Il CMS agentico: la terza via

IV parte: Git come workflow editoriale nativo

Appunti filosofici di un Software Architect

Un’introduzione al tema

Modelli LLM: Come funzionano?

XI parte: Le fasi dell’addestramento

Anonimizzare i dati per l’AI

La soluzione italiana

Il CMS agentico: la terza via

III parte: Il problema dell’intenzione editoriale

LLM in un’architettura preesistente

Dove collocarli (e dove non metterli…)

Agenti AI open source a confronto

OpenClaw, Hermes, Prime Agent, OpenCode…

Modelli LLM: Come funzionano?

X parte: I fondamenti dell’addestramento

Il CMS agentico: la terza via

II parte: Il design system come vocabolario dell’agente

ChartNet per l’analisi di grafici

Un modello piccolo per grandi risultati

Dove sono finiti i miei token?

II parte: Linee guida per un uso efficiente del modello

Serious gaming

Uno sguardo d’insieme

Il CMS agentico: la terza via

I parte: Websmith, un agente AI per costruire e gestire siti

Dove sono finiti i miei token?

I parte: Comprendere il meccanismo

RecursiveMAS ha abolito i token

Gli agenti parlano nella loro lingua

Agilità organizzativa

Individui e interazioni nelle aziende moderne

LLMs models: how do they work?

Part 9: Prompt engineering with frameworks

Tutto quello che sapevi sullo sviluppo prodotto è cambiato

Le “ondate” dello sviluppo prodotto con AI

Dopo la MokaByte Conference 26

Riflessioni sull’impatto dell’AI

Modelli LLM: Come funzionano?

IX parte: Prompt Engineering con i framework

Dieci regole per usare l’AI in azienda

Come cambiano le policy

LLMs models: how do they work?

Part 8: A first look at Prompt Engineering

Trent’anni di MokaByte

Le giornate della Moka

Autoresearch con l’AI

Insegnare alle macchine a fare ricerca autonoma