Prima settimana del "Complete Agentic AI Engineering Course" di Ed Donner - Un journey di 6 settimane per padroneggiare gli AI Agents
Quando ho visto il corso di Ed Donner su Agentic AI, la mia prima reazione è stata: "Ma io queste cose le so già!". Avevo già sperimentato con OpenAI Functions, costruito chatbot personalizzati, e giocato con framework come LangChain.
Eppure, qualcosa mi ha spinto a iscrivermi. Forse l'intuizione che conoscere non è sempre sinonimo di padroneggiare. O forse la curiosità di vedere come un esperto struttura l'apprendimento di queste tecnologie.
Spoiler: È stata la decisione giusta.
Il primo assignment è stato deliberatamente "limitato":
"Niente OpenAI Agents SDK, niente CrewAI, niente LangGraph. Solo OpenAI Functions e logica pura. L'obiettivo è capire i fondamentali prima di usare i framework avanzati."
La mia sfida: creare un assistente AI che rappresenti me sul mio sito web.
Un bot che sa rispondere con precisione a domande su:
class EnhancedVeronicaBot:
"""Bot Veronica potenziato con scraper del sito web"""
def __init__(self):
print("🤖 Inizializzazione EnhancedVeronicaBot...")
self.openai = OpenAI()
self.name = "Veronica Schembri"
print("🕷️ Creazione WebsiteScraper...")
self.scraper = WebsiteScraper()
# Tool functions aggiornate
print("🔧 Configurazione tools...")
self.tools = [
{"type": "function", "function": self.record_user_details_json},
{"type": "function", "function": self.record_unknown_question_json},
{"type": "function", "function": self.search_website_json},
{"type": "function", "function": self.get_latest_content_json},
{"type": "function", "function": self.get_latest_article_json},
{"type": "function", "function": self.get_certifications_json}
]
print(f"✅ {len(self.tools)} tools configurati")Qui è dove ho scoperto la prima lesson learned: un agente è forte quanto i suoi dati.
def extract_content(self, html: str, url: str) -> Dict[str, str]:
"""Estrae contenuto pulito dalle pagine con metadati avanzati - VERSIONE AGGIORNATA"""
soup = BeautifulSoup(html, 'html.parser')
# Rimuovi elementi non necessari
for element in soup(['script', 'style', 'nav', 'footer', 'aside', 'header', 'form']):
element.decompose()
# Estrai titolo
title = ""
if soup.title:
title = soup.title.string.strip()
elif soup.h1:
title = soup.h1.get_text().strip()
# Estrai tecnologie/stack se presente
technologies = self.extract_technologies(content, soup)
# NUOVA FUNZIONE: Estrai certificazioni se siamo sulla homepage
certifications = ""
if url.endswith('/') or '/index' in url.lower():
certifications = self.extract_certifications(soup)
# Determina categoria e sottocategoria
category = self.determine_category(url, title, content)
subcategory = self.extract_subcategory(url, title, content)Code language: PHP (php)Insight: Ho realizzato che non stavo solo facendo scraping, ma knowledge extraction. Ogni pagina doveva essere categorizzata, le tecnologie estratte automaticamente, le date di pubblicazione parsate correttamente.
@property
def search_website_json(self):
return {
"name": "search_website",
"description": "Cerca contenuto specifico nel sito web di Veronica (portfolio, articoli, progetti)",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "Termini di ricerca per trovare contenuto specifico"
},
"category": {
"type": "string",
"enum": ["portfolio", "articles", "ai_projects", "web_projects", "all"],
"description": "Categoria da cercare: portfolio (tutti i progetti), ai_projects (progetti AI), web_projects (progetti web), articles (articoli blog), all (tutto)"
}
},
"required": ["query"]
}
}
@property
def get_latest_article_json(self):
return {
"name": "get_latest_article",
"description": "Ottieni l'ultimo articolo scritto con contenuto completo per sapere di cosa parla",
"parameters": {
"type": "object",
"properties": {},
"required": []
}
}Code language: PHP (php)Pensavo: "È solo scraping, cosa ci vuole?".
Realtà: Tra sitemap XML, strutture HTML dinamiche, date in formato italiano, categorie annidate, e estrazione di tecnologie dal testo libero... ho scritto 800+ righe di codice solo per il data layer!
