Vos analyses de données passent à la vitesse supérieure. Nous avons entièrement repensé la compétence Python : Code + Téléversement + Visualisation avec l'optimisation sandbox E2B, un état de noyau (kernel) persistant et une gestion intelligente des erreurs. Le code s'exécute plus vite, coûte moins cher et gère les imprévus avec plus de fiabilité.

Exécution optimisée avec la sandbox E2B

Votre code Python s'exécute désormais dans un environnement sandbox E2B isolé avec un noyau persistant. Résultat : une exécution 3 à 4 fois plus rapide que les approches traditionnelles, avec moins de latence et aucune interférence entre les exécutions.

• Exécution accélérée : démarrage à froid en ~400 ms (contre plus de 2 secondes avec les configurations standards).

• Fiabilité accrue : l'exécution isolée évite les conflits et la corruption d'état.

• État persistant : les variables et les importations sont conservées au fil des exécutions dans une même session — finie la surcharge liée à l'initialisation répétée.

Réduction de la consommation de jetons et des coûts

L'outil gère désormais intelligemment l'installation des paquets Python, réduisant votre consommation de crédits de 35 à 40 % sur les tâches Python courantes.

• Détection intelligente des paquets : les dépendances sont identifiées et installées une seule fois par session (et non à chaque exécution).

• Moins d'appels LLM : une communication optimisée avec le modèle d'IA signifie des réponses plus rapides.

• Coûts réduits : l'optimisation de la consommation de jetons diminue significativement le coût de vos opérations Python.

Gestion des erreurs améliorée

En cas d'échec, le système corrige désormais le code efficacement sans gaspiller de crédits en régénérations complètes.

• Messages d'erreur plus clairs : un retour précis pour faciliter le débogage.

• Correction intelligente : seul le segment de code erroné est modifié (similaire aux artefacts), et non l'ensemble du bloc, ce qui réduit le gaspillage de crédits jusqu'à 40 %.

• Suivi optimisé : monitoring amélioré du temps d'exécution et de l'usage des ressources pour une transparence totale.

Traitement des fichiers amélioré

L'importation de fichiers et la génération de résultats sont plus fiables et plus rapides.

• Gestion optimisée des uploads : meilleure prise en charge des fichiers importés dans l'environnement sandbox.

• Génération de résultats fiable : les fichiers générés (graphiques, données traitées, exports) sont désormais disponibles de manière constante.

• Liens de téléchargement directs : tous les fichiers générés sont fournis avec des liens URL directs dans le chat — aucune étape supplémentaire n'est requise.

Comment tester cette nouveauté

1. Ouvrez le Chat dans Swiftask.

2. Ajoutez la compétence Python : Code + Téléversement + Visualisation à n'importe quel agent (Agents → [Nom de l'agent] → Compétences → recherchez "Python").

3. Importez un fichier de données (CSV, Excel, JSON, etc.).

4. Demandez à l'agent de l'analyser : "Analyse ces données et crée une visualisation."

5. Vérifiez : exécution plus rapide, liens de téléchargement instantanés et messages d'erreur plus explicites en cas de problème.

Exemple de requête :

"Analyse ce fichier CSV de données de ventes. Crée un graphique à barres montrant le chiffre d'affaires par région et enregistre-le dans /tmp/. Donne-moi le lien de téléchargement."

Bonnes pratiques pour une performance optimale

• Listez les paquets requis : précisez toujours les paquets Python nécessaires dès le début.

• Utilisez des fonctions print() : affichez les résultats intermédiaires pour faciliter le débogage.

• Limitez la sortie de fichiers : produisez 2 à 3 fichiers maximum par tâche.

• Enregistrez dans /tmp/ : tous les fichiers générés doivent être placés dans le répertoire /tmp/ pour être accessibles.

• Demandez des liens de fichiers : sollicitez des URLs directes pour tous vos fichiers générés dans votre réponse finale.

Disponibilité : Tous les plans (Pro, Team Starter, Team Growth, Custom)

Emplacement : Agents → [Nom de l'agent] → Compétences → Python : Code + Upload + Visualization

Cette mise à jour inclut :

• Optimisation de l'exécution du code dans la sandbox E2B (microVMs Firecracker).

• Noyau persistant pour des exécutions consécutives plus rapides.

• Réduction des appels LLM grâce à une gestion intelligente des paquets.

• Amélioration de la gestion des erreurs et du suivi.

• Correction intelligente des erreurs (modifie uniquement les lignes erronées).

• Correction des problèmes de chemin de fichier entre les environnements locaux et sandbox.

• Monitoring de l'usage amélioré, incluant le suivi du temps d'inactivité.

• Refonte de la base de code avec des fonctions d'assistance partagées.

• Ajout de tests unitaires complets.

Prêt à l'emploi ? Ouvrez le chat, importez votre fichier de données et demandez à l'IA de l'analyser. L'outil exécutera automatiquement le code Python et vous fournira des visualisations et des résultats plus rapidement qu'auparavant.