L'implémentation d'argentic-mw : le Socle commun en deux cents lignes, trois pipelines (Watch, Web Stats, Zendesk), la rule table, les garde-fous de l'auto-response et le scheduler par élection de leader Postgres.
IA
Build ou buy pour un agent LLM ? Trois axes, six critères de décision, et un quadrant pour comparer plateformes full-LLM, frameworks d'orchestration et socle sur-mesure. Le cadre que j'applique à argentic-mw.
Pourquoi j'ai construit un agent supervisé plutôt qu'un agent autonome pour un pipeline métier planifié. Le LLM intervient aux points d'extension où il est utile, le reste est du code déterministe, traçable et rejouable.
Sur un RAG local 100 % privé, remplacer nomic-embed-text par bge-m3 et supprimer la traduction runtime FR→EN a fait passer le rappel de 0,45 à 0,95 et divisé la latence par douze. Mesuré, pas deviné.
Une synthèse des idées de Mario Zechner sur les agents de code. Pourquoi le minimalisme de l'agent Pi, couplé à une ingénierie stricte du contexte et à des outils CLI, bat souvent les frameworks lourds.