Progetti come sistemi

Case study tecnici su runtime, memoria, protocolli, retrieval, workflow e infrastruttura AI.

# active

emotional-memory

Sistema di memoria di livello research per sistemi LLM, con codifica dello stato affettivo e benchmark riproducibili contro Mem0, LangMem e Letta.

#Python#LLM Memory#Research#PyPI#DOI

Problema

I sistemi di memoria LLM spesso dichiarano persistenza senza evidenze riproducibili su qualità del recall, comportamento della compressione o evoluzione dello stato.

Design del sistema

Un layer di memoria research-grade con codifica dello stato affettivo, artefatti benchmark e superfici di confronto contro framework di memoria esistenti.

Architettura

  • memory store
  • affective encoding
  • benchmark runner
  • claim matrix

Modello runtime

  • ingest
  • encode
  • retrieve
  • evaluate
  • publish artifacts

Strumenti

  • Python
  • PyTorch
  • pydantic
  • pytest
  • Zenodo

Affidabilità

  • reproducible benchmark runs
  • versioned claims
  • test-backed package release
ingestencoderetrieveevaluatepublish artifacts

Vincoli

Il linguaggio pubblico deve restare allineato alle evidenze. Claim scientifici più forti richiedono una validazione esterna più ampia.

Tradeoff

Il rigore di ricerca ha priorità rispetto ad ampia compatibilità framework o superficie funzionale.

Evoluzione

Espandere human evaluation, test su confondenti semantici e benchmark longitudinali di memoria.

# active

orka

Runtime agentico che instrada lavoro da chat e canali HTTP verso workflow LLM prioritizzati, con supporto MCP/A2A.

#Rust#MCP#A2A#RAG#WASM

Problema

Il lavoro AI che arriva da chat e HTTP richiede routing, prioritizzazione, accesso tool e confini runtime invece di automazioni ad hoc.

Design del sistema

Un runtime agentico per workflow LLM prioritizzati con supporto MCP/A2A e adapter di canale.

Architettura

  • channel ingress
  • runtime scheduler
  • tool layer
  • MCP/A2A adapters

Modello runtime

  • receive
  • classify
  • route
  • execute
  • checkpoint

Strumenti

  • Rust
  • tokio
  • WASM
  • MCP
  • A2A

Affidabilità

  • typed runtime boundaries
  • prioritized execution
  • protocol separation
receiveclassifyrouteexecutecheckpoint

Vincoli

Il runtime deve restare orientato ai protocolli ed evitare accoppiamento a una singola interfaccia.

Tradeoff

Un runtime più basso livello offre più controllo ma richiede confini prodotto più netti.

Evoluzione

Rafforzare osservabilità, policy workspace e semantica di esecuzione durevole.

# active

msg2agent

Trasporto sicuro per sistemi agentici, con crittografia end-to-end, identità DID, relay di consegna e adapter di protocollo.

#Go#E2E Encrypted#DID#A2A#MCP

Problema

Gli agenti devono comunicare tra confini organizzativi senza chiavi condivise, fiducia centrale o accesso plaintext del relay.

Design del sistema

Un layer trustless di comunicazione agent-to-agent con identità W3C DID, crittografia end-to-end, supporto MCP connector e interoperabilità A2A.

Architettura

  • DID identity
  • encrypted message envelope
  • relay
  • MCP connector
  • A2A adapter

Modello runtime

  • discover agent
  • encrypt
  • sign
  • relay
  • pull inbox
  • acknowledge

Strumenti

  • Go
  • X25519
  • Ed25519
  • W3C DID
  • OAuth 2.1 + PKCE
  • MCP

Affidabilità

  • store-and-forward delivery
  • offline inbox
  • tenant quotas
  • relay cannot read plaintext
discover agentencryptsignrelaypull inboxacknowledge

Vincoli

Il relay instrada messaggi ma non deve diventare trust anchor per identità o confidenzialità del contenuto.

Tradeoff

La proprietà crittografica aumenta la chiarezza del trust ma aggiunge complessità di connector e key management.

Evoluzione

Ampliare distribuzione connector, billing production e superfici di interoperabilità.

# active

OpenFatture

Sistema di fatturazione italiana che unisce conformità FatturaPA/SDI, pagamenti Lightning e assistenza AI local-first.

#Python#Lightning#Ollama#FatturaPA#CLI

Problema

I workflow di fatturazione italiana combinano compliance, rail di pagamento e assistenza che non si adattano ad automazioni SaaS generiche.

Design del sistema

Un sistema di fatturazione local-first con conformità FatturaPA/SDI, pagamenti Lightning e assistenza AI controllata.

Architettura

  • invoice model
  • SDI export
  • payment rail
  • local AI assistant

Modello runtime

  • draft
  • validate
  • export
  • send
  • reconcile

Strumenti

  • Python
  • Streamlit
  • LND
  • Ollama
  • OpenAI/Anthropic

Affidabilità

  • local-first control
  • compliance validation
  • manual review before external effects
draftvalidateexportsendreconcile

Vincoli

Compliance e correttezza contabile hanno priorità maggiore rispetto all'azione autonoma.

Tradeoff

L'operatività local-first riduce comodità ma migliora il controllo su dati business sensibili.

Evoluzione

Espandere controlli workflow, riconciliazione e assistenza AI auditabile.