Présentation de la bibliothèque de modèles
Nous proposons 219 modèles de flux de travail, organisés en 10 catégories industrielles, couvrant divers scénarios allant des opérations d'application à la finance, aux soins médicaux et à l'éducation.
Braidrun est livré avec plus de 240 modèles de workflow. Cette page vous aide d'abord à comprendre « ce qu'est réellement la bibliothèque de modèles », puis en présente une vue d'ensemble.
Concevoir un workflow d'IA de production à partir de zéro est une tâche fatigante : il faut réfléchir clairement au fractionnement des étapes, à la répartition des rôles d'agent, au transfert de variables, aux nœuds d'approbation, à la gestion des exceptions, au contrôle des coûts... Ce sont autant d'expériences qui ne peuvent être résumées qu'après avoir traversé des écueils.
Chaque entrée de la bibliothèque de modèles a déjà traité toutes ces questions et a été exécutée dans des cas d'usage métier réels. Cloner puis ajuster les paramètres est bien plus rapide que de partir d'un YAML vierge.
Plus de 240 modèles, organisés en 10 grandes catégories sectorielles
Liste des catégories d'industrie
Voici les dix principales catégories sectorielles. Chacune propose des modèles de complexité variable, de la « validation rapide » à la « production de bout en bout » :
| Catégories d'industrie | Scénarios courants | Donnez quelques modèles représentatifs |
|---|---|---|
| Fonctionnement de l'application/de l'application | Package d'application, surveillance des certificats, optimisation ASA, ASO, suivi du renouvellement des abonnements | apple-search-ads-campaign · aso-optimization-workflow · dingyue-certificate-expiry-monitor |
| Publicité/Marketing | Google Ads / Facebook Ads, marketing de contenu, SEO, crise de marque RP | google-ads-campaign · content-marketing-seo · brand-crisis-pr |
| génie logiciel | Revue de code, CI/CD, revue PRD, conception de solutions techniques | code-review · ci-cd-pipeline · service-architecture-design |
| Création de contenu | Scripts vidéo courts, podcasts, livres électroniques, newsletters par courrier électronique, conception de cours | content-creator-short-video · content-creator-podcast · content-creator-newsletter |
| analyse des données | Analyse des tests A/B, veille produit concurrentielle, génération de rapports hebdomadaires, attribution des KPI | ab-test-design-analyzer · competitive-intelligence-report · dingyue-weekly-business-review |
| Conformité/Approbations | Examen des contrats, analyse des lacunes des politiques de conformité, gestion du cycle de vie des approbations | business-contract-review · compliance-policy-reviewer · approval-lifecycle-state-machine |
| Finances/Banque | Approbation de prêt, contrôle des risques, conseils en investissement, souscription d'assurance | banking-loan-application-processor · insurance-underwriting · fintech-* |
| Médical / Santé | Analyse du dossier médical, examen des interactions médicamenteuses, aide à la décision clinique | healthcare-* |
| Éducation/Formation | Plan de cours, plan d'étude, questions d'examen, assistant questions-réponses | education-* |
| Industries verticales | Agriculture, automobile, aviation, hôtellerie, énergie, logistique… | agriculture-* · automotive-* · aviation-* · hotel-* · energy-* |
Pour une liste complète et des suggestions de sélection pour chaque catégorie, voir Détails de classification et modèles typiques.
Qu'y a-t-il exactement dans le modèle ?
Chaque modèle est un workflow YAML complet contenant :
- Description et balises — Une phrase ou deux décrivant ce qu'il fait, à qui il convient et quelles sont les conditions préalables.
- Structure DAG complète — Toutes les étapes depuis l'entrée jusqu'à la sortie, les dépendances et les branches ont été organisées selon "l'expérience pratique".
- Préréglage d'agent et sélection de modèle — Chaque étape LLM est spécifiée avec un préréglage approprié (par exemple réviseur/rédacteur/codeur) et une température.
- Déclaration de variable et valeur par défaut — Tous les « paramètres réglables pour l'entreprise » sont distillés dans des sections de variables, et vous pouvez voir en un coup d'œil où les modifier en fonction de votre situation.
- Référence des informations d'identification — En nommant la référence, la clé n'est pas codée en dur. Il vous suffit d'ajouter un identifiant portant le même nom dans le centre d'informations d'identification pour le faire fonctionner.
- Exemple d'entrée et de sortie attendue — Prise en charge des données de test et d'un aperçu de "probablement ce qui peut être exécuté".
- Approbation raisonnable et gestion des exceptions — Manual_approval est prédéfini avant les étapes à haut risque (messages sortants, déductions et mise en ligne).
Après le clonage, le modèle devient « votre workflow ». Vous pouvez modifier chaque champ, supprimer chaque étape et ajouter vos propres références d'identification - la plateforme ne les verrouillera pas. Lire YAML, c'est comme lire un script Python commenté.
Modèles vs modules
Beaucoup de gens utilisent facilement ces deux mots pour la première fois :
- Modèle(Template) — un « document YAML de départ » qui évolue de façon indépendante une fois cloné. La publication d'une nouvelle version du modèle ne modifie pas automatiquement votre copie ; pour la suivre, vous pouvez prévisualiser les différences puis effectuer la mise à niveau en un clic, voirInstancier à partir d'un modèlela section « Mise à niveau des modèles ».
- modules(Module) - un "sous-processus pouvant être référencé par d'autres workflows". Une fois la partie référencée mise à niveau, l'appelant utilise automatiquement la nouvelle version. Convient comme « boîte noire réutilisable ».
Une analogie : les modèles sont comme des "échafaudages d'initialisation npm" et les modules sont comme des "dépendances d'installation npm". Voir les détails Modularisation et réutilisation.
Comment choisir le bon modèle
- Filtrez d’abord par catégorie d’industrie – confirmez le champ souhaité.
- Regardez les « conditions préalables » dans la description : quelles informations d'identification sont requises et quels systèmes sont accessibles. Laissez les pièces manquantes à l'étape suivante et rattrapez-les plus tard.
- Regardez le temps et le coût estimés : cela prendra environ quelques minutes à la fois, et cela coûtera quelques centimes/quelques dollars/dizaines de dollars.
- Choisissez-en une avec une complexité similaire - préférez commencer avec une version simple, puis utilisez l'assistant IA pour l'étendre si nécessaire ; ne choisissez pas un modèle complexe pour ensuite le supprimer.
- Exécutez d'abord un essai à sec : après le clonage, que vous le modifiiez ou non, exécutez-le d'abord pour voir la structure du DAG et le flux variable.
Suivant
- Instancier un workflow à partir d'un modèle — Le parcours utilisateur le plus recommandé, étape par étape
- Détails de classification et modèles typiques — 10 grandes catégories, modèles représentatifs sélectionnés pour chaque catégorie
- Ouvrez directement la bibliothèque de modèles — Parcourir, filtrer et rechercher dans les produits