Marketplace B2B: architettura, ricerca, transazioni e modello operativo
Un marketplace non è un catalogo con due tipi di account. Essa orchestra dati, impegni ed eccezioni tra diverse organizzazioni.
Blog PartITech
Blog tecnologico
Analisi tecniche, guide pratiche ed esperienza sul campo per progettare, modernizzare e mantenere applicazioni sostenibili.
Riprendere la manutenzione di un'applicazione aziendale: il metodo dei primi 90 giorni
Un rilancio riuscito inizia prima della prima correzione. Garantisce la sicurezza degli accessi, rende l’esercizio riproducibile, riduce le incognite e organizza la trasmissione del sapere professionale.
RAG, fine-tuning o prompt engineering: scegliere il metodo giusto di specializzazione di un modello
Il RAG fornisce conoscenze al momento della risposta. Il fine-tuning modifica soprattutto il comportamento appreso. Il prompt inquadra un compito. Confonderli porta a progetti costosi e difficili da valutare.
Audit tecnico di un'applicazione web: la checklist completa prima del rilancio, della revisione o dell'acquisizione
Un audit utile non produce un elenco astratto di difetti. Trasforma lo stato reale di un'applicazione in rischi comprensibili, priorità quantificate e scenari di decisione.
Agente IA professionale connesso al sistema informativo: permessi, tracciabilità e sicurezza
Un agente diventa rischioso nel momento in cui può agire. La sicurezza deve riguardare ogni strumento, ogni risorsa e ogni fase, non solo il modello.
LoRA o fine-tuning completo: quale strategia scegliere per i vostri modelli IA?
LoRA o Full Fine-Tuning: Quale Strategia di Fine-Tuning Scegliere per i Tuoi Modelli IA? In un mondo sempre più dominato dall'intelligenza artificiale (IA), l'adattamento dei modelli linguistici a esigenze aziendali specifiche è diventato un obiettivo strategico per molte imprese. I modelli di tipo Transformer, come LLaMA, Mistral, Phi, Qwen o GPT, sono strumenti potenti in grado di comprendere e generare testo, ma spesso necessitano di personalizzazione per soddisfare requisiti particolari. ...
Sistema RAG con txtai — parte 3: caso pratico
Attraverso un caso pratico, vedremo come creare un completo sistema RAG e inizializzare un dialogo, arricchendo il nostro modello con dati personali. Dettagliamo la creazione di indici e la gestione del contenuto attraverso esempi pratici.
Sistema RAG con txtai — parte 2: database e indicizzazione vettoriale
In questo articolo, esploriamo l'uso di basi di dati per lo stoccaggio di conoscenze con TxtAi e discutiamo delle tecnologie di indice vettoriale come Elasticsearch, Faiss, Milvus, Pinecone, Weaviate, Annoy, HNSW e Postgresql con pgvector.
Sonata Extra Bundle: firewall applicativo
Il SonataExtraBundle fornisce un insieme di funzionalità migliorate per la gestione delle regole del firewall nell'ambiente Sonata Admin. Questo bundle permette agli amministratori di creare e gestire regole per filtrare le richieste in base a diversi criteri come parole vietate, indirizzi IP e agenti utente.
Sonata Extra Bundle: blocco di consenso ai cookie (GDPR)
Il blocco di consenso ai cookie è una soluzione personalizzabile integrata nel Sonata Extra Bundle per gestire il consenso degli utenti ai cookie conformemente alle normative GDPR. Offre un'interfaccia flessibile e intuitiva per la gestione del consenso ai cookie.
Sistema RAG con txtai — parte 1: generazione aumentata dalla ricerca
Scopri il mondo della "Generazione Migliorata dal Recupero" (RAG) - un'innovativa fusione tra recupero di informazioni e generazione del linguaggio nell'elaborazione del linguaggio naturale. Esplora i componenti chiave, le sfide e le opportunità di questa tecnologia e segui una guida pratica per implementare un sistema RAG utilizzando TxtAi e Llama.cpp.
llama.cpp : eseguire un LLM localmente
Llama CPP è un nuovo strumento progettato per eseguire modelli di linguaggio direttamente in C/C++. Questo strumento è particolarmente ottimizzato per i processori Apple Silicon grazie all'utilizzo della tecnologia ARM NEON e del framework Accelerate. Offre inoltre compatibilità AVX2 per i sistemi basati su architetture x86. Operando principalmente sulla CPU, Llama CPP include anche la capacità di quantizzazione a 4 bit, aumentando così la sua efficienza.