Note su come si porta in produzione l'IA: RAG, agenti e sistemi LLM, dalla penna di un ingegnere sul campo.
Tutto ciò che una macchina può produrre diventa a buon mercato. Ciò che nessuna macchina può fare è dire se è giusto, rispondere quando fallisce, aggiungere ore alla tua giornata o amare qualcuno. Sono queste quattro cose, adesso, il lavoro. Leggi il saggio da cui nasce
Quando viene aperta una pull request, una mia o una che devo revisionare, ora chiedo all'agente di eseguirla sulla mia macchina, di provare a romperla e di filmarsi mentre lo fa. Un paragrafo può affermare che un test è stato fatto. Una registrazione deve mostrarlo, e decidere cosa significa resta compito mio.
Jev di TypeSafe non scriverà una frase. Gli consegni uno stato e delle domande tipizzate, e lui ti restituisce una scelta, un punteggio o una probabilità sì/no, a quattro millesimi di centesimo per una decisione su mille token. La novità è la forma, che rimette l'autorità nel tuo codice, e la trappola è che una probabilità somiglia a una rivalsa e non lo è. Ho fatto partire il progetto pilota che vorrei prima di credere a qualsiasi numero, sui miei stessi saggi con il modello aperto che ha fatto le veci di Jev, e la risposta è stata no.
L'AI si sta mangiando esattamente il lavoro su cui imparavano gli sviluppatori junior, le assunzioni entry-level stanno crollando in modo misurabile, e ogni senior capace di verificare l'output di una macchina è stato un junior che qualcuno ha pagato per sbagliare. Su DHH che assume guardando «fin dove potrebbe arrivare», sulle 2.200 persone che si sono candidate e sul perché un settore che smette di produrre senior ha frainteso la propria catena di fornitura.
Viviamo meglio di quasi tutti i re che abbiano mai regnato, e l'umore dell'epoca è una tristezza sorda che nessuno sa nominare. Un monaco del deserto del IV secolo le ha dato un nome. Un economista ne ha spiegato il meccanismo nel 1971. Questo è un saggio sull'accidia, la tristezza che arriva esattamente quando arriva il bene, e sul perché un'epoca di abbondanza infinita non poteva che esserne l'ora d'oro.
Una coppia alle otto e mezza, senza un piano e con un telefono a testa; un sabato in famiglia che si dissolve negli schermi. Ho costruito RotinaTop esattamente per quei due momenti: sfide d'avventura nascoste sotto la patina da grattare, un veto che non costa niente e una porta che si chiude alle tue spalle. Due scene di come va a finire.
Ho letto i termini di servizio consumer di dieci aziende AI e ho posto a ciascuna la stessa domanda: se il vostro prodotto sbaglia con sicurezza e a me costa qualcosa, chi paga? Le risposte, testuali: nulla è garantito, devi verificare tutto, il tetto dei rimborsi parte da dieci dollari e nella maggior parte dei casi sei tu ad assicurare loro. Una guida sul campo al ricorso che nessuno vende.
Ho dato a un modello di frontiera un registro d'esempio di 90 giorni costruito sulle mie abitudini reali, e poi ho reso stasera diversa dal registro. 180 run valutate dopo: la memoria non acceca il modello quando l'indizio è nella stanza, il vero prodotto della memoria è il silenzio nelle serate ordinarie — e l'unica volta che mi serviva una domanda, l'assistente che sapeva tutto ha premuto play proprio sull'episodio che stavo evitando, e mi ha offerto un tè per l'occasione.
Ventisei saggi, sei prodotti, una pratica di consulenza e una stagione a misurare cose che avrei potuto semplicemente affermare. Riletti come un'unica trace, eseguono tutti lo stesso meccanismo: l'IA rende gratuita la metà economica di ogni cosa, e la metà costosa cambia indirizzo. Questa è la mappa degli indirizzi (giudizio, risposta, attenzione, la persona), e il motivo per cui la mia fede ha riconosciuto il territorio prima di me.
Una funzione con dentro una chiamata a un LLM non è un agente, e chiamarla così non è una semplificazione innocua. Ho costruito lo stesso compito di audit delle spese come funzione, come workflow e come agente, ho eseguito 150 run valutate e ho misurato quanto costa davvero la parola, poi ho fatto crescere i dati finché l'unica mossa della funzione ha smesso di esistere e l'agente è rimasto l'ultima architettura in piedi.
Il saggio precedente sosteneva che quando il fare è gratis, scegliere diventa il lavoro, e la curatela torna a essere una professione. Qui l'ho messa in pratica: un sito che prende la lista di film del Vaticano del 1995, quella che un ufficio della Santa Sede pubblicò per il centesimo compleanno del cinema, e ne estende la disciplina ai libri e alla musica. Costruito in un giorno, nel linguaggio visivo di vatican.va, con la clausola di umiltà lasciata al suo posto.
Sedici saggi in un mese da un blog che prima ne metteva insieme due in tre anni. Ecco che aspetto ha oggi il lato dell'offerta, e chiunque produca qualcosa ne sta vivendo una versione. Questo saggio riguarda l'altro lato: cosa succede all'attenzione, al consumo e al pagamento quando il fare smette di essere la parte difficile. La fascia media muore, la serata diventa l'unità di conto, la giornata di lavoro gira sullo stesso budget, e l'attenzione si rivela essere un inventario di ciò che ami.
Il mio ultimo articolo si chiudeva con un programma che comprava una licenza, ne usava un terzo e incassava il rimborso al centesimo. Questo riguarda dove pagamenti del genere andranno effettivamente a regolarsi. Una chain regola cento milioni di transazioni al giorno, più delle altre maggiori messe insieme, trasporta i dollari di Western Union e Fiserv, e risponde a una richiesta HTTP non pagata con condizioni che una macchina può pagare. Il prezzo non è ancora d'accordo, e un analista da 577,000 iscritti ha una teoria sul perché. Ogni numero qui dentro ha una fonte e una data.
