Tests unitaires sémantiques avec les LLMs : présentation de la bibliothèque `suite`

2025-05-05

Cet article présente `suite`, une bibliothèque Python qui utilise les grands modèles de langage (LLM) pour les tests unitaires sémantiques. Contrairement aux tests unitaires traditionnels, `suite` évalue l’exactitude sémantique des fonctions en comparant leur implémentation à leurs docstrings. L’auteur détaille le fonctionnement de `suite`, y compris la création d’invites, la gestion des dépendances de fonctions et l’intégration avec pytest. Bien qu’il souligne que `suite` ne doit pas remplacer les tests unitaires traditionnels, il constitue un complément précieux qui aide les développeurs à détecter les bogues plus tôt et à améliorer la couverture des tests. `suite` prend en charge les tests asynchrones et permet l’utilisation de modèles locaux, ce qui réduit les coûts et les problèmes de confidentialité.

Lire plus
Développement

Notebooks Jupyter et LLMs : Une optimisation inattendue des coûts

2025-01-21

L'auteur a utilisé des LLMs pour l'assistance au codage, initialement avec une configuration ContinueDev + OpenRouter. Les coûts ont augmenté de manière inattendue. L'enquête a révélé que les fichiers Jupyter Notebook (.ipynb) contiennent un contenu caché important (sorties de code, métadonnées, images codées en base64), ce qui entraîne un nombre important de jetons et une augmentation des coûts d'appel du LLM. La solution a consisté à convertir les fichiers .ipynb en fichiers .py et à supprimer les images codées en base64. Cela a réduit les coûts de 94% et également la latence. L'article souligne l'importance d'une entrée consciente lors de l'utilisation de LLMs et recommande de vérifier régulièrement les coûts.

Lire plus
Développement Optimisation des Coûts