Posts
All posts
Agents on Call, Parte 8. Produzione: Observability, Eval e il Giorno in cui Mente
Trace OTEL in CloudWatch, invocation logging Bedrock su S3, un eval harness con un golden set, e il giorno in cui l'agente di triage ha mentito con sicurezza.
Kiro Dopo l'Hype: Cosa Hanno Davvero Cambiato gli IDE AI
Otto mesi dopo il GA di Kiro, la spec è sopravvissuta e l'IDE quasi no. Ciò che è davvero cambiato è dove avviene la revisione, non chi scrive il codice.
Perché il Tuo Pilot AI È Morto nel Procurement
La maggior parte dei pilot AI non fallisce per l'accuratezza. Si blocca nella security review e negli accordi sul trattamento dati mai pianificati.
Tracciamento dei Costi Bedrock per App con gli Inference Profile
Gli application inference profile aggiungono tag di allocazione costi alle chiamate Bedrock, trasformando una bolletta condivisa in voci per team.
Agents on Call, Parte 7. Sizing: La Matematica dei Token che Nessuno Fa in Anticipo
La matematica di sizing che nessuno fa in anticipo: token per incidente, tetti di quota, quando il provisioned throughput va in pari, e il conto mensile reale.
EU AI Act, 2 Agosto: La Scadenza Che Non È Cambiata
Il Digital Omnibus ha rinviato le scadenze per i sistemi ad alto rischio al 2027 e al 2028. La trasparenza dell'Articolo 50 resta fissata al 2 agosto 2026.
SageMaker vs Bedrock: Una Decisione Organizzativa, Non Tecnica
La scelta tra SageMaker e Bedrock dipende da chi possiede i modelli nella tua organizzazione. Scegli in base alla topologia di team reale, non alla slide.
Prompt Injection Tramite i Tuoi Documenti: La Superficie d'Attacco RAG
La tua knowledge base è input non fidato: il retrieval consegna al modello testo scritto da un attaccante, quindi conviene scansionare in fase di ingestione.
M365 Security 101: AI Pilot e Business Impact Reports
Dove l'AI si guadagna il posto nella sicurezza: remediation con approvazione per ogni modifica e report utili al management. Un 101 con Aether365 come esempio.
Agents on Call, Parte 6. Guardrail: La Parte che Tutti Saltano
Prima il threat model, poi i guardrail: Bedrock Guardrails in Terraform, perché IAM fa ancora il lavoro pesante, e i failure mode che nessuno mostra sul palco.
Fidati del modello, audita il binario
Il client di un coding agent è il binario più privilegiato della tua macchina. Il fingerprint nascosto nel prompt di Claude Code mostra perché va auditato.
AWS Monthly (Giu '26): Gli Agenti Ricevono un Loop di Feedback
Giugno 2026 su AWS: al Summit di New York le tracce di produzione migliorano gli agenti, arriva Continuum per la sicurezza, e l'harness AgentCore va in GA.
Agents on Call, Parte 5. La Squadra: Supervisore e Tre Specialisti
Un supervisore delega via rete agli agenti triage, runbook e cost, AgentCore Memory collega i loro risultati, e quando un solo agente resta la scelta migliore.
AWS ha costruito un sandbox per il codice generato dall'AI: Lambda MicroVMs
Le AWS Lambda MicroVMs danno agli agent AI un luogo isolato a livello di VM per eseguire codice generato dai modelli: il runtime mancante in produzione.
Il vero limite del tuo sistema multi-agente sono i token al minuto
Amazon Bedrock espone ora in Service Quotas le quote di token al minuto per modello: per gli agent è il vero soffitto di scalabilità. Pianificalo prima dei 429.
L'Estonia sta dando un'identità agli agenti AI. Quella è la parte facile
L'Estonia intende rilasciare AI ID code agli agenti AI, una prima mondiale. L'identità è la parte facile: autorità, delega e responsabilità sono il vero lavoro.
Le Chaton Fat: il modello AI più ciccione che non sia mai esistito
Non esiste nessun modello AI chiamato Le Chaton Fat: niente pesi, API o benchmark. Una battuta sui gatti di Mistral diventata virale nella community AI.
Agents on Call, Parte 4. Tool e il Gateway: MCP, Allowlist, Sola Lettura di Default
I tool si spostano dietro AgentCore Gateway: Lambda con scoping, ruoli in sola lettura cross-account, e l'unico percorso autorizzato a modificare qualcosa.
