Scripting AI génératif

La création de prompts, c’est du code

Assemblez des invites pour les LLMs de manière programmatique à l’aide de JavaScript. Orchestrez les LLMs, outils et données dans un seul script.

Boîte à outils JavaScript pour travailler avec les prompts
Abstraction pour rendre cela simple et productif
Intégration transparente avec Visual Studio Code ou ligne de commande flexible
Support intégré pour GitHub Copilot et GitHub Models, OpenAI, Azure OpenAI, Anthropic, et autres

Bonjour le monde

Supposez que vous souhaitez créer un script LLM qui génère un poème ‘bonjour le monde’. Vous pouvez écrire le script suivant :

$`Write a 'hello world' poem.`;

La fonction $ est une balise de gabarit qui crée un prompt. Le prompt est ensuite envoyé au LLM (que vous avez configuré), qui génère le poème.

Rendons cela plus intéressant en ajoutant des fichiers, des données et une sortie structurée. Supposons que vous souhaitez inclure un fichier dans le prompt, puis sauvegarder la sortie dans un fichier. Vous pouvez écrire le script suivant :

// read files
const file = await workspace.readText("data.txt");
// include the file content in the prompt in a context-friendly way
def("DATA", file);
// the task
$`Analyze DATA and extract data in JSON in data.json.`;

La fonction def inclut le contenu du fichier, et l’optimise si nécessaire pour le LLM cible. Le script GenAIScript analyse aussi la sortie du LLM et extraira automatiquement le fichier data.json.

Étapes suivantes

Installer l'extension ou le CLI

Installez l’extension Visual Studio Code ou le CLI pour commencer.

Configurer vos LLM

Configurez les secrets pour accéder à vos LLMs.

Écrivez votre premier script

Suivez le guide Premiers pas pour écrire votre premier script.

Lire la documentation

Découvrez-en plus sur GenAIScript dans la Référence du scripting.

A screenshot of VSCode with a genaiscript opened

Dernières nouvelles

Traductions Markdown Continues 7/2/2025, La documentation GenAIScript est maintenant accessible en français grâce à un workflow de traduction continue intégré à GitHub Actions. À mesure que la documentation évolue, les traductions sont automatiquement mises à jour, ce qui réduit l'effort manuel et garantit la cohérence entre les langues. Le système de traduction analyse les fichiers Markdown en un arbre de syntaxe abstraite (AST), découpe le contenu en segments de texte traduisibles et attribue un identifiant unique à chaque segment. Seuls les nouveaux segments ou ceux qui ont été modifiés sont envoyés pour traduction par un grand modèle linguistique. Cette approche sélective évite les retraductions inutiles, assure l'idempotence et permet des mises à jour ciblées sans risque de dérive du document. Les traductions sont ensuite vérifiées pour leur validité Markdown et la cohérence des URLs, puis subissent un contrôle qualité automatisé à l'aide du même LLM. Les segments validés sont enregistrés dans un cache pour pouvoir être réutilisés lors de prochaines exécutions et se concentrer uniquement sur les différences réelles. Une fois toutes les vérifications passées, le workflow automatise le commit et le push des nouvelles traductions dans le dépôt, sans intervention développeur. Le processus est robuste, extensible à d'autres langues, et s'appuie sur des plugins open-source pour la manipulation de l'AST Markdown. Les équipes bénéficient ainsi d'une documentation localisée, toujours à jour, avec un minimum de friction, portée entièrement par l'automatisation et les outils IA modernes.

2.0 - Une bibliothèque Node.JS 6/26/2025, Nous avons lancé GenAIScript 2.0, qui propose un runtime modulaire et maintenable, désormais accessible dans toute application Node.js, et non plus uniquement via le CLI. Cette évolution s'est traduite par une refonte significative du backend, facilitant ainsi l'intégration pour les développeurs et multipliant les cas d'utilisation possibles. Le nouveau package npm @genaiscript/runtime isole les fonctionnalités de base, permettant des imports directs et une initialisation simple dans vos projets. Si vous développez avec l'API Node.js, mettez à jour vos imports afin de garantir la compatibilité avec la nouvelle structure. Cette version facilite l'intégration de GenAIScript dans divers workflows, que ce soit par le CLI ou intégré à des solutions Node.js plus larges.

