AI e agenti.
Dal prototipo alla produzione.
Architetture, tool use, evals e sicurezza per sistemi autonomi. Programmato documenta ciò che regge davvero: trace, costi, failure mode e decisioni che puoi difendere davanti a un team.
Scritto da chi costruisce agenti, non da chi li commenta.
AI e agenti, senza fumo
Analisi e casi reali su come gli agenti lavorano davvero: orchestrazione, tool use, evals, costi e failure mode. Solo sistemi che reggono in produzione.
La prossima analisi è in lavorazione.
Stiamo verificando i prossimi casi sul campo: agenti, tool e valutazioni. Nel frattempo puoi sfogliare l’archivio.
Un agente non è un prompt. È un loop.
Plan, act, observe, evaluate: quattro fasi che vanno progettate, strumentate e misurate. È qui che un prototipo diventa un sistema.
Pianifica
Scomporre l’obiettivo in passi verificabili, con criteri di uscita espliciti.
goal → stepsAgisci
Tool use su codice, browser, API e database. Permessi minimi, niente magia.
tool.call()Osserva
Ogni azione lascia un evento: stato, input, output, latenza e costo.
trace.emit()Valuta
Misurare prima del deploy: task reali, regressioni, guardrail e rollback.
eval.run()Le aree che seguiamo
Non tutto ciò che riguarda l’AI. Solo ciò che serve a mettere un agente in produzione e tenerlo sotto controllo.
Un agente vale quanto i tool che sa usare. Documentiamo integrazioni reali: filesystem, browser, API interne, database, code execution e code review.
- 01
Eval prima della demo
Una tecnica entra qui solo se è stata misurata su task reali, non su un prompt fortunato.
- 02
Trace o non esiste
Se non possiamo ricostruire ogni passo di un agente, non è pronto per la produzione.
- 03
Produzione come benchmark
Costi, latenza e failure mode contano quanto la qualità dell’output.