Struttura del corso
Fondamenti di Architettura per Sistemi AI
- Livelli, confini e separazione delle responsabilità
- Porte e adattatori applicati ai componenti AI
- Scenari di attributi di qualità per funzionalità AI
- Architettura decision records come governance
Evoluzione di un'Esistente Applicazione
- Modernizzazione incrementale anziché riscrittura
- Posizionamento di servizi AI accanto a un monolite esistente
- Pattern Strangler e Anti-Corruption Layer
- Giunzioni di integrazione per API e dati esistenti
Pattern di Architettura per l'Integrazione LLM
- Model gateway come confine di astrazione
- Integrazione sincrona, asincrona e streaming
- Fallback, degrado e failover del provider
- Prompt e configurazione del modello come asset versionati
Contratti, API e Scambio di Dati
- Schemi di output strutturati e validazione
- Idempotenza, retry e limitazione dei tassi
- Budget di latenza e orchestrazione dei timeout
- Costo per richiesta come vincolo architettonico
Architettura RAG End-to-End
- Pipeline di ingestione, chunking e embedding
- Fasi di indicizzazione, recupero, reranking e generazione
- Posizionamento del recupero rispetto ai servizi applicativi
- Trade-off e modalità di fallimento a ogni fase
Database Vettoriali e Progettazione del Recupero
- Store vettoriali gestiti rispetto a self-hosted
- Ricerca densa, sparsa e ibrida
- Filtri metadati e isolamento dei tenant
- Strategia di re-embedding al cambio di modello
Qualità del Recupero, Grounding e Valutazione
- Insiemi di valutazione costruiti da query reali
- Metriche di qualità del recupero e delle risposte
- Citazioni, grounding e contenimento delle allucinazioni
- Feedback loop che rientrano nell'indice
Architetture degli Agenti
- Ciclo dell'agente e invocazione degli strumenti
- Flussi di lavoro deterministici rispetto a pianificatori autonomi
- Casi in cui un agente non è la soluzione giusta
- Definizione delle responsabilità e dello stato dell'agente
Sistemi Multi-Agente e Orchestrazione
- Topologie supervisore e orchestratore
- Protocolli di handoff e contratti di messaggio
- Memoria condivisa e gestione del contesto
- Confronto tra framework su basi architetturali
Comunicazione tra Servizi e Protocolli degli Strumenti
- Coordinamento event-driven e basato su code
- Esposizione degli strumenti tramite protocolli standard
- Sagas, compensazione e transazioni long-running
- Osservabilità attraverso i salti di servizio
Agenti AI nel Flusso di Lavoro di Sviluppo
- Agenti di codifica all'interno della pipeline di delivery
- Sviluppo guidato dalle specifiche e gate di revisione
- Generazione di test e controlli di qualità automatizzati
- Guardrail che preservano il controllo architettonico
Governance e Qualità del Software
- Revisione del design per funzionalità AI
- Gestione delle modifiche a modelli e prompt
- Valutazione di regressione come stadio della pipeline
- Ownership, policy e percorsi di approvazione
Sicurezza, Privacy e Governance dei Dati
- Injection di prompt e difesa a più livelli
- Segreti, controllo degli accessi e privilegi minimi
- Residenza dei dati, dati personali e conservazione
- Auditability e controlli human-in-the-loop
Scalabilità, Costi e Osservabilità
- Tracing attraverso le catene di agenti
- Telemetria di token e costi
- Caching e ottimizzazione della latenza
- Livelli di servizio e risposta agli incidenti per servizi AI
Capstone: Architettura per una Soluzione AI-Driven
- Viste di contesto, componenti e deployment
- Design del recupero e dell'orchestrazione degli agenti
- Piano per sicurezza, governance e costi
- Peer review, critica e roadmap di migrazione
Requisiti
- Esperienza nella progettazione e manutenzione di sistemi software in produzione
- Conoscenza operativa delle API REST e dell'integrazione di servizi
- Familiarità con database relazionali e modellazione dei dati
- Esposizione di base a strumenti o API basati su LLM
Pubblico Target
- Architetti software
- Technical lead e ingegneri senior
- Manager ingegneristici responsabili delle decisioni architetturali
Recensioni (1)
Ho acquisito una conoscenza riguardante la libreria Streamlit di Python e sicuramente cercherò di utilizzarla per migliorare le applicazioni del mio team, che sono sviluppate con R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Corso - GitHub Copilot for Developers
Traduzione automatica