Écrire des workflows GenAIScript plus rapidement avec des assistants de codage 6/17/2025, La documentation du code peut être fastidieuse mais elle reste essentielle pour maintenir la qualité et faciliter la collaboration. Avec GenAIScript, vous pouvez automatiser la génération de commentaires JSDoc dans les projets TypeScript en utilisant ast-grep pour une analyse précise du code et les LLM pour produire une documentation détaillée. Cette approche permet non seulement de gagner du temps, mais aussi d'améliorer la cohérence et d'assurer la clarté dans toute votre base de code. Des avantages pratiques comme l'exécution parallèle des tâches, l'utilisation optimisée des prompts et la facilité de partage des workflows font de GenAIScript un outil puissant pour industrialiser ces tâches au sein des équipes de développement.

Intelligence Artificielle Continue 6/16/2025, L’IA transforme la façon dont les équipes conçoivent et collaborent. Chez GitHub, le concept de « Continuous AI » propose un futur où des outils alimentés par l’IA améliorent les flux de travail, tout comme le CI/CD a révolutionné l’automatisation du développement logiciel. Plus qu’une simple technologie, il s’agit d’une catégorie évolutive de pratiques et d’outils conçus pour soutenir la collaboration à grande échelle. Des initiatives comme GitHub Actions, Models et GenAIScripts illustrent cette direction. Comment l’IA pourrait-elle simplifier vos flux de travail ?

Sirènes sans faille 5/16/2025, Les diagrammes Mermaid apportent de la clarté aux systèmes complexes, directement intégrés dans le markdown. Ils vous permettent d'illustrer des flux de travail, des relations et des hiérarchies avec une précision guidée par la syntaxe. Cependant, la dépendance de Mermaid à une syntaxe stricte signifie que des erreurs — qu'elles soient manuelles ou générées par un LLM — peuvent interrompre l'affichage. Lorsque des erreurs surviennent, l'intégration de systèmes de réparation automatisés dans les workflows, comme le « réparateur » dans l'invite système `system.diagrams`, assure que les diagrammes restent fonctionnels. Ce processus résout non seulement les problèmes de syntaxe mais affine également la communication entre les entrées humaines et les résultats générés par l'IA, préservant l'intégrité des diagrammes. Que vous résumiez la structure d'une application ou détailliez des interfaces complexes, l'harmonie entre le Markdown et les corrections automatiques optimise votre capacité à visualiser des données efficacement.

More posts... Open the blog page to see more posts

Fonctionnalités

GenAIScript apporte les outils essentiels de prompts pour LLM dans un environnement de scripting cohérent.

JavaScript stylisé

Syntaxe minimale pour créer des prompts avec JavaScript ou TypeScript.

$`Summarize ${env.files}. Today is ${new Date()}.`;

Boucle de développement rapide

Éditez, déboguez, exécutez, testez vos scripts dans Visual Studio Code ou avec une ligne de commande.

A screenshot of a debugging session in a code editor with a breakpoint set on a line of code. The editor is displaying several panels including the watch variables, call stack, and a terminal output. The code is partially visible with a function definition and JSON configuration data.

