+ Esempi Specifici Utilizzando LLMs Pensanti
In questo post, esploreremo due modi per connettere la tua applicazione Python a Ollama: 1. Attraverso HTTP REST API; 2. Attraverso la libreria ufficiale Python di Ollama.
Come sviluppare una skill per Amazon Alexa - istruzioni.
In questo articolo, approfondiremo sviluppo, test e pubblicazione di una skill Alexa. Copriremo anche principi di progettazione, considerazioni tecniche e best practice per garantire che la tua skill fornisca un’esperienza utente coinvolgente e naturale.
Non molto bello.
Ollama’s GPT-OSS models presentano problemi ricorrenti nel gestire l’output strutturato, specialmente quando utilizzati con framework come LangChain, OpenAI SDK, vllm e altri.
API leggermente diverse richiedono un approccio speciale.
Ecco un confronto a fianco a fianco del supporto per output strutturato (ottenere un JSON affidabile) tra i principali fornitori di LLM, più esempi minimi in Python
Un paio di modi per ottenere un output strutturato da Ollama
Modelli di grandi dimensioni (LLMs) sono potenti, ma in produzione raramente desideriamo paragrafi liberi. Invece, vogliamo dati prevedibili: attributi, fatti o oggetti strutturati che possiamo alimentare in un’app. Questo è LLM Structured Output.
Riferimento rapido a PostgreSQL
Un riferimento rapido per l’uso quotidiano PostgreSQL di lavoro: connessioni, sintassi SQL, comandi meta-psql, prestazioni, JSON, funzioni finestra e altro ancora.
Utilizzare pandoc, python o strumenti online per la conversione in MD ````
Convertire documenti Word in formato Markdown è un compito molto comune per scrittori tecnici, sviluppatori e creatori di contenuti che desiderano spostare il loro contenuto su piattaforme che utilizzano Markdown (come GitHub, GitLab, generatori di siti statici come Hugo).
Una panoramica pratica e ricca di codice sugli ORM in GO
I framework ORM più utilizzati per GO sono GORM, Ent, Bun e sqlc. Ecco un piccolo confronto tra di loro con esempi di operazioni CRUD in GO puro.
E distribuire un nuovo bot Telegram su AWS
Ecco i miei appunti con un tutorial passo dopo passo su come implementare e distribuire su AWS un bot Telegram. Ho aggiunto un quick start (long polling) e un percorso pronto per la produzione (webhooks), con esempi in Python e Node.js.
Installazione, esecuzione, tipi, classi, tutti i concetti di base
Ecco il mio conciso TypeScript cheatsheet che copre concetti chiave, sintassi e esempi di codice spesso riferiti dai sviluppatori:
Confronto di strumenti e linguaggi per l'ingegneria del software
La lettera The Pragmatic Engineer pubblicata un paio di giorni fa presenta statistiche di un sondaggio sull’[popolarità dei linguaggi di programmazione, IDE e strumenti AI e altri dati per la metà del 2025.
Articolo dettagliato sulle specifiche e sull'implementazione di MCP in GO
Ecco una descrizione del Model Context Protocol (MCP), note brevi su come implementare un server MCP in Go, inclusa la struttura dei messaggi e le specifiche del protocollo.
Scegliere lo strumento migliore per scrivere selezioni e eseguire backup
La nuova versione desktop di Linux Ubuntu 24.04 mi ha offerto l’installazione di Beekeeper Studio come editor SQL e strumento di gestione del database. In precedenza utilizzavo DBeaver. OK. Passiamo al Confronto tra DBeaver e Beekeeper Studio.
Buon framework per ETS/MLOPS con Python
Apache Airflow è una piattaforma open source progettata per creare, pianificare e monitorare i flussi di lavoro in modo programmabile, interamente in codice Python, offrendo un’alternativa flessibile e potente rispetto agli strumenti tradizionali, manuali o basati sull’interfaccia utente.
I vantaggi di Python uv
Python uv (pronunciato “you-vee”) è un moderno e ad alte prestazioni pacchetto e gestore di progetti Python scritto in Rust. È stato progettato come sostituzione plug-and-play per gli strumenti tradizionali di gestione dei pacchetti Python come pip, pip-tools, virtualenv, pipx e pyenv, mirando a semplificare e accelerare i flussi di lavoro di sviluppo Python.
