#llm
risultati
-
Agentic RAG: quando il retrieval diventa un loop search-read-decide
Un’implementazione minimale con l’OpenAI Agents SDK che trasforma il retrieval in un’azione iterativa dell’agente, con cinque domande da…
-
Ollama e la corsa a far girare modelli open in locale
Ollama rende semplice eseguire modelli open-weight sul proprio PC. Con quasi 8,9 milioni di sviluppatori al mese e…
-
Output strutturati dagli LLM con Outlines
Outlines è una libreria open-source che vincola la generazione degli LLM a schemi predefiniti, garantendo output strutturati come…
-
Tool MCP che non funzionano? Il problema è il design, non il protocollo
AWS mette a fuoco i due nemici del tool design MCP, bloat e confusion, e mostra sei versioni…
-
Come Bluesight ha costruito Prism, una soluzione agentica su Amazon Bedrock
Bluesight ha usato Amazon Bedrock AgentCore per passare da un prototipo AI monoprodotto a Prism, una soluzione agentica…
-
Costruire un sistema multi-agente in stile VideoAgent per l’editing video
Un tutorial pratico che ricostruisce la pipeline agentica di VideoAgent: intent parsing, pianificazione a grafo e routing degli…
-
RAG contro fine-tuning: cosa fanno davvero e quando usare l’uno, l’altro o entrambi
RAG e fine-tuning non sono tecniche in competizione: risolvono problemi diversi a livelli diversi di un’applicazione AI. RAG…
-
Orchestrare oltre 100 agenti con Claude Code: la modalita’ headless e l’agente coordinatore
Salire di un livello di astrazione: parlare a un agente che ne coordina molti altri in modalita’ headless.…
-
TabFM: Google porta i foundation model sui dati tabellari
Un foundation model per classification e regression su tabelle mai viste, in un singolo forward pass e senza…
-
Loop engineering: come autoresearch trasforma un agente in un ciclo di ricerca ML
Il loop engineering sostituisce il botta e risposta manuale con un ciclo che pianifica, agisce e verifica da…