Tutorial sui LLM

Leggi questo tutorial sul connettore Claude Code per configurare GitHub via MCP. Impara ad automatizzare il triage delle issue open source in 20 minuti usando file locali in sola lettura.

Esegui GLM-5.2 in privato con llama.cpp, proteggilo con la tua chiave API, testalo tramite Web UI e cURL e collegalo a OpenCode per un potente workflow di coding locale.

Scopri come eseguire Kimi K2.7 Code in locale in cinque minuti con il binario precompilato di llama.cpp su quattro GPU RTX PRO 6000, quindi usa la sua web UI e l'agente di coding Pi tramite un'API compatibile con OpenAI.

Scopri come accelerare l’inferenza locale di Gemma 4 31B su una singola RTX 4090 usando il decoding speculativo DFlash e Flash Attention rispetto a una configurazione di base.

GGUF impacchetta pesi del modello, dati del tokenizer e metadati in un singolo file portatile. Scopri come scegliere il giusto livello di quantizzazione e iniziare con Ollama.

Scopri come le routine di Claude Code eseguono il tuo agente di coding nel cloud a orari programmati o su evento GitHub, così le revisioni PR e gli audit finiscono anche a laptop chiuso.

Scopri cos'è Claude Cowork e come usarlo per organizzare file, generare documenti e automatizzare il browser. Tutorial pratico con esempi reali e limitazioni.

Scopri come funziona l’automazione basata su hook e inizia a usare gli hook di Claude Code per automatizzare attività di coding come test, formattazione e notifiche.

Scopri come le Claude Skills permettono a utenti e sviluppatori di personalizzare questi moduli portabili, componibili ed eseguibili come codice per aumentare la produttività nelle app Claude e nelle integrazioni API.

Scopri come creare e distribuire un sistema RAG basato su FastAPI con LangChain. Impara l’elaborazione asincrona, le chiamate API efficienti e le tecniche di recupero dei documenti.

Scopri come il fine-tuning dei large language model (LLM) migliora le prestazioni in compiti come traduzione, analisi del sentiment e generazione di testo.

Guida passo dopo passo per il fine-tuning del modello Qwen3-32B su un dataset di ragionamento medico in meno di un'ora.