Ogni progetto, documentato per intero.
Ogni progetto qui ha la sua pagina, con l'architettura, le decisioni che ci sono dietro, i numeri reali e i punti in cui non arriva. Niente screenshot senza spiegazione, e nessuna metrica senza il metodo che l'ha prodotta.
- Progetti
- 5, tutti documentati
- Ambiti
- Agenti · LLM · Sicurezza · XR / Vision
- Codice
- Pubblico dove la licenza lo consente
- Documentazione
- Architettura, risultati, limiti
I progetti
T-Rax — Generazione multi-agente di codice Unity
Una pipeline multi-agente in stile LangGraph — agenti orchestrator, planner ed executor — che pianifica e genera codice C# per scene Unity dall'inizio alla fine.
Il problemaCreare un singolo scenario di training XR costa settimane-uomo di sviluppo, così le organizzazioni che avrebbero più bisogno di esercitazioni finiscono con tre scenari invece che con una libreria.
Leggi il caso studio →SmartReco
Una pipeline di sicurezza DeFi in quattro fasi che unisce l'analisi statica di Slither al replay dinamico delle transazioni basato su REVM. Testata su 17 protocolli principali — tra cui Aave V3, Compound V3, Uniswap V3, Balancer V2 e Lido — con zero vulnerabilità rilevate e oltre il 90% di accuratezza nel replay.
Il problemaGli analizzatori statici consegnano ai team lunghi elenchi di forse — segnalazioni su cui nessuno può agire, e l'assuefazione agli alert che finisce per nascondere quella vera.
Leggi il caso studio →VR Hand Interfaces su Quest 2
Replica della tecnica di interazione "Hand Interfaces" (CHI 2022) su 11 oggetti virtuali, migrata dal vecchio Oculus Integration SDK al Meta XR SDK, con target Meta Quest 2.
Il problemaI contenuti di training XR muoiono quando l'SDK su cui sono stati costruiti viene dismesso, lasciando inutilizzati i visori che una scuola o un ente pubblico ha già pagato.
Leggi il caso studio →Ablation di fine-tuning su modelli piccoli
Fine-tuning di modelli da 1–3B parametri (Phi-3-mini, Qwen2.5-1.5B, Gemma-2B) per studiare gli effetti della qualità del dataset, con LoRA/PEFT e quantizzazione GGUF in circa 12–24 ore GPU.
Il problemaAlle organizzazioni i cui dati non possono uscire dalla sede viene detto che l'unica opzione è un modello di frontiera nel cloud di qualcun altro.
Leggi il caso studio →Gmail Assistant
Un agente n8n orchestrato che redige risposte Gmail contestuali con Claude, negozia e prenota riunioni sulla disponibilità reale del calendario e scrive due volte al giorno un recap della posta ordinato per priorità.
Il problemaLa corrispondenza di routine divora ore di lavoro del personale: smistamento, botta e risposta per fissare gli appuntamenti e nessun quadro affidabile di ciò che resta da evadere.
Leggi il caso studio →Altro in arrivo
Questi sono i progetti finiti e documentati. Altri sono in corso — RAG agentico su insiemi di documenti privati, harness di valutazione del retrieval e alcune cose del lavoro quotidiano che richiederanno un'autorizzazione prima di poter comparire qui. La pagina dello stack elenca l'insieme più ampio di aree in cui lavoro; questa pagina elenca solo ciò che posso mostrare dall'inizio alla fine.