L'IA incarnata ha bisogno di riprese di mani esperte che fanno lavoro vero, e le persone che le producono le stanno regalando. Musk dice che i robot finiscono con il denaro reso irrilevante; Leone XIV dice che sopravvivere non è partecipare. Tra quelle due affermazioni sta una lunga transizione, e questo è un sistema funzionante per detenerne una quota: una gilda che paga una parte, misurata contro il vero runtime di Solana. Numeri inclusi, e non tutti lusingano l'idea.
Elon Musk dice che entro un decennio i robot renderanno il denaro superfluo. Ma tutti i mestieri che ci sono già passati dicono la stessa cosa: la scarsità non sparisce, si sposta. Ecco dove è andata l'ultima volta, e dove sta andando adesso.
Quando l'artefatto è diventato gratuito, l'attenzione si è spostata sul fare. È insieme un canale di marketing, una mossa di vendita e un modello di business, e davanti al vetro si sta formando una seconda folla: le macchine che verranno addestrate su quelle riprese.
Più di mille persone hanno guardato di recente qualcuno calcolare un CRC a mano. Ognuna di loro possiede una macchina che lo farebbe all'istante. I numeri delle visualizzazioni ci stanno dicendo qualcosa che le statistiche di chiusura non possono dire.
Lo stesso sito, lo stesso strumento, le stesse poche settimane. Una domanda chiusa a meno otto, una risposta votata alle stelle. La differenza tra le due è il consiglio di scrittura più utile dell'era dell'AI.
Un tag giustiziato nel 2010 è tornato su domande vive, la richiesta d'aiuto di uno studente ha superato i segfault, e la community sta rinegoziando in pubblico la sua regola più antica. Cosa dice il ritorno delle domande bandite sul Q&A dopo che i fatti sono stati automatizzati.
Passo la maggior parte del tempo sul livello applicativo. Ma appena un prodotto di IA cresce oltre un modello, poggia su uno strato che i suoi utenti non sanno nemmeno che esista: quello che decide quale modello risponde, su quale GPU, e cosa succede quando l'hardware è pieno. Non può tradirli. Così l'ho costruito.
Le risposte sono diventate gratis e le domande tra sviluppatori hanno cambiato forma. Quelle che hanno ancora bisogno di una persona sono proprio quelle che ci hanno insegnato a liquidare.
L'AI dissolve su richiesta ogni momento di blocco. Alcuni di quei momenti sono sempre stati rumore. Quelli giusti erano il luogo in cui prendeva forma la comprensione, e la nuova competenza è distinguere gli uni dagli altri.
La generazione musicale con l'IA sembra una chiamata API e si comporta come un progetto di infrastruttura. Ho costruito la stessa integrazione con cinque provider per mostrare cosa cambia davvero, e cosa non deve mai trapelare nel tuo prodotto.
Una registrazione di quaranta secondi, un modello con licenza MIT e una GPU consumer ora leggono ad alta voce ogni articolo di questo sito in sei lingue, con la mia voce. Ecco la pipeline completa, numeri inclusi.
Il tool su cui discuti è la parte che puoi sostituire in un giorno. Nessuno fa domande sulla parte che ha richiesto anni.
Ormai un modello scrive fluentemente qualsiasi linguaggio. Questo rende senza valore la metà economica del conoscere un linguaggio e fa valere la metà costosa più di quanto sia mai valsa.
Leggere il diff è tutta la revisione per un tipo di modifica e una storia che ti racconti per un altro. La competenza rara che l'IA ti lascia è distinguere l'uno dall'altro.
Due delle domande che gli sviluppatori continuano a porsi sono la stessa paura vista da lati opposti. La risposta è sì, e le ragioni per dirlo sono appena diventate più forti, non più deboli.
Il consiglio che gira in rete per liberarsi dalla dipendenza dall'AI è togliere la stampella e faticare. È giusto per un principiante e incompleto per un professionista, la cui vera protezione è una sola regola.
Imposta il trimestre con il business, codifica gli obiettivi come milestone di GitHub e lascia che un forecaster pubblichi le probabilità ogni settimana. Il business scopre presto se otterrà quello che ha chiesto, e gli sviluppatori sanno esattamente cosa significa fatto.
Appunti dal campo su OrbitSpec, un motore di chiarimento che trasforma richieste vaghe in Context Bundle tipizzati e verificabili prima che qualsiasi modello giri, e perché l'affidabilità comincia prima della risposta.
Appunti dal campo su plan-to-pr, una pipeline che trasforma una richiesta di funzionalità in ticket, un gate di approvazione e pull request in bozza, e perché delegare agli agenti di coding richiede artefatti, non chat.
Appunti sul campo dalla costruzione di Smithproof, un control plane multi-tenant per agenti AI, e perché il rilevamento senza risposta e le policy senza applicazione non governano nulla.
Dai fondamenti degli agenti all'ecosistema dei framework, più un piano pratico per esporre i tuoi strumenti interni tramite il Model Context Protocol.
Una breve introduzione, piena di entusiasmo, agli LLM come GPT-4, e a come ti permettono di fare una domanda a un libro e ottenere risposte direttamente dal testo.
Un sistema in cui vuoi mettere l'IA, un rischio che vuoi valutare, un piano di cui non sei sicuro, o un'idea che nessuno ha ancora costruito. Se posso aiutarti, te lo dirò, e ti dirò esattamente come.
Raccontami il tuo progetto