Tutorial sui LLM

Scopri cos’è Kimi K2.5 di Moonshot, come funziona Agent Swarm e vedilo all’opera in quattro esperimenti pratici, vicini al mondo reale.

Tutorial pratico per eseguire Kimi K2 Thinking, creare workflow con chiamata agli strumenti, visualizzare il ragionamento trasparente e confrontarlo con GPT-5 e Claude 4.5.

Confronta LangChain, LangGraph, LangSmith e LangFlow. Scopri ruoli, punti di forza e quando usare ciascuno per creare applicazioni AI pronte per la produzione.

Impara a configurare e usare LangExtract per estrarre dati strutturati e relazioni da testo non strutturato, confrontando il suo approccio con le librerie NLP tradizionali.

Padroneggia i fondamenti di LangGraph — state, nodi, archi, memoria — e crea agenti IA scalabili con pattern ReAct, strumenti personalizzati e gestione dello stato persistente.

LangGraph Studio è un ambiente di sviluppo visuale per il framework LangGraph di LangChain, che semplifica lo sviluppo di applicazioni agentiche complesse costruite con componenti LangChain.

Scopri come usare LangSmith Agent Builder per creare un agente che legge Gmail, prepara le risposte e registra le azioni, il tutto senza scrivere codice.

Scopri come implementare il late chunking con Jina AI per migliorare la conservazione del contesto e l’accuratezza del recupero nelle applicazioni RAG.

Scopri cos'è LiteLLM e come usarlo per chiamate API unificate a vari provider di LLM: uso base dell'API, gestione errori, fallback, streaming, output strutturati e tracciamento dei costi.

Impara a creare un'applicazione RAG con Llama 3.1 8B usando Ollama e Langchain: configura l'ambiente, elabora i documenti, crea le embedding e integra un retriever.

Impara a creare un'app per didascalie di immagini usando Streamlit per il front end, Llama 3.2 90B per generare le didascalie e Groq come API.

Segui le istruzioni passo passo per configurare ed eseguire Llama 3.2 1B sul tuo dispositivo Android usando il framework Torchchat.