Spiegazione della temperatura LLM e della top-p: come i modelli di intelligenza artificiale scelgono la parola successiva

  1. Home
  2. Blog
  3. Intelligenza artificiale

Intelligenza artificiale

Spiegazione della temperatura LLM e della top-p: Come i modelli di intelligenza artificiale scelgono la parola successiva

Temperatura e top-p sono le due impostazioni che decidono quanto siano prevedibili o varie le risposte di un modello di intelligenza artificiale. Abbiamo simulato i calcoli dietro ad essi con un esempio giocattolo in modo che tu possa vedere esattamente l’effetto di ciascuna impostazione sulle scelte del modello.

10 min di lettura
Spiegazione della temperatura LLM e della top-p: come i modelli di intelligenza artificiale scelgono la parola successiva

Punti chiave

  • Un modello produce una probabilità per ogni possibile token successivo, quindi ne campiona uno.
  • La Temperatura rimodella queste probabilità: valori bassi le acuiscono, valori alti le appiattiscono.
  • Top-p mantiene solo i token più probabili che insieme raggiungono una soglia di probabilità.
  • Utilizza la temperatura bassa per l’estrazione e il codice, la temperatura moderata per la chat e modifica un’impostazione alla volta.

Chiedi a un modello di intelligenza artificiale la stessa domanda due volte e potresti ottenere due risposte diverse. Chiedigli di estrarre una data da una fattura e vorrai ogni volta la stessa risposta. Chiedi dieci idee per slogan e vuoi varietà. Le impostazioni che controllano questo compromesso sono temperatura e top-p e sono tra le opzioni più fraintese in qualsiasi API AI.

Non abbiamo potuto verificare le probabilità interne di un modello commerciale, quindi abbiamo creato una piccola simulazione Python dei calcoli matematici di campionamento standard, utilizzando punteggi inventati per quattro parole candidate. Tutti i numeri seguenti provengono da quella simulazione. I modelli reali scelgono tra decine di migliaia di token e i fornitori possono implementare i dettagli in modo diverso, ma in linea di principio il comportamento è lo stesso.

Come un modello sceglie la parola successiva

Ad ogni passaggio, un modello linguistico di grandi dimensioni produce un punteggio, chiamato logit, per ogni token nel suo vocabolario. Una funzione chiamata softmax trasforma questi punteggi in probabilità la cui somma dà 1. Il modello quindi campiona un token in base a tali probabilità, lo aggiunge al testo e lo ripete. La temperatura e il top-p modificano le probabilità prima di quella fase di campionamento.

Il nostro esempio di giocattolo

Immagina il suggerimento “La capitale della Francia è”. Abbiamo assegnato ai quattro candidati le seguenti parole:

logits = {"Paris": 5.0, "Lyon": 3.0, "London": 2.5, "banana": 0.0}

Parigi è chiaramente favorita, Lione e Londra sono errori apparentemente plausibili e la banana è una sciocchezza. Un modello reale assegnerebbe una certa probabilità anche a migliaia di altri token.

Temperatura: affilatura o appiattimento

La temperatura divide ogni punteggio prima dell’applicazione del softmax. La divisione per un numero piccolo esagera il divario tra i punteggi; la divisione per un numero elevato li riduce. Ecco le probabilità prodotte dalla nostra simulazione:

Temperatura Parigi Lione Londra banana
0.2 1.000 0.000 0.000 0.000
0.7 0.921 0.053 0.026 0.001
1.0 0.817 0.111 0.067 0.006
1.5 0.672 0.177 0.127 0.024
2.0 0.576 0.212 0.165 0.047

A 1.0, la distribuzione propria del modello viene utilizzata invariata. A 0,2, Parigi ottiene sostanzialmente tutta la probabilità. A 2,0, Parigi scende al 58%, e anche la banana sale quasi al 5%. La temperatura non aggiunge conoscenza o creatività in alcun senso profondo. Cambia solo la volontà del modello di scegliere opzioni meno probabili, il che può significare una formulazione più fresca o semplicemente più errori.

Come si presenta il campionamento

Le probabilità sono astratte, quindi abbiamo prelevato 1.000 campioni a tre temperature, utilizzando un seme casuale fisso:

T=0.2  {'Paris': 1000, 'Lyon': 0,   'London': 0,   'banana': 0}
T=1.0  {'Paris': 810,  'Lyon': 117, 'London': 70,  'banana': 3}
T=2.0  {'Paris': 607,  'Lyon': 202, 'London': 146, 'banana': 45}

Alla temperatura 2,0, circa 4 risposte su 10 hanno chiamato la città sbagliata e 45 su 1.000 hanno detto “banana”. Ora ricorda che una risposta reale è lunga centinaia di token. Ad ogni passo si aggiunge una piccola possibilità di una scelta strana, e un segno sbagliato all’inizio di una frase può mandare il resto della risposta nella direzione sbagliata. Questo è uno dei motivi