La boucle d’ingénierie IA de bout en bout.
Un workshop Langfuse pas à pas, construit autour d’une petite application TypeScript : Dad IT Support Agent. Il couvre toute la boucle d’ingénierie IA avec Langfuse : tracing, gestion des prompts, monitoring, datasets, expériences et évaluation.
Ce que vous allez faire
Faites fonctionner l’application du workshop localement avec les identifiants OpenAI et Langfuse. Vous pourrez ensuite parcourir 01-base-app et commencer à construire dans 02-tracing.
Vous pouvez personnaliser l’expérience en modifiant les caractéristiques du téléphone dans support-data.ts. En ajoutant les informations du téléphone de votre père, vous obtiendrez des réponses adaptées au bon modèle.
C’est le point de départ du tracing — le même code que checkpoint/01-base-app, sans intégration Langfuse. Les paquets sont déjà dans package.json — exécutez npm inst...
Vous disposez d’une application fonctionnelle avec tracing. Le prompt système réside dans la constante SYSTEMPROMPT de src/server/support-agent.ts et sert directement de message système.
Vous avez une application tracée avec des prompts facultatifs gérés par Langfuse. Chaque tour arrive dans Langfuse sous forme de trace imbriqué.
Vous avez une application tracée, attribuée et surveillée. data/seed-dataset.json et scripts/seed-dataset.ts se trouvent déjà dans le dépôt à ce checkpoint.
Votre dataset est chargé dans Langfuse. scripts/run-dataset.ts se trouve déjà dans le dépôt.
Votre application est tracée, surveillée, possède un dataset hébergé et au moins une exécution avec les scores keywordoverlap et correctness. Vous allez maintenant la modifier et relancer...
Vous avez parcouru chaque étape de la boucle.