JohnNuwan/EVA_CORE - Page 21

prompt-method-generated-knowledge

Générer des connaissances pertinentes avant de répondre pour améliorer la précision et la fiabilité des réponses.

prompt-method-graphrag

Effectuer des recherches sémantiques sur graphes.

prompt-method-least-to-most

Décomposer un problème complexe du simple au difficile.

prompt-method-plan-and-solve

Planifier la résolution de problèmes complexes.

prompt-method-pot

Résoudre des problèmes complexes à l'aide de code.

prompt-method-prompt-chaining

Décomposer une tâche complexe en une séquence de prompts spécialisés dont les sorties s'enchaînent.

prompt-method-rag

Améliorer les réponses via la recherche documentaire.

prompt-method-react

Mettre en œuvre le patron ReAct (Pensée + Action).

prompt-method-reflexion

Apprendre par retour d'erreur avec la méthode Reflexion.

prompt-method-role-prompting

Attribuer un rôle ou une expertise à l'agent.

prompt-method-scratchpad

Utiliser une mémoire de travail temporaire.

prompt-method-self-consistency

Générer plusieurs raisonnements avec Self-Consistency.

prompt-method-sot

Générer des réponses structurées en parallèle.

prompt-method-step-back

Prendre du recul en formulant une question plus abstraite pour identifier les principes généraux avant de répondre.

prompt-method-tot

Explorer plusieurs pistes avec Tree-of-Thoughts.

industrial-communication-protocols

Mettre en œuvre et optimiser les protocoles de communication industrielle (OPC-UA, MQTT, Modbus, Profinet) pour l'interopérabilité et l'automatisation des systèmes connectés.

quantum-computing-for-industrial-optimization

Exploiter l'informatique quantique (QAOA, recuit quantique) pour résoudre des problèmes d'optimisation industrielle complexes : ordonnancement, logistique, allocation de ressources et énergie.

retrieval-augmented-generation

Concevoir et déployer des pipelines RAG (Retrieval-Augmented Generation) combinant recherche documentaire et LLM pour de l'IA contextuelle en milieu industriel.

agentic-research-and-arxiv

Veille scientifique et extraction d'insights sur arXiv.

ai-optimization-techniques

Développer et explorer des techniques d'optimisation avancées pour l'IA, couvrant l'efficacité des modèles, leur compression, et la scalabilité des algorithmes.

calculus-of-variations-ai

Implémenter des techniques de calcul variationnel pour optimiser des systèmes dynamiques dans l'IA, la robotique et le contrôle optimal.

creative-problem-solving-ai

Explorer les techniques de résolution créative de problèmes pour des agents d'IA industriels, incluant le raisonnement analogique, la reformulation et l'exploration multi-modèles.

exploration-industry4-ai

Fournit un protocole complet pour interroger les dépôts académiques majeurs, filtrer les résultats, évaluer la qualité des publications, et extraire des connaissances actionnables dans le domaine de l'Industrie 4.0, des systèmes multi-agents, des pipelines…

memory-management-ai

Explorer les techniques avancées de gestion de la mémoire dans les systèmes d'intelligence artificielle pour des applications à long terme, incluant les mémoires vectorielles, graphiques et adaptatives.

multi-agent-reinforcement-learning

Explorer les techniques d'apprentissage par renforcement multi-agents (MARL), incluant la communication dynamique, la coordination, la décomposition des tâches et les protocoles d'entraînement décentralisés.

optimization-with-graph-theory

Exploiter la théorie des graphes pour optimiser des structures algorithmiques, des systèmes multi-agents complexes et des réseaux distribués.

probabilistic-modeling-ai

Appliquer la modélisation probabiliste dans des systèmes IA pour des modèles statistiques avancés, incluant l'inférence bayésienne, les processus gaussiens et l'optimisation de l'incertitude.

rag-retrieval-augmented-generation

Explorer les systèmes avancés de génération augmentée par récupération (RAG) — architectures, stratégies de chunking, indexation hybride, récupération multi-hop et alternatives comme HippoRAG2.

research-multi-agent-complex-tasks

Stratégies avancées pour rechercher, analyser et synthétiser la littérature académique sur les systèmes multi-agents appliqués à la planification et l'exécution de tâches complexes.

vqgan-image-compression

Implémenter une compression extrême d'images avec VQGAN (Vector Quantized GAN) pour atteindre des bitrates aussi faibles que 0.04 bpp tout en maintenant une haute qualité perceptuelle.

industrial-cybersecurity-guidelines

Sécuriser les réseaux industriels et les systèmes OT/IT connectés : segmentation IEC 62443, authentification forte, monitoring IDS/IPS, plans de réponse aux incidents.

elixir-programming

Programmer en Elixir, utiliser OTP et les outils Mix.

eva-agent-skill-authoring

Rédiger une compétence (SKILL.md) dans le dépôt.

eva-web-backend-internals

Investigate and explain how the EVA web dashboard / file-browser (web/server/web_server.py) determines filesystem paths, the default working directory, config precedence, and related /api/fs/* behavior. Use when the user asks "where is X", "what is my default…

Langue du texte source : anglais

html-panel-header-analysis

Analyser et extraire la structure HTML des en-têtes de panneaux, leurs styles CSS et attributs associés.

project-output-organization

Organiser la sortie des projets, scripts et fichiers dans une arborescence standardisée pour une gestion professionnelle et maintenable.

python-pep20

Écrire du code idiomatique selon le Zen de Python (PEP 20).

python-pep257

Rédiger des docstrings PEP 257 au format Google Style.

python-pep484

Appliquer le typage statique selon la PEP 484 en Python.

python-pep572-pep634

Utiliser l'opérateur Walrus et le Pattern Matching.