Apprendre · Comprendre · Construire
Hedi Manai Concepteur d'agents IA.
Je construis des agents IA qui tournent en production — systèmes multi-agents, pipelines RAG, serveurs MCP. Ce que j'apprends en les construisant devient une leçon du Playbook ; le code qui fait ses preuves devient un outil du Toolkit.
À propos
Concevoir des systèmes multi-agents qui tiennent en production.
Avec un parcours qui couvre la data science, le machine learning, la direction de R&D et l'ingénierie backend, je fais le pont entre la recherche en IA et les réalités de la production. Je conçois des systèmes multi-agents autonomes et des workflows d'IA agentique qui résolvent des tâches complexes par l'orchestration et la coordination.
Avec le Model Context Protocol (MCP) et des frameworks comme LangGraph et CrewAI, je construis des systèmes à état, résilients, qui dépassent le stade du prototype — de l'automatisation de workflows aux pipelines de données jusqu'aux déploiements complets en production, sur une infrastructure Python et FastAPI qui passe à l'échelle.
Stack technique & expertise
Orchestration multi-agents · RAG & architectures vectorielles · Data science & machine learning · Backend de production · MCP & conception d'outils · Automatisation pilotée par objectifs & RPA
The Agent Engineering Playbook
Maîtriser l'art des systèmes agentiques.
Un cursus structuré pour les ingénieurs qui construisent de vrais systèmes d'IA. Ce qui marche, ce qui casse, et pourquoi. Sans remplissage, sans théorie pour la théorie. Partez de la question la plus proche de la vôtre.
Par où commencer ?
2 leçons ·
Leçon 01. Qu'est-ce que le prompt engineering ? Une introduction par les premiers principes
Leçon 02. Construire le system prompt de production
Comment lui faire réussir une tâche complexe ?
2 leçons ·
Leçon 03. Chaîne de pensée et auto-cohérence
Leçon 04. Chaînage de prompts et conception de pipelines
Comment l'empêcher d'inventer ?
2 leçons ·
Leçon 05. RAG et injection de contexte
Leçon 06. Évaluation et tests
Outils
Les outils. Installez ce que j'utilise.
Ce qui est ici tourne d'abord dans ma propre stack. Open source, installation en une commande, modes de défaillance documentés.
Skill Claude Code
v2.1.0
Guardsman : aucun diff ne passe sans être défié
Lit les conventions réelles de votre dépôt, mesure chaque changement à son rayon d'impact, et fait réellement tourner la vérification qui accompagne toute logique non triviale avant que le code ne parte. Voir la doc
SDK Python
v1.0.0
ToolOps : le service mesh des outils IA
Enveloppe n'importe quel outil Python appelé par un agent dans la couche de résilience qu'un système de production attend d'un service mesh — cache sémantique, disjoncteurs, réessais et traces OpenTelemetry, via un seul décorateur. Voir la docContact
Un système à construire ?
Si vous montez un pipeline RAG, un workflow d'agents IA ou une intégration MCP et que vous voulez comparer vos notes, échanger des idées, ou simplement éviter les erreurs que j'ai déjà faites — écrivez-moi.
Ou recevez le Playbook par e-mail — un message quand une nouvelle leçon sort, et rien d'autre.
Pas de bruit, pas de spam. Désinscription à tout moment.