Cette article décrit comment ReActEngine v1 s’intègre dans le front‑end Streamlit chatitego_v128, et clarifie la séparation des responsabilités entre les deux couches. Il faut considérer que le moteur est stateless, tandis que le front‑end assure toute la persistance (index, historique, thème, (...)  lire la suite

ReActEngine Mistral v1 est un moteur agentique modulaire, contrôlable et extensible, combinant RAG (Research Augmented Generation), outils personnalisés, sélection dynamique d’outils dont MCP (Model Context Protocol) et génération orchestrée. Il est conçu pour les environnements multi-thèmes, (...)  lire la suite

Les modules ReActFinalizer, ReActStreamParser, font partie du niveau supérieur ou "Orchesrtrateur" du traitement. Ils ont été développés spécialement pour atteindre les objectifs du ReActEngine v1. Architecture ReAct : Finalizer et StreamParser Rôles et responsabilités ReActStreamParser Fait le lien (...)  lire la suite

Dans un agent de type ReAct, le raisonnement est construit étape par étape. Si une étape échoue, le LLM doit avoir des informations suffisantes pour reprendre le raisonnement, ou sinon risque de s’arrêter simplement, de façon silencieuse. L’enjeu du traitement des erreurs est de toujours fournir au LLM (...)  lire la suite

Ce document explique la façon dont les modèles locaux sont créés et utilisés dans un environnement LlamaIndex. On y détaille : les différences classes structurelles de modèles locaux, ce qui nécessite une abstraction pour LlamaIndex, comment le module ModelLoaderFactory ( "la factory" ) assure la (...)  lire la suite