Outils LLM

Enregistrez des fonctions JavaScript comme outils LLM (avec fallback pour les modèles qui ne prennent pas en charge les outils).

defTool("weather", "live weather",
    { city: "Paris" }, // schema
    async ({ city }) => // callback
        { ... "sunny" }
)

Client MCP

Utilisez des outils exposés par les serveurs Model Context Provider

defTool({
  memory: {
    command: "npx",
    args: ["-y", "@modelcontextprotocol/server-memory"],
  },
});

Serveur MCP

Chaque script est un outil Model Context Provider.

script({
  parameters: {
    question: "What is the weather in Paris?",
  },
});
$`Answer the question ${env.parameters.question}.`;

Agents LLM

Combinez outils et prompts inlines dans un agent.

defAgent(
  "git",
  "Agent that answer git questions for the current repo",
  "You are a helpful expert in using git.",
  { tools: ["git"] },
);

script({ tools: "agent" });

$`Do a statistical analysis of the last commits`;

Réutiliser et partager des scripts

Les scripts sont des fichiers! Ils peuvent être versionnés, partagés, forkés, …

Répertoiregenaisrc
- my-script.genai.mjs
- un-autre-super-script.genai.mjs

Schémas de données

Définissez, validez, réparez des données grâce aux schémas.

const data = defSchema("MY_DATA",
    { type: "array", items: { ... }, })
$`Extract data from files using ${data} schema.`

Ingestion de texte depuis des PDF, DOCX, ...

Manipulez PDFs, DOCX, …

// automatically convert to text
def("PDF", env.files, { endsWith: ".pdf" });
// or parse and process
const { pages } = await parsers.PDF(env.files[0]);

Ingérer des tableaux depuis CSV, XLSX, ...

Manipulez des données tabulaires issues de CSV, XLSX, …

// automatically convert to text
def("DATA", env.files, {
  endsWith: ".csv",
  // take top 100 rows
  sliceHead: 100,
});
// or parse to JavaScript object array
const rows = await parsers.CSV(env.files[0]);
// render as markdown table
defData("ROWS", rows, { sliceHead: 100 });

Reconnaissance vocale (Speech To Text)

Transcrivez automatiquement de l’audio ou de la vidéo avec OpenAI ou d’autres.

const transcript = await transcript("path/to/audio.mp3");
const { srt, vtt, segments } = transcript;

Images

Incluez des images dans les prompts, nous les recadrerons/redimensionnerons automatiquement pour vous.

defImages(images, { autoCrop: true, details: "low" });

Vidéos

Extrayez des images fixes à partir de vidéos en utilisant des timestamps ou même des transcriptions.

const frames = await ffmpeg.extractFrames("...", { count: 10 });
defImages(frames, { details: "low" });

Générer des fichiers

Extrayez des fichiers et comparez les différences depuis le résultat du LLM. Prévisualisez les modifications dans l’interface de refactorisation.

$`Save the result in poem.txt.`;

FILE ./poem.txt
```txt
The quick brown fox jumps over the lazy dog.
```

poem.txt extrait par genaiscript

Recherche de fichiers

Greppez ou recherchez sur plusieurs fichiers

const { files } = await workspace.grep(/[a-z][a-z0-9]+/, { globs: "*.md" });

Recherche Web

Recherchez sur le web avec Bing ou Tavily.

const pages = await retrieval.webSearch("what are the latest news about AI?");

Automatisation du navigateur

Naviguez et scrapez le web avec Playwright.

import { browse } from "@genaiscript/plugin-playwright";
const page = await browse("https://...");
const table = await page.locator("table[...]").innerHTML();
def("TABLE", await HTML.convertToMarkdown(table));

RAG intégré

Recherche vectorielle avec une base de données locale ou Azure AI Search.

const index = await retrieval.index("animals", { type: "azure_ai_search" });
await index.insertOrUpdate(env.files);
const docs = await index.search("cat dog");

Sécurité avant tout !

GenAIScript fournit des prompts système de Responsible AI intégrés et une prise en charge Azure Content Safety pour valider la sécurité du contenu.

script({ ...,
    systemSafety: "default",
    contentSafety: "azure" // use azure content safety
})

const safety = await host.contentSafety()
const res = await safety.detectPromptInjection(env.vars.input)

Modèles GitHub et GitHub Copilot

Exécutez des modèles via GitHub à l’aide de GitHub Models ou GitHub Copilot.

script({ ..., model: "github:openai/gpt-4o" })

Azure AI Foundry, Google, Anthropic, Amazon, Alibaba, ...

Exécutez des modèles depuis Azure AI Foundry, Google, Anthropic, Alibaba, et d’autres. Voir Configuration.

script({ ..., model: "azure_ai_inference:o3-mini"})

Modèles locaux

Exécutez vos scripts avec des modèles open source, comme Phi-3, via Ollama, LocalAI…

script({ ..., model: "ollama:phi3" })

Interpréteur de code

Laissez le LLM exécuter du code dans un environnement d’exécution isolé.

script({ tools: ["python_code_interpreter"] });

Conteneurs

Exécutez du code dans des containers Docker.

const c = await host.container({
  image: "python:alpine",
});
const res = await c.exec("python --version");

Composition LLM

Exécutez des LLMs pour composer vos prompts LLM.

// summarize each files individually
for (const file of env.files) {
  const { text } = await runPrompt((_) => {
    _.def("FILE", file);
    _.$`Summarize the FILE.`;
  });
  // use result in main prompt
  def("SUMMARY", text);
}
// use summary
$`Summarize all the summaries.`;

Générer des images

Générez des images avec OpenAI DALL-E ou autres.

const { image, revisedPrompt } = await generateImage(
  `a cute cat. only one. photographic, high details. 4k resolution.`,
);

Classify

Classifiez du texte, des images ou un mélange des deux.

const joke = await classify("Why did the chicken cross the roard? To fry in the sun.", {
  yes: "funny",
  no: "not funny",
});

Prompty

Convertissez des fichiers Prompty en utilisant GenAIScript.

---
name: poem
---

system:
Write a short poem about
user:
{{something}}.

importTemplate("poem.prompty", { something: "code " });

Analyse des secrets extensible (Pluggable Secret Scanning)

Scannez vos discussions pour y détecter des secrets grâce au secret scanning.

{
    "secretPatterns": {
        ...,
        "OpenAI API Key": "sk-[A-Za-z0-9]{32,48}"
    }
}

Automatiser avec le CLI

Automatisez via le CLI, intégrez des rapports dans votre pipeline CI/CD.

npx genaiscript run tlaplus-linter "*.tla"

Revue des Pull Requests

Intégrez aux vérifications de Pull Requests à travers des commentaires, revues ou modifications de description. Supporte GitHub Actions et Azure DevOps pipelines.

npx genaiscript ... --pull-request-reviews

Tests et évaluations

Construisez des prompts fiables à l’aide de tests et évaluations alimentés par promptfoo.

script({ ..., tests: {
  files: "penguins.csv",
  rubric: "is a data analysis report",
  facts: "The data refers about penguin population in Antartica.",
}})

Visual Studio Test Explorer opened with a few genaiscript tests.

Études de cas

Histoires du monde réel utilisant GenAIScript.

Bicep Best Practices Learn how to apply best practices to Azure Bicep files for more efficient and maintainable infrastructure as code.

SEO Front Matter Learn how to automate the creation of SEO-optimized front matter for your markdown documents with GenAIScript.

Documentation Translations Explore the challenges and solutions for localizing MakeCode documentation with custom macros while maintaining rich rendering in multiple languages.

Blocks Localization Learn how to localize MakeCode programming blocks while preserving block properties and variable names for international audiences.

Release Notes Generate comprehensive release notes combining commit history and code diffs

TLA+ AI Linter Explore how the TLA+ AI Linter leverages GenAI scripts and LLMs to enhance TLA+ specifications with automated linting and consistent comment verification.

Image Alt Text Learn how to automatically generate descriptive alt text for images using OpenAI Vision model to enhance accessibility and SEO.

Exemples

Scripts complets prêts à être utilisés.