Anche gli Agenti di Coding AI Hanno Bisogno di Ambienti di Staging
I team hanno dato agli agenti di coding credenziali di produzione e l'hanno chiamata velocità. Serve la stessa scala di ambienti usata per gli umani.
Agents on Call, Parte 3. Primo Agente: Incident Triage in Strands
Il primo agente va in produzione: triage Strands su AgentCore Runtime, system prompt evidence-first, due tool in sola lettura, il Terraform che lo distribuisce.
Claude Code in CI: Lasciare che un Agente Aggiusti la Build
Far girare un agente di coding nella pipeline è facile. L'ingegneria sta nei guardrail: cosa può toccare, quando si ferma, e chi rivede ciò che propone.
Agents on Call, Parte 2. Le Fondamenta: Terraform Prima dei Token
Prima che un solo token Bedrock scorra: l'account ops-tooling, i due ruoli IAM spoke, l'accesso ai modelli e la scelta dell'inference profile, in Terraform.
La Finestra di Contesto Non È Tua Amica
Una finestra di contesto enorme non sostituisce il retrieval. Il recall peggiora con la lunghezza, il costo cresce a ogni token, il centro viene ignorato.
AWS Monthly (Mag '26): Gli Agenti Ricevono un Portafoglio
Maggio 2026 su AWS: AgentCore Payments fa transare gli agenti, e l'Agent Toolkit for AWS più un server MCP gestito in GA irrobustiscono il toolchain.
Agents on Call, Parte 1. Lo Scenario: Perché un Team Ops Assume degli Agenti
Una SaaS di media grandezza annega nel lavoro ripetitivo on-call e decide di assumere agenti. Parte 1: scenario, scelta dello stack e architettura Bedrock.
Loggare i Prompt Senza Loggare PII
Servono log dei prompt per debuggare un'app LLM, ma non puoi tenerci PII grezze. Redigi prima dello storage con Comprehend, poi imposta una retention.
Quando Haiku Batte Opus: Model Right-Sizing su Bedrock
Puntare su Opus per ogni chiamata gonfia la bolletta LLM. Instrada per classe di task: Haiku per la maggioranza meccanica, Opus come escalation.
Agentic RAG È per lo Più Latenza Che Non Ti Serve
Agentic RAG passa in loop tra hop di retrieval, ognuno un round trip al modello. Per la maggior parte delle domande basta una query, usa il loop se conviene.
Evals Prima Degli Agenti: Non Puoi Rilasciare Ciò Che Non Puoi Misurare
Senza un eval harness, ogni modifica a un agente è un vibe check. Costruisci il tabellone prima dell'agente, e tratta l'LLM-as-judge come fallibile.
Semantic Caching: Due Domande Diverse, Una Risposta
La semantic cache dà una risposta salvata a due domande diverse. Riduce costi e latenza, ma un falso hit restituisce una risposta sbagliata con sicurezza.
Step Functions È l'Orchestratore di Agenti Più Sottovalutato
Molti workflow ad agenti non servono un modello per decidere il flusso. Step Functions dà orchestrazione deterministica, retry e stati human-in-the-loop.
Gateway LLM: Perché Ogni Platform Team Ne Costruisce Uno, Prima o Poi
Un secondo team che chiama un modello significa fan-out non governato. Un gateway LLM centralizza auth, quota, routing e audit. Build vs LiteLLM vs API Gateway.
AWS Mensile (Apr '26): OpenAI arriva su Bedrock
Aprile 2026 su AWS: i modelli OpenAI, Codex e Managed Agents arrivano su Bedrock, e AgentCore aggiunge un harness gestito e una CLI verso un agente.
Inferenza cross-region: resilienza a basso costo o trappola di residenza?
L'inferenza cross-region di Bedrock livella throughput e throttling, ma un profilo globale può instradare il prompt fuori dalla sua geografia.
La tua bolletta LLM è un problema di osservabilità
Una bolletta Bedrock sorprendente non è un problema di prezzo, è di visibilità. Se non attribuisci i token a feature, tenant o agente, non puoi gestirla.
Batch Inference su Bedrock: metà prezzo se puoi aspettare
La batch inference di Amazon Bedrock costa il 50% del prezzo on-demand. L'unico costo è la latenza. Per ogni job dove nessuno aspetta, è denaro gratis.
