Da FileMaker al cloud: come SchallOS integra software aziendale con IA, runtime e aggiornamenti

SchallOS - Piattaforma applicativa intelligente

Nello sviluppo di un’applicazione aziendale, l’attenzione si concentra inizialmente sulle attività visibili: si creano tabelle, si definiscono relazioni, si progettano maschere di inserimento dati e si automatizzano i processi aziendali. Non appena i primi utenti sono in grado di utilizzare la soluzione, gran parte del progetto sembra essere completata. Nell’uso pratico, tuttavia, ha inizio la fase più impegnativa nel lungo periodo. Un’applicazione aziendale deve essere gestita, ampliata e adattata alle nuove esigenze. Le modifiche devono essere documentate, le nuove versioni distribuite e i dati esistenti trasferiti in modo sicuro. A ciò si aggiungono i diversi diritti utente, i backup dei dati, le analisi degli errori e la questione se una soluzione debba essere gestita localmente, su un server proprio o nel cloud.

Molte piattaforme di sviluppo si concentrano principalmente sulla creazione dell’applicazione vera e propria. Per gli aggiornamenti, la documentazione, la distribuzione e la gestione operativa vengono poi aggiunti in un secondo momento strumenti aggiuntivi e procedure personalizzate. Con il passare del tempo si crea un ambiente tecnico composto da numerosi elementi separati tra loro, che possono essere tenuti insieme solo con un notevole dispendio di risorse. SchallOS adotta quindi un approccio più completo. La piattaforma non solo accompagna un’applicazione aziendale nella sua fase di creazione, ma ne copre l’intero ciclo di vita: dallo sviluppo alla documentazione e alla distribuzione, fino agli aggiornamenti e alla gestione a lungo termine.

Leggi tutto

Dall'esportazione dei dati ChatGPT alla propria conoscenza AI: passo dopo passo con Ollama e Qdrant

Il percorso verso la propria memoria AI

Nella prima parte di questa serie di articoli, abbiamo visto che l'esportazione dei dati di ChatGPT è molto più di una semplice funzione tecnica. I dati esportati contengono una raccolta di pensieri, idee, analisi e conversazioni accumulate in un lungo periodo di tempo. Ma finché questi dati vengono memorizzati solo come archivio sul disco rigido, rimangono solo questo: un archivio. Il passo cruciale è rendere queste informazioni nuovamente utilizzabili. È proprio qui che inizia lo sviluppo di un'intelligenza artificiale personale.

L'idea è in realtà sorprendentemente semplice: un'intelligenza artificiale non deve solo lavorare con conoscenze generali, ma anche essere in grado di accedere ai dati dell'utente. Deve cercare nelle conversazioni precedenti, trovare i contenuti adatti e incorporarli nelle nuove risposte. In questo modo, una normale IA si trasforma in una sorta di memoria digitale. Questa è la seconda parte della serie di articoli, che ora si occupa dell'aspetto pratico.

Leggi tutto

RAG con Ollama e Qdrant come motore di ricerca universale per i dati propri

Estendere l'IA locale con i database utilizzando RAG, Ollama e Qdrant

In un mondo di informazioni sempre più confuso, diventa sempre più importante rendere i propri database ricercabili in modo mirato, non attraverso le classiche ricerche full-text, ma attraverso risposte semanticamente rilevanti. È proprio qui che entra in gioco il principio del database RAG, una soluzione di ricerca supportata dall'intelligenza artificiale e composta da due componenti centrali:

Leggi tutto

Ollama incontra Qdrant: una memoria locale per la vostra AI su Mac

Memoria per AI locale con Ollama e Qdrant

IA locale con memoria - senza cloud, senza abbonamento, senza distrazioni

In un articoli precedenti Ho spiegato come configurare l'Ollama sul Mac install. Se avete già completato questo passaggio, ora disponete di un potente modello di lingua locale, come Mistral, LLaMA3 o un altro modello compatibile che può essere indirizzato tramite API REST.

Tuttavia, il modello "sa" solo cosa c'è nel prompt corrente. Non ricorda le conversazioni precedenti. Ciò che manca è la memoria.

Leggi tutto