> For the complete documentation index, see [llms.txt](https://cleyrop.gitbook.io/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://cleyrop.gitbook.io/docs/la-fabrique/utiliser-la-librairie-de-composants-cleyrop.md).

# Utiliser la librairie de composants Cleyrop

## Utiliser la librairie de composants Cleyrop pyai

La librairie Cleyrop PyAI fournit un ensemble de modules Python prêts à l’emploi pour concevoir, enrichir et déployer vos propres apps d’intelligence artificielle au sein de la plateforme.

Elle offre des briques réutilisables et optimisées pour créer des **agents de chat**, des **assistants RAG** ou des **outils analytiques** performants.

### Documentation technique

Une documentation technique complète est disponible ici :

👉 [SDK py-ai-cleyrop](/docs/support-and-ressources/references-techniques-api-sdk/sdk-py-ai-cleyrop.md)

Le framework sous-jacent est LangChain, permettant d’orchestrer les appels aux modèles, chaînes et outils.

👉 Voir la documentation officielle : <https://python.langchain.com>

#### Utilisation sur la plateforme

{% hint style="success" %}
Les **modules py\_ai\_cleyrop** sont nativement inclus dans les clusters **Python 3.11 et 3.12.**
{% endhint %}

{% hint style="warning" %}
La librairie n’est **pas disponible** sur les clusters **Python 3.13.**
{% endhint %}

Vous pouvez utiliser les modules Python directement dans un **Dataflow de type Python** (pour des t**raitements automatisés** ou des intégrations d’agent).

Vous pouvez également des utiliser depuis **Codelab** (notebook Jupyter) pour vos t**ests et prototypes**.

{% code title="utilisation de ChatModule de la librairie pyai cleyrop" %}

```python
from py_ai_cleyrop.chat.chat_bot import ChatCleyrop

# Initialisation du modèle de chat
chat = ChatCleyrop(
    llm_endpoint="http://ai-gen-proxy.cleyrop.svc.cluster.local/llm/cleyrop/v1",
    llm_token="your-api-key",
    model_name="Mistral-Small-3.2-24B-Instruct-2506",
    max_token=512
)

# Requête simple
response = chat.invoke("Explique-moi le principe du machine learning en une phrase.")
print(response.content)
```

{% endcode %}

#### Modules principaux

Les composants de la librairie Cleyrop regroupent plusieurs modules spécialisés :

* **Chat Module** — Interface unifiée pour interagir avec les modèles LLM (ex. Mistral, Llama, OVH…).

  Permet la génération de texte, la structuration de réponses, le streaming et l’intégration avec LangChain.
* **Embeddings Module** — Génération d’embeddings vectoriels pour la recherche sémantique et le RAG, compatible avec TEI (Text Embeddings Inference).
* **Language Detection Module** — Détection automatique des langues sur des corpus multilingues, utile pour le routage ou la préparation de données.

#### Exemples d’usage

Les composants Cleyrop sont pensés pour **simplifier la création d’apps** :

* Construire un assistant RAG en combinant le module **d’embeddings** et le **chat.**
* Intégrer un LLM conversationnel dans un **Tool**.
* Automatiser la détection de la langue d’un corpus avant vectorisation.
* Créer une chaîne LangChain unifiée entre vos **prompts**, **modèles** et **sorties structurées**.