai également trouvé un Vidéo youtube Cela montre comment construire des flux de travail et des pipelines d’agent dans N8N selon ces modèles.

Cet article est ma tentative de reproduction des pipelines de l’article et Vidéo youtube mais avec les LLM locaux uniquement. Pour y parvenir, j’utiliserai Ollama, qui gère des LLM locales (comme Llama 3.1, Mistral, OpenHermes et Gemma 3) au lieu de Chatgpt d’Openai.

J’ai dû modifier les invites du Vidéo youtube Ici et là pour exécuter les workflows et l’agent avec succès avec les LLM locaux. En fait, tous les modèles peuvent être reproduits ou adaptés avec des résultats bons à excellents.

Pour commencer, nous aurons besoin d’une configuration comme décrit dans un article précédent.

Cette configuration comprend les éléments suivants: