Come si usa l’AI nel lavoro vero: agenti, tool, loop, limiti. Non comunicati sui modelli, ma scelte che tengono in produzione.
27 articoli
Stessa forma, contratti diversi. Quando chiedere uno schema JSON e quando dare un tool al modello, secondo la documentazione di OpenAI, Anthropic e Gemini: modalità strict, cosa lo schema non garantisce, quanti tool dare e cosa cambia con modelli piccoli e locali su Ollama e llama.cpp. Nessun test fatto per l'articolo.
Leggi articolo
Il codice di un agente compila e sembra finito. Una checklist di review prima del merge costruita dalle guide ufficiali di GitHub, Claude Code, Codex, OpenSSF e OWASP: verifiche automatiche, intento, confini del diff, errori silenziosi, dipendenze nuove, test che testano il mock e limiti della review automatica. Nessun test fatto per l'articolo.
Leggi articolo
Dopo GitHub Universe 2026 tre annunci toccano davvero il flusso di lavoro: Copilot Fusion sceglie i modelli al posto tuo, gli agenti entrano nella CI con Agentic Workflows e automazioni, e Copilot può approvare una pull request. In più Copilot dentro GitHub Enterprise, i lockfile di Actions e cosa conviene fare adesso. Solo annunci e documentazione ufficiale, senza test né benchmark.
Leggi articolo
Cambi una riga di prompt e si rompe un caso che non guardavi. Un set minimo di 20–35 casi in otto famiglie (compito tipico, scelta del tool, argomenti, quando non agire, informazione mancante, conflitto con il sistema, errore del tool, bug già visti), come dare il voto a esito e trace, perché girare ogni caso più volte. Dalla documentazione ufficiale, senza test.
Leggi articolo
Senza un set di casi tuoi, ogni modello nuovo sembra meglio. Come scrivere criteri e 30–50 casi, come dare il voto (codice, persona, modello giudice), come girarli in locale con promptfoo, Inspect AI o lm-evaluation-harness su Ollama e llama.cpp, cosa guardare nei risultati. Dalla documentazione ufficiale, senza test.
Leggi articolo
Prima del fine-tuning chiediti cosa sbaglia il modello e se un prompt più chiaro, qualche esempio o un RAG lo risolvono. Quando no, cosa chiede Unsloth: LoRA e QLoRA, requisiti hardware e VRAM, scelta del modello, export in GGUF per Ollama e in safetensors per vLLM. Dalla documentazione ufficiale, senza test.
Leggi articolo
Open-weight non vuol dire che puoi farci quello che vuoi. Le clausole che pesano su un prodotto, lette dai testi ufficiali: uso commerciale, soglie di utenti, "Built with Llama", restrizioni che passano ai tuoi termini, Llama 4 multimodale in UE e le nuove licenze Qwen3.8.
Leggi articolo
Tre parole che si confondono. Cosa cambia tra full fine-tuning, LoRA e QLoRA in memoria, tempi e qualità, dai paper originali e dalla documentazione di Unsloth e Hugging Face, e quale scegliere se hai una sola GPU.
Leggi articolo
La cache del prompt non è la cache del gateway. Come funziona da Anthropic, OpenAI e Gemini secondo la documentazione ufficiale: soglie minime, durata, quanto costa scrivere e leggere, quando ripaga davvero e cosa la rompe.
Leggi articolo
Scarichi un modello e il runtime non lo apre. GGUF, safetensors e MLX a confronto: cosa contiene ciascun formato, quali runtime lo leggono, come si converte e quale scegliere per laptop, Mac e server GPU.
Leggi articolo
Recensione di MyAfters, la piattaforma per l'hospitality: locali, staff ed eventi in un unico sistema, l'assistente AI MyIA, i prezzi e i limiti.
Leggi articolo
Non i TFLOPS: quanto modello e contesto entrano. Unified memory sul Mac, VRAM dedicata su NVIDIA, runtime e quando scegliere cosa — solo da fonti ufficiali.
Leggi articolo
Prima di scaricare un modello fai il conto: pesi + KV cache + margine. Un 8B in Q4_K_M sta intorno ai 4,6 GiB, ma a 32k di contesto la cache ne aggiunge 4. Q4 o Q8 si decide da cosa sbaglia il modello sul tuo compito, non dalla dimensione del file. Terza puntata della Guida AI locale.
Leggi articolo
Il codice lo scrivono bene tutti e tre. La differenza è dove vive il confine: nei permessi e negli hook di Claude Code, nelle Run Modes e nella sandbox di Cursor, nel flusso di pull request di Copilot. Confronto sui vincoli, dalla documentazione ufficiale, senza benchmark inventati.
Leggi articolo
Un modello che scrive codice a volte importa pacchetti che non esistono, e qualcuno può registrarli. Cosa ha misurato lo studio USENIX 2025, perché la ripetibilità è il vero rischio e i controlli da fare con npm e pip prima di installare.
Leggi articolo
Con Ollama 0.40.2 i modelli scaricati prima venivano convertiti al primo avvio e la copia vecchia restava come backup; dalla 0.40.3 la conversione è sospesa. Cosa cambia sul disco, cosa succede se torni indietro e cosa conviene fare.
Leggi articolo
Prima di aggiungere un altro modello, metti un gateway davanti. Come configurare AI Gateway di Cloudflare per log senza prompt, cache che serve davvero e un tetto di spesa che risponde 429, con i limiti scritti nella documentazione.
Leggi articolo
Cambi base_url e il client resta uguale. Le cose che invece si rompono puntando i tuoi tool su Ollama, LM Studio, llama.cpp o vLLM: nomi dei modelli, tool calling, streaming e due default silenziosi.
Leggi articolo
Il file di contesto in root non è un romanzo sul progetto. È un contratto breve: comandi, vincoli, never-do. Cosa tiene in Cursor, Claude Code e nella convenzione AGENTS.md.
Leggi articolo
Secondo episodio della serie AI locale. Ollama, LM Studio, llama.cpp e vLLM confrontati su VRAM, ops, API e chat vs batch — non sulle feature list.
Leggi articolo
Apre la serie su AI locale. Privacy, costo, latenza e harness: quando il modello in casa conviene, quando il cloud resta la scelta onesta, e come si collega al resto del percorso.
Leggi articolo
Beta del 2 ottobre 2026: un endpoint (o binding Workers) verso Ceramic, Exa e Linkup, con log e billing su AI Gateway. Prezzi e limiti ricontrollati il 21 ottobre, più il nuovo tool web_search dell'Agents SDK.
Leggi articolo
Non ogni automazione ha bisogno di un loop agentico. Tre casi concreti in cui un job schedulato e uno script leggibile sono più affidabili, più economici e più facili da debuggare.
Leggi articolo
Open beta di cf, piano di deprecazione di Wrangler, JSON e config TypeScript. Cosa conviene fare adesso se deployi Workers — e se i tuoi agenti generano ancora comandi wrangler.
Leggi articolo
Un tool mal descritto non produce solo un output sbagliato: inquina tutto il loop dell'agente. Come progettare tool che un modello usa senza fallire in silenzio.
Leggi articolo
Prompt engineering è solo il punto di partenza. Context, loop e graph engineering sono le competenze che contano nel 2026, spiegate con un esempio di supporto clienti.
Leggi articolo
Chiedi un boilerplate all'AI e ottieni quasi sempre Next.js, Tailwind e Prisma. Perché succede, quanto costa, e come riprendere il controllo con file .md, Skills e un prompt architetturale.
Leggi articolo