Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
En six articles et deux soirées de travail, on a assemblé un assistant vocal franco-québécois qui tourne entièrement en local sur deux Raspberry Pi 4.
[Lire]Function Calling : enseigner des outils à l'assistant
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
À l’article #5, on injectait la météo dans chaque conversation, même pour une question comme “quel est ton nom?”. C’est du gaspillage de tokens. Le function calling règle ça : le LLM décide lui-même quand appeler un outil, et uniquement quand c’est nécessaire.
Le code complet de cet article est disponible sur GitHub.
[Lire]Météo en temps réel et swap Claude API
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
L’assistant répond bien, mais il ne sait pas quel temps il fait dehors. On branche Open-Meteo, une API météo gratuite et sans clé. Tant qu’à y être, on swap aussi Ollama pour Claude API : une seule ligne dans appsettings.json.
Le code complet de cet article est disponible sur GitHub.
[Lire]Mémoire, détection de silence et systemd
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
L’assistant de l’article #3 fonctionne, mais chaque échange repart de zéro. On règle ça en trois temps : mémoire conversationnelle, détection automatique de silence, et démarrage au boot avec systemd.
Le code complet de cet article est disponible sur GitHub.
[Lire]Intégration Ollama et contexte maison
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
La réponse hardcodée de l’article #2 avait un seul but : confirmer que le pipeline audio fonctionne. Maintenant, on remplace cette ligne par un vrai appel HTTP à Ollama sur le pi-cerveau. On ajoute aussi un system prompt pour donner une identité à l’assistant.
Le code complet de cet article est disponible sur GitHub.
[Lire]Worker Service .NET 10 et pipeline audio
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
Les deux Pi sont configurés. Maintenant on code. L’objectif : valider le pipeline audio complet sur le pi-client, de la pression du bouton jusqu’à la réponse vocale, sans LLM. On hardcode une réponse pour l’instant. Le LLM arrive à l’article #3.
Le code complet de cet article est disponible sur GitHub.
[Lire]Setup des deux Raspberry Pi
Cet article fait partie de la série Assistant vocal sur Raspberry Pi.
On a deux Raspberry Pi 4, quelques heures de setup, et à la fin un assistant vocal qui tourne entièrement en local. Avant d’écrire la moindre ligne de code .NET, on règle le setup des deux Pi.
[Lire]Créer une application Blazor avec ML.NET
Apprenez à intégrer ML.NET dans une application Blazor Server pour construire un outil d’analyse de sentiment avec la classification binaire.
[Lire]
dotnet watch : tu l'utilises pour le hot reload. Tu devrais en faire plus.
Chaque fois que je modifiais du code, je faisais Alt-Tab vers le terminal, flèche vers le haut, Enter. dotnet test. Attendre. Vérifier. Retour dans l’éditeur. Répéter.
C’est pas dramatique. Mais sur une journée complète, ça finit par coûter cher en concentration. Le pire, c’est que j’avais déjà dotnet watch dans mon workflow pour le hot reload d’une app web. Je ne m’étais jamais demandé si ça pouvait faire autre chose.
Microsoft Agent Framework : premier agent, MCP et workflows multi-agents
Microsoft Agent Framework remplace Semantic Kernel et AutoGen. Voici comment créer un agent local avec Ollama, brancher un serveur MCP, et orchestrer deux agents en séquence.
[Lire]