App LLM multi-tenant: isolare i clienti su un modello condiviso
Un modello Bedrock condiviso, molti clienti. Il modello è stateless: l'isolamento tocca a te, delimita il retrieval, la quota e l'identità per tenant.
La memoria degli agenti è un problema di database, non di prompt
Incollare la cronologia di un agente nel prompt non è memoria: è una bolletta crescente e un tetto di token. La memoria vera è un database con retrieval.
L'output strutturato batte il parsing ingegnoso
Estrai ancora JSON dal testo del modello con una regex? Smetti. Gli structured output di Bedrock impongono uno JSON Schema in decodifica: risposta valida.
Prompt Caching su Bedrock: lo sconto del 90% che quasi tutti ignorano
Il prompt caching di Bedrock legge un prefisso ripetuto con uno sconto del 90%, ma scrivere in cache costa più di una chiamata normale: decide il breakpoint.
AWS Mensile (Mar '26): La Governance Arriva per gli Agenti
Marzo 2026 su AWS: AgentCore Policy ed Evaluations raggiungono la GA, Elemental Inference viene lanciato, e la governance degli agenti arriva in produzione.
Le Risposte in Streaming Sono una Decisione UX, Non di Performance
Lo streaming delle risposte è una scelta UX sul time to first token, non una correzione di velocità. A volte peggiora output strutturati e uso dei tool.
Bedrock Agents vs Costruire il Proprio Loop
Amazon Bedrock Agents gestisce orchestrazione, memoria e chiamate ai tool per te. Quando il framework gestito risparmia lavoro vero e quando ti possiede.
IAM per App LLM: Least Privilege Quando il Chiamante È un Modello
Quando il chiamante è un modello, il least privilege si applica ancora. Dai a ogni tool dell'agente un ruolo IAM ristretto, non credenziali admin ampie.
Qualcuno ha Registrato antrophic.com e lo Punta Direttamente a OpenAI
Ecco il dominio vero: anthropic.com, l'azienda di AI safety dietro Claude, fondata da ex ricercatori OpenAI, che rende i sistemi AI sicuri e interpretabili.
Smetti di Fare Fine-Tuning. Ti Servono RAG, una Cache e Prompt Migliori
Fine-tuning più provisioned throughput è la risposta costosa ai problemi con gli LLM. Il percorso economico è retrieval, prompt caching e prompt migliori.
Il Chunking della Knowledge Base È Dove Muore la Qualità del Tuo RAG
La maggior parte delle risposte RAG sbagliate è un problema di retrieval, non del modello. Il chunking nelle Knowledge Bases decide la qualità del retrieval.
Bedrock Guardrails Non Ti Salva Dal Prompt Injection
Amazon Bedrock Guardrails filtra i contenuti, non autorizza azioni: la difesa reale dal prompt injection è isolamento input, allowlist tool e scoping IAM.
Tagliare i Costi di Amazon Bedrock Knowledge Base del ~90%: Migrare da OpenSearch Serverless ad Aurora Serverless v2 con pgvector
Un vector store OpenSearch Serverless costa 700 dollari/mese prima di un documento. Aurora Serverless v2 con pgvector abbassa il minimo sotto i 50 dollari.
AWS Monthly (Dic '25): Inizia l'Era Kiro
Abbiamo chiuso l'anno con la disponibilità generale di Kiro (Frontier Agents). Kiro non è solo un chatbot; è un Virtual Software Development...
AWS re:Invent 2025: L'Era "Agentic"
re:Invent 2025 letto con una lente agentica: Nova 2 si è divisa in ruoli specializzati, e AWS ha smesso di distribuire chat per iniziare a distribuire lavoro.
AWS Monthly (Ott '25): Industrializzare l'Addestramento AI
Ottobre 2025 su AWS: il Project Rainier ha messo oltre 500.000 chip Trainium2 in un solo cluster, e il prezzo-prestazioni di Trainium2 batte le GPU comparabili.
AWS Monthly (Giu '25): S3 Diventa il Tuo Vector DB
Negli ultimi due anni ci hanno detto che serviva un database vettoriale specializzato (Pinecone, Milvus, ecc.) per la Retrieval-Augmented Gene...
AWS Monthly (Feb '25): Evoluzione Automatica del Codice
Febbraio 2025 su AWS: Q Developer è passato dal completamento del codice al refactoring autonomo, mappando dipendenze e migrando Java legacy da solo.