Lucie Defraiteur

Generative AI Engineer & Full-Stack Developer

luciedefraiteur@gmail.com

📱 Portfolio & CV en ligne complet

🔮Profil Professionnel

Fullstack & GenAI Engineer | DevOps | AI Orchestration | Open Source

Engineer spécialisée en Fullstack & AI Orchestration (Next.js, RAG, LLMs, pgVector, DevOps). Je conçois des systèmes multi-fournisseurs (OpenAI, Gemini, Anthropic, Ollama) et développe des outils open-source pour accélérer la productivité des développeurs — y compris un chat multimodal accessible dans mon portfolio.

Passionnée par l'agentique et l'innovation, je rends disponibles mes projets en open-source sur GitLab. En parallèle, je développe un univers artistique personnel (metal/black metal expérimental).

⚡Technologies & Expertise

🤖 Intelligence Artificielle

• Google Generative AI (Gemini)
• Agents conversationnels avec personnalité
• Systèmes de mémoire hiérarchique
• Recherche sémantique avancée
• Orchestration d'agents multiples

💻 Développement

• TypeScript & JavaScript
• React & Next.js
• Python (expertise approfondie)
• Three.js & WebGL
• PostgreSQL & Drizzle ORM

⛧Projet Phare : LR TchatAgent

🎭 Orchestrateur Divin (Luciole)

Système d'orchestration intelligent qui coordonne plusieurs agents spécialisés.

Code TypeScriptProduction

class ServerOrchestrator {
  async analyzeAndDecide(context: OrchestrationContext): Promise<DivineDecision> {
    const analysisPrompt = `
      Analyse cette conversation et décide si tu dois:
      1. Enrichir la mémoire (shouldEnrichMemory: boolean)
      2. Générer une image (shouldGenerateImage: boolean)
      
      Contexte: ${context.userMessage}
      Historique: ${context.conversationHistory.length} messages
    `;
    
    const result = await this.model.generateContent(analysisPrompt);
    const jsonMatch = result.response.text().match(/{[sS]*}/);
    return JSON.parse(jsonMatch[0]);
  }
  
  async executeActions(decision: DivineDecision, context: OrchestrationContext): Promise<DivineMurmur[]> {
    const murmurs: DivineMurmur[] = [];
    
    if (decision.shouldEnrichMemory && this.archivist) {
      const archivistResponse = await this.archivist.processRequest({
        query: decision.memoryQuery,
        userId: context.userIdentityId,
        conversationHistory: context.conversationHistory
      });
      
      murmurs.push({
        type: 'memory',
        content: archivistResponse.message,
        data: archivistResponse.data,
        timestamp: new Date().toISOString()
      });
    }
    
    return murmurs;
  }
}