Passer au contenu principal

Documentation Index

Fetch the complete documentation index at: https://docs.replit.com/llms.txt

Use this file to discover all available pages before exploring further.

Les outils IA vous aident à donner des instructions en langage naturel et à obtenir des résultats utiles en retour. Sur Replit, ces résultats peuvent devenir des plans, du code, des designs, des explications, des étapes de débogage et des modifications de votre projet. Vous n’avez pas besoin de comprendre l’IA en profondeur avant de commencer à construire. Quelques concepts vous aident à donner de meilleures instructions et à évaluer les résultats avec confiance.

​
Grands modèles de langage

La plupart des outils IA sont propulsés par des grands modèles de langage, souvent appelés LLM. Un LLM est un modèle entraîné à reconnaître des schémas dans le texte et à générer du texte qui suit ces schémas. Le texte peut désigner de la prose, du code, du HTML, du CSS, du SQL, du JSON, des commandes terminal, des résultats de tests, des messages d’erreur ou de la configuration. C’est pourquoi le même type de modèle peut aider à rédiger du contenu, expliquer un bug, créer du code ou résumer un plan.

​
Génération de texte

Un LLM ne récupère pas une réponse fixe depuis une base de données. Il génère une réponse élément par élément en fonction de l’entrée que vous fournissez et du contexte qu’il peut voir. Lorsque vous rédigez un prompt, le modèle utilise vos mots, la conversation et tout contexte de projet disponible pour prédire une prochaine réponse utile. Cette réponse peut être une explication, un plan ou du texte qu’un autre système peut utiliser pour agir. Cela signifie que la qualité de votre entrée est importante. Des objectifs clairs, des exemples, des contraintes et du contexte rendent de bons résultats plus probables.

​
Tokens

Les modèles IA traitent le texte en petites unités appelées tokens. Un token peut être un mot, une partie d’un mot, de la ponctuation, des espaces ou un morceau de code. Les tokens sont importants car ils influencent la quantité d’informations qu’un modèle IA peut considérer à la fois. Les longues conversations, les fichiers volumineux, les journaux, les captures d’écran et les instructions contribuent tous au contexte à partir duquel le modèle doit raisonner. Vous n’avez pas besoin de compter les tokens pendant que vous construisez. Vous devez comprendre que l’Agent fonctionne mieux lorsque les informations importantes sont claires, récentes et ciblées.

​
L’IA peut varier

Les résultats de l’IA ne sont pas toujours identiques. La même demande peut produire des formulations, des designs, des détails d’implémentation ou des compromis différents. Cette variabilité est utile pour l’exploration, mais elle signifie également que vous devez examiner les travaux importants. Testez ce que l’Agent construit, demandez des explications lorsque quelque chose n’est pas clair, et utilisez des points de contrôle lorsque vous avez besoin d’un point de récupération sûr.

​
Ce qui améliore les résultats de l’IA

L’Agent fonctionne mieux lorsque vous fournissez :
  • Un objectif clair
  • L’audience ou le besoin utilisateur
  • Les contraintes et non-objectifs
  • Des exemples, captures d’écran, fichiers, données ou liens
  • Le problème actuel ou l’erreur exacte
  • Des critères d’acceptation pour définir ce que « terminé » signifie
Comparez ces deux prompts :
  • « Écris du code pour un site web. »
  • « Écris du code pour un site web afin de collecter des adresses e-mail pour ma liste de diffusion personnelle. Stocke les soumissions dans Google Sheets. »
Le deuxième prompt nomme l’objectif, les données et la destination, de sorte que l’Agent dispose de suffisamment d’informations pour agir sans deviner. Ces informations sont appelées contexte. Pour comprendre pourquoi le contexte est important, consultez Gestion du contexte.

​
De l’IA aux agents IA

Un modèle de chat peut répondre à un message. Un agent IA utilise un modèle ainsi que des outils pour effectuer un travail en plusieurs étapes — il peut raisonner sur un objectif, choisir des outils, inspecter des informations, effectuer des modifications, vérifier les résultats et continuer jusqu’à ce que la tâche soit terminée ou nécessite votre intervention.

​
Modèles et outils

Un agent comporte deux parties importantes :
PartieCe qu’elle fait
Modèle de langageComprend les instructions, génère du texte, raisonne sur les options et décide de la prochaine action.
OutilsPermettent à l’agent d’agir, par exemple en lisant des fichiers, en éditant du code, en exécutant des commandes, en recherchant dans la documentation, en testant une application ou en publiant des modifications.
Le modèle décide quelle action pourrait aider. Les outils permettent à l’agent d’agir sur cette décision.

​
Ce que les agents peuvent faire

Les agents sont utiles pour les travaux qui nécessitent plus d’une étape, comme :
  • Planifier une fonctionnalité
  • Créer des fichiers et du code
  • Lire la structure du projet existant
  • Exécuter des commandes ou des tests
  • Déboguer des erreurs
  • Mettre à jour des designs
  • Connecter des services
  • Résumer ce qui a changé
L’agent ne se contente pas de répondre ; il travaille à travers une tâche.

​
Replit Agent

Replit Agent est un agent IA pour construire sur Replit. Il peut vous aider à créer des applications et d’autres artefacts, inspecter votre projet, éditer des fichiers, exécuter des commandes, tester des comportements, expliquer du code, créer des tâches et guider les flux de travail de publication. Par exemple, vous pouvez demander à Agent de : 
Build a simple event signup app for a community meetup.
Visitors should see event details, submit their name and email, and get a confirmation message.
Keep the first version simple so I can publish it today.
L’Agent peut transformer cette demande en projet, créer une première version et vous aider à l’affiner.

​
Vous dirigez toujours le travail

L’Agent peut aller vite, mais vous prenez toujours les décisions importantes :
  • Ce que l’artefact doit faire
  • Pour qui il est destiné
  • Ce qui doit être dans le périmètre
  • Ce qui ne doit pas changer
  • Si le résultat fonctionne
  • Quand il est prêt à être publié
C’est pourquoi la gestion du contexte et la révision sont importantes. L’Agent est plus efficace lorsque vous lui donnez une direction claire et que vous testez le résultat.

​
Idées reçues courantes

  • « L’IA devrait comprendre ce que je veux dire. » L’IA travaille à partir des informations que vous lui fournissez. Si quelque chose est important, dites-le clairement.
  • « La première réponse devrait être définitive. » Construire avec l’IA est un processus itératif. Révisez, testez et affinez.
  • « L’IA comprend l’intention comme les gens le font. » L’IA peut inférer des schémas, mais elle ne connaît pas automatiquement vos goûts, votre audience, vos contraintes ou votre définition de « terminé ».
  • « Un agent n’est qu’un chatbot. » Un chatbot répond principalement. Un agent peut utiliser des outils et agir.
  • « L’Agent connaît automatiquement l’objectif complet du produit. » L’Agent travaille à partir de vos instructions et du contexte. Si quelque chose est important, incluez-le.
  • « L’Agent supprime le besoin de révision. » L’Agent peut construire, mais vous décidez si l’artefact correspond à votre intention.

​
Où aller ensuite

Gestion du contexte

Apprenez comment les fenêtres de contexte influencent les résultats de l’IA.

Vibe coding

Mettez l’IA, le contexte, les agents et les applications ensemble dans un flux de travail de création.

Construire avec Agent

Apprenez les bonnes habitudes pour collaborer avec Replit Agent.

Agent

En savoir plus sur les capacités produit de l’Agent.