candy-ai 12.0.0

Pont Python vers Cedric7-Thinking — 50 personnalités, 20 utilitaires (translate, summarize, sentiment, codegen...), Helper, CLI, profils, conversations, batch, streaming.

🍬 candy-ai v12

Pont Python vers Cedric7-Thinking — pas une IA, le logiciel qui fait le lien.
50 personnalités · 20 utilitaires · Helper · CLI · Profils · Conversations · Batch · Streaming

---

Installation

pip install candy-ai

---

Démarrage immédiat

from candy import Coding
print(Coding.ask("Write a quicksort in Python"))

---

🆕 v12 — 20 nouveaux utilitaires

from candy import (
    translate, summarize, spellcheck, keywords, sentiment,
    generate_title, ask_about, rephrase, generate_faq, compare,
    codegen, explain_code, mock_data, timed_ask, cached_ask,
    clear_cache, optimize_prompt, extract, pipeline, full_report,
    detect_lang
)

Traduction & Langue

# Détecter la langue
from candy import detect_lang
print(detect_lang("Bonjour tout le monde"))  # → FR

# Traduire
from candy import translate
print(translate("Hello world", to="FR"))   # → Bonjour le monde
print(translate("Hola", to="EN"))          # → Hello

Analyse de texte

from candy import summarize, sentiment, keywords, full_report

# Résumé en N mots
print(summarize(long_text, words=30, lang="FR"))

# Sentiment
s = sentiment("Ce produit est fantastique !")
print(s["label"])   # → positive
print(s["score"])   # → 0.95

# Mots-clés
kws = keywords("Article sur le machine learning", n=5)
# → ["machine learning", "réseaux neuronaux", ...]

# Rapport complet
report = full_report(my_article, lang="FR")
print(report["summary"])
print(report["sentiment"])
print(report["keywords"])
print(report["titles"])

Génération de contenu

from candy import generate_title, rephrase, spellcheck, generate_faq

# Titres accrocheurs
titles = generate_title(article, lang="FR", n=5)

# Reformulation
print(rephrase("C'est trop bien", style="formal", lang="FR"))

# Correction orthographique
print(spellcheck("Bonjour je mappelle Jean", lang="FR"))

# FAQ automatique
faq = generate_faq(product_description, n=5, lang="FR")
for item in faq:
    print(f"Q: {item['question']}")
    print(f"A: {item['answer']}")

Code

from candy import codegen, explain_code

# Génération de code
code = codegen("fonction qui trie une liste par longueur", language="python")
print(code)

# Explication de code
print(explain_code("def fib(n): return n if n<=1 else fib(n-1)+fib(n-2)", lang="FR"))

Utilitaires avancés

from candy import timed_ask, cached_ask, clear_cache, optimize_prompt

# Mesurer le temps de réponse
result = timed_ask("coding", "What is a decorator?")
print(f"Réponse en {result['time_ms']}ms — {result['words']} mots")

# Cache de réponses (évite les doublons, TTL 1h)
r1 = cached_ask("math", "C'est quoi pi ?")   # → API
r2 = cached_ask("math", "C'est quoi pi ?")   # → cache instantané
clear_cache()  # vider le cache

# Optimiser un prompt
better = optimize_prompt("explique les décorateurs", personality="coding")
print(better)

Extraction & Pipeline

from candy import extract, pipeline, compare, ask_about, mock_data

# Extraire des données structurées d'un texte
data = extract(email_text, ["sender_name", "subject", "date", "action_required"])
print(data["sender_name"])

# Pipeline de transformations
result = pipeline(
    "Mon texte brut...",
    steps=[
        ("summarizer", "Résume en 2 phrases"),
        ("writing",    "Rends le plus engageant"),
        ("reviewer",   "Vérifie la grammaire"),
    ],
    lang="FR"
)
print(result["final"])

# Comparer deux textes
diff = compare(version1, version2)
print(diff["similarities"])
print(diff["differences"])

# Q&A sur un texte
answer = ask_about(article, "Quelle est la conclusion ?", lang="FR")

# Générer des données de test
users = mock_data("user with name, email, age, city", n=5)

---

Profils

from candy import cfg, Coding

cfg.A.lang       = "FR"
cfg.A.max_tokens = 2000
cfg.A.style      = "detailed"

cfg.A = cfg.preset("french_beginner")  # preset rapide
cfg.default.lang = "FR"

print(Coding.ask("Hello"))
print(Coding.use("A").ask("Explique les listes"))

Presets : french_beginner french_expert english_beginner english_expert quick academic creative teacher coder journalist storyteller analyst coach debug

---

Tous les paramètres

Paramètre	Défaut	Valeurs
lang	"EN"	FR EN ES DE IT PT ZH JA AR RU NL PL SV TR KO HI VI ID CS RO
max_tokens	800	100 → 4096
temperature	0.7	0.0 → 1.5
style	"default"	default concise detailed bullet academic casual technical eli5
tone	"neutral"	neutral encouraging strict humorous empathetic socratic
output_format	"text"	text markdown json html
expertise	"intermediate"	beginner intermediate expert
retry	1	tentatives en cas d'échec
verbose	False	affiche les infos de requête

---

CLI

candy helper          # ouvre la fenêtre Helper
candy -- script.cdy   # exécute un fichier .cdy

---

Les 50 personnalités

Math Coding Reflexion Analytic Full Science Writing History Law Medicine Finance Marketing Security Design Language Psychology Education Research Business Productivity Cooking Travel Music Film Sports Philosophy Environment Architecture Automotive Astronomy Biology Chemistry Physics Engineering Entrepreneur Ethics Geopolitics Crypto AI DevOps Database GameDev Comic Storyteller Translator Summarizer Debugger Reviewer Planner Tutor

---

Propulsé par Cedric7-Thinking · Quota 800 req/jour · MIT License