Fonti

Fonti autorevoli

Le definizioni, i principi e le pratiche di questo pack sono ancorati alle seguenti fonti primarie e ampiamente riconosciute per costruire, valutare e gestire applicazioni LLM. Dove un concetto ha un originatore canonico (per esempio il RAG o il Model Context Protocol), si cita il riferimento originale o mantenuto.

Documentazione dei provider

  • Anthropic - Documentazione Claude (prompt engineering, uso di strumenti, prompt caching). https://docs.anthropic.com/
  • Anthropic - Building Effective Agents (workflow vs agenti). https://www.anthropic.com/research/building-effective-agents
  • OpenAI - Documentazione API (function calling, structured outputs, embeddings). https://platform.openai.com/docs/
  • Google - Documentazione Gemini API. https://ai.google.dev/gemini-api/docs
  • Microsoft - Documentazione Azure OpenAI Service. https://learn.microsoft.com/en-us/azure/ai-services/openai/

Standard e protocolli

  • Model Context Protocol - Specifica e introduzione. https://modelcontextprotocol.io/
  • Model Context Protocol - Organizzazione GitHub. https://github.com/modelcontextprotocol

Retrieval-Augmented Generation

  • Lewis et al. - Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (paper RAG originale). https://arxiv.org/abs/2005.11401
  • LangChain - Documentazione su retrieval e RAG. https://python.langchain.com/docs/concepts/rag/
  • LlamaIndex - Documentazione (ingestione, indicizzazione, recupero). https://docs.llamaindex.ai/

Ricerca vettoriale ed embedding

  • pgvector - ricerca di similarità vettoriale open-source per PostgreSQL. https://github.com/pgvector/pgvector
  • Sentence-Transformers (SBERT) - embedding, bi-encoder e re-ranker cross-encoder. https://www.sbert.net/
  • HNSW - Malkov & Yashunin, Efficient and robust approximate nearest neighbor search using HNSW graphs. https://arxiv.org/abs/1603.09320
  • Reciprocal Rank Fusion - Cormack et al. (metodo RRF originale). https://plg.uwaterloo.ca/~gvcormac/cormacksigir09-rrf.pdf

Valutazione

  • RAGAS - Framework di valutazione per pipeline RAG. https://docs.ragas.io/
  • promptfoo - Strumenti di valutazione e red-teaming per LLM. https://www.promptfoo.dev/docs/intro/
  • DeepEval - Framework di valutazione per LLM. https://docs.confident-ai.com/

Prompting e agenti

  • ReAct - Yao et al., Synergizing Reasoning and Acting in Language Models. https://arxiv.org/abs/2210.03629
  • Chain-of-Thought - Wei et al., Chain-of-Thought Prompting Elicits Reasoning in LLMs. https://arxiv.org/abs/2201.11903
  • DSPy - Programmare, non scrivere prompt, i foundation model. https://dspy.ai/

Sicurezza

  • OWASP Top 10 for Large Language Model Applications. https://owasp.org/www-project-top-10-for-large-language-model-applications/
  • NIST AI Risk Management Framework. https://www.nist.gov/itl/ai-risk-management-framework