Se hai mai ricevuto una richiesta tipo “Alice deve poter modificare il corso 42, ma non il corso 50”, sai già dove finisce la storia. Con dei normali permessi basati sul ruolo dell’utente queste casistiche non possono essere rappresentate: Alice ha il ruolo PowerUser che le consente di operare con quei permessi su tutto l’applicativo, non abbiamo la possibilità di indicare un accesso ad una risorsa specifica.

Gli agenti conversazionali basati su intelligenza artificiale hanno un problema fondamentale: la memoria finita. I modelli linguistici di grandi dimensioni (LLM) operano su finestre di contesto limitate, il che significa che, nelle conversazioni lunghe, le informazioni più vecchie vengono inevitabilmente perse o compresse. Esistono diversi approcci per gestire questo limite, ma la maggior parte di essi si affida agli stessi LLM per riassumere e filtrare i ricordi, introducendo costi elevati, non determinismo e scarsa trasparenza.

Hai presente quello script da 30 righe che “fa solo due cose” e poi, in produzione, decide di improvvisare?

Hai una coverage al 95%, tutti i test verdi, il badge nel README che brilla. Poi un bug banale arriva in produzione, uno sconto calcolato al contrario o un boundary off-by-one, e ti chiedi: ma i test cosa stavano verificando, esattamente?

Conoscete Claude Code? Se la risposta è no, allora questo libro è quello che fa per voi. Se invece lo conoscete già, allora questo libro vi aiuterà a sfruttarlo al meglio, e a scoprire tutte le sue potenzialità.

Custom Instructions, Agents e Skills sono tre meccanismi distinti di GitHub Copilot per personalizzare e specializzare il comportamento dell’AI. Usarli nel modo sbagliato — o peggio, confonderli tra loro — produce risultati mediocri. In questa guida vediamo cosa fa ciascuno, quando usarlo e come combinarli per costruire un workflow AI professionale e coerente.

Costruire dei sistemi distribuiti veramente resilienti può essere una bella sfida. A volte un servizio inizia ad essere lento o a restituire errori. Senza protezioni, chi lo chiama continua a provarci per ogni richiesta in arrivo, causando connessioni che si accumulano, timeout e risorse esaurite. Il servizio a monte stava già male ma ora si sta affossando anche chi lo chiama causando quello che in gergo tecnico si chiama cascading failure.

Nei primi articoli di questa mini-serie abbiamo parlato di provisioning sicuro e onboarding dei dispositivi IoT. Abbiamo visto come identificare un device, come portarlo online in sicurezza, come assegnargli permessi specifici e come costruire una comunicazione affidabile con il cloud e gli altri sistemi coinvolti.

I Prompt Files di GitHub Copilot sono template di prompt salvabili, selezionabili direttamente dalla chat e condivisibili con tutto il team tramite repository. Trasformano i prompt ricorrenti — “Spiega questo codice”, “Genera la documentazione”, “Scrivi i test” — in istruzioni standardizzate e parametrizzabili, garantendo coerenza tra developer con livelli di esperienza diversi e riducendo il rumore delle richieste ad-hoc all’AI.