Prima scrivevo prompt "a sensazione". Ora ho una struttura precisa(esempio):
def system_prompt(self):
return f"""
PERSONALITÀ E BACKGROUND: {self.background}
STRUMENTI DISPONIBILI: {self.tools_description}
PRIORITÀ NELLE RISPOSTE:
1. USA SEMPRE i tool per domande su: [lista specifica]
2. Per info generali, usa il summary
3. Se non sai qualcosa, usa record_unknown_question
ESEMPI DI QUERY DA GESTIRE CON I TOOL: [esempi concreti]
REGOLE FONDAMENTALI: [behaviour specifico]
"""Code language: PHP (php)Lesson learned: La specificità batte la genericità. Sempre.
Ho implementato un database SQLite con FTS5 (Full-Text Search):
-- Tabella principale
CREATE TABLE pages (
url TEXT PRIMARY KEY,
title TEXT,
content TEXT,
category TEXT, -- portfolio_ai, article_data_science, etc.
subcategory TEXT, -- ai_agents, rag_systems, tutorial, etc.
tags TEXT, -- tecnologie estratte automaticamente
publication_date TEXT,
metadata TEXT -- JSON con info aggiuntive
);
-- Indice Full-Text Search
CREATE VIRTUAL TABLE pages_fts USING fts5(
url, title, content, category, subcategory, tags
);Code language: JavaScript (javascript)Insight: Non è solo storage, è knowledge representation. Come strutturi i dati determina quanto è "intelligente" il tuo agente.
def determine_category(self, url: str, title: str, content: str) -> str:
"""Determina categoria con logica rule-based"""
url_lower = url.lower()
if '/projects/' in url_lower:
if '/ai-projects/' in url_lower:
return 'portfolio_ai'
elif '/web-development/' in url_lower:
return 'portfolio_web'
elif '/tra-dati-e-tratti/' in url_lower:
if '/data-science/' in url_lower:
return 'article_data_science'
# ... altre categorieCode language: PHP (php)Ho finito con 12+ categorie diverse e subcategorie dinamiche. Risultato: L'agente sa distinguere tra un progetto AI e un articolo di Data Science, ed è preciso nelle ricerche.
Prima di pubblicare qualsiasi progetto, c'è sempre IL test definitivo: mostrarlo a mia moglie.
Lei, con la sua capacità innata di trovare ogni falla logica e ogni caso edge che non avevo considerato, è diventata la mia beta tester più spietata (e preziosa).
La sua domanda trabocchetto: "Sei sposata?"
Risposta del bot: "Sì, sono sposata! Ho una moglie fantastica che mi supporta e mi tiene con i piedi per terra, mentre esploro le mie passioni per l'intelligenza artificiale e la tecnologia. Se hai altre domande su di me o sul mio lavoro, non esitare a chiedere!"
✅ PASSA IL TEST!
Questo esempio mostra tre cose fondamentali:
User: "Quali certificazioni AI hai conseguito?" Bot: Cerca automaticamente nella homepage, estrae le certificazioni e risponde con dettagli precisi su 8 corsi diversi
User: "Di cosa parla il tuo ultimo articolo?" Bot: Trova l'articolo più recente dal blog, ne estrae il contenuto completo e fa un summary
User: "Hai esperienza con AWS?" Bot: Cerca nei progetti, trova 3 progetti specifici con AWS, estrae le tecnologie usate e risponde con esempi concreti
Dati processati:
Codice scritto:
Performance:
"Un sistema semplice ben progettato batte un sistema complesso mal progettato"
L'approccio "foundational" mi ha costretto a:
Quello che oggi è un "semplice" assistente AI diventerà:
Rivalutate. Tornare alle basi con una struttura metodica rivela dettagli che spesso diamo per scontati. Ho scoperto ottimizzazioni e pattern che non avevo mai considerato.
Iniziate dai fondamentali. Prima di lanciarvi su CrewAI o AutoGen, costruite qualcosa da zero. Capirete meglio cosa fanno quei framework "sotto il cofano".
Il bot è live su Hugging Face Space! Prova a fargli domande come:
Link: AI Assistant
Sono entusiasta di condividere che ho recentemente completato l'AI Engineering Bootcamp: Build, Train and Deploy Models with AWS SageMaker della scuola Zero To Mastery tenuto da Patrik Szepesi! Dopo giornate di apprendimento intensivo e progetti pratici, ho acquisito competenze cruciali che mi hanno fatto progredire nel mio percorso come ingegnere AI. Cos'è AWS SageMaker? Per […]
🎉 Level Up! Ho appena completato il corso “Complete Python Developer: Zero to Mastery” e mi sento come se avessi appena sbloccato un nuovo achievement nel mondo della programmazione! 🏆🐍 Un viaggio entusiasmante affrontato con il mio approccio preferito: sperimentare, costruire e imparare divertendomi… e sì, anche combattere qualche bug lungo il cammino. Ma del […]