Awesome Scripts A curated list of awesome scripts

Diagram Class diagram generator

Lint An Easy Universal Linter

Image Alt Textify Generate alt text for images in markdown files

Pull Request Descriptor Generate a pull request description

Pull Request Reviewer Review the current files or changes

Spell Checker Review documentation for spelling and grammar

GitHub Action Investigator Investigate GitHub Actions failures

Git Commit Message Generate a commit message for all staged changes

Search and transform Search for a pattern in files and apply an LLM transformation to the match

Commenter Adds comments to your code

LLM-Optimized Content Generator Generate LLM-optimized content stored in markdown frontmatter for better AI processing

Guides

Un recueil de recettes pour faire de vous un as du scripting.

Prompt As Code Tutorial on using GenAIScript runtime and syntax to assemble prompts

Sharing scripts Learn how to share GenAIScript scripts across projects using Git repositories, submodules, and GitHub Gists.

Ask My PDF Quick-start guide to using GenAIScript for summarizing and critiquing PDF documents with AI assistance.

Agentic tools Using agentic tools in your script

Ask My Image Learn how to apply GenAIScript to images for data extraction and analysis using AI models.

Detection of Outdated Descriptions Automate the detection of outdated descriptions in markdown documentation to maintain accuracy and consistency.

Present My Code Step-by-step instructions on presenting code effectively using GenAIScript and creating engaging slides.

Search and Fetch Learn how to leverage web search and fetching pages in GenAIScript

Tool Agent Learn how to define a built-in agent using functions for decision-making and reasoning in arithmetic operations.

Summarize Many Documents Learn how to run a GenAIScript over many documents

DeepSeek R1 and V3 DeepSeek is a powerful tool for searching and filtering data in a deep structure. There are multiple LLM providers that can run DeepSeek.

Containerized Tools Learn how to create and use containerized tools with executable dependencies in a secure environment using GCC as an example.

Generated Knowledge Explore the technique of generated knowledge in AI prompting to enhance accuracy in answering questions.

Phi-3 Mini with Ollama Learn how to integrate Phi-3 Mini, a powerful 3.8B parameter model by Microsoft, with Ollama for local execution of state-of-the-art AI models.

Business card scanner Using OpenAI Vision to scan business cards.

Evals with multiple Models Evaluating multiple models in a single script

Automated Git Commit Messages Streamline your Git workflow with an automation script for generating commit messages

Issue Reviewer Learn how to automate reviewing issues with a script.

Llama Guard your files Automate the process of checking your files for harmful content using Llama-guard3.

LLM Agents Learn how to use the inline prompts to create a LLM agent.

Search And Transform Learn how to search and transform data in your data sources.

Transformer.js Implement summarization with Transformers.js and leverage local hardware acceleration

Using Secrets Utilize secrets to augment documents with TypeScript and REST APIs

Programming Language Personas Learn how to use expert programming language personas in GenAIScript

Video Alt Text Learn how to generate alt text for videos

Images in Azure Blob Storage Leverage Azure SDK to handle image files in Blob Storage within prompts

LLM as a tool Create tools and inline prompts using LLM models for executing various tasks

PDF Vision

Zod Schema Learn how to define and convert TypeScript-first Zod schemas to JSON schema

Agents

Builtin Agents

agent data query data from files

agent docs query the documentation

agent fs query files to accomplish tasks

agent git query the current repository using Git to accomplish tasks. Provide all the context information available to execute git queries.

agent github query GitHub to accomplish tasks

agent interpreter run code interpreters for Python, Math. Use this agent to ground computation questions.

agent planner generates a plan to solve a task

agent user_input ask user for input to confirm, select or answer the question in the query. The message should be very clear and provide all the context.

agent video Analyze and process video files or urls.

agent web search the web to accomplish tasks.

agent z3 can formalize and solve problems using the Z3 constraint solver. If you need to run Z3 or solve constraint systems, use this tool.

Documentation adaptée aux LLMs

Si vous êtes un crawler LLM, récupérez https://microsoft.github.io/genaiscript/llms.txt pour obtenir une carte de la documentation ou ajoutez le suffixe .md à toute URL de documentation pour obtenir un contenu brut au format markdown.

Par exemple, https://microsoft.github.io/genaiscript/guides/prompt-as-code.md (notez l’extension .md).