Au-delà du RAG
TAG, CAG, MAG et KAG sur une stack GPU auto-hébergée : ce que fait réellement chaque pattern, ce que j’ai construit, ce que j’ai mesuré, et quand utiliser lequel.
Bonjour, je suis Iheb Besbes
Senior Tech Lead — DataOps, DevOps & IA. Publications sur la Data, le Cloud et le développement de l'IA.
Derniers Articles
Déployer des agents ADK
Trois façons de déployer un agent Google ADK sur GCP avec agents-cli : Vertex AI Agent Engine, Cloud Run auto-généré et un service Cloud Run géré par Terraform.
Athena sur AgentCore
Construire un assistant Athena en lecture seule avec Strands et Amazon Bedrock AgentCore : outils MCP, outil Lambda, compétences (skills) et fournisseur de modèles externe lorsque les quotas Bedrock posent problème.
Évaluer les agents ADK
Évaluation comportementale d’un agent BigQuery construit avec Google ADK : critères, scénarios, juges et les leçons sur les coûts qui en ont découlé.
RAG sur vllm-gke
Ajout de la génération augmentée par la recherche à une stack GPU auto-hébergée sur GKE : Qdrant, embeddings CPU, recherche hybride, ré-ordonnancement (reranking) et harnais d’évaluation, le tout mesuré avant d’être mis en production.