Lavori selezionati.

Costruisco CGCircuit con una squadra di agenti di AI, invece di un solo modello che fa tutto. Ogni agente ha un contesto isolato e un compito circoscritto; un orchestratore governa i requisiti e l'insieme. Lo chiamo harness engineering, e ci ho tenuto un intervento a Blizzard Cinematics.

• Una squadra, non un monolite. Dei supervisori di dominio coordinano gli specialisti — architetto, ricercatore, backend, frontend, sicurezza, revisore — e ognuno vede solo ciò che gli serve per il suo compito.
• Un ciclo disciplinato. Studiare il perimetro, avviare gli agenti giusti, costruire e testare in parallelo, revisionare da più punti di vista, iterare finché i supervisori non concordano, rilasciare, poi monitorare dopo il merge.
• Contesti isolati, in parallelo. Un singolo agente è una CPU a core singolo; l'harness è una macchina multithread — contesti separati, lavoro in parallelo, uno scheduler che governa l'insieme.
• Il vero lavoro è l'harness. Riproducibile, verificabile, manutenibile — l'opposto del «vibe coding» a colpi di prompt, che crolla appena il perimetro si allarga.

Un istruttore AI integrato nei corsi di CGCircuit, così chi impara riceve aiuto nel momento in cui serve, invece di scorrere ore di video per una sola risposta.

• Risposte nel contesto. Chi impara fa domande sul materiale del corso e viene portato al punto esatto che gli risponde.
• Ricerca in tutta la libreria. La ricerca con l'AI su lezioni e trascrizioni trasforma un catalogo di video in qualcosa che puoi interrogare direttamente.
• Sottotitoli localizzati. I sottotitoli automatici in più lingue allargano il pubblico che i corsi possono raggiungere.

CGCircuit è una piattaforma di formazione che ho progettato, costruito e che porto avanti — in ogni suo livello. Storefront, creazione dei corsi e un player video su misura lato frontend; un backend serverless, una pipeline video e tutta la gestione AWS dietro le quinte.

• Frontend. Uno storefront in React, strumenti di creazione per gli autori e un player video su misura.
• Backend serverless. Un'API in Python (Chalice) su DynamoDB con connessioni WebSocket in tempo reale — autenticazione, integrazioni e monitoraggio inclusi.
• Pipeline video. Codifica, transcodifica e ottimizzazione automatiche, così i file caricati grezzi diventano una riproduzione fluida e adattiva.
• Non solo costruita, ma gestita. Scalabilità, costi, analisi e gestione AWS di tutti i giorni — la tengo in piedi molto dopo il lancio.

Un flusso che trasforma un input disordinato — appunti grezzi di riunione — in esecuzione tracciata: attività da svolgere, una settimana pianificata e una visione chiara di ciò che è stato fatto.

• Entrano appunti, escono azioni. Gli appunti di riunione vengono letti in automatico e trasformati in cose da fare concrete e assegnabili.
• Una settimana pianificata. Quelle cose da fare vengono programmate e messe in ordine di priorità in una settimana realistica, invece che in una lista che si allunga.
• Tracciamento dell'esecuzione. L'avanzamento si misura sul piano, così ciò che è slittato si vede invece di finire dimenticato.
• Sugli strumenti che usi già. Gira in silenzio, sullo sfondo, sull'infrastruttura che l'azienda ha già.

Falcor è un agente Chief of Staff personale, costruito su un framework Agent OS riutilizzabile — sette livelli che trasformano un modello di chat in qualcosa che ricorda, agisce e funziona in autonomia.

• Sette livelli. Identità e contesto definiscono chi è e cosa sa; le skill definiscono come lavora; la memoria conserva ciò che conta tra una sessione e l'altra.
• Connesso al mondo reale. Raggiunge email, calendario, documenti e chat attraverso un livello di connessione — e un livello di verifica controlla il suo lavoro, così non sbaglia in silenzio.
• Funziona senza sorveglianza. Un livello di automazione gestisce i lavori pianificati — briefing, check-in, report — senza che glielo si chieda.
• Riutilizzabile fin dalla progettazione. Lo stesso framework può mettere in piedi un nuovo agente per un altro ruolo o un'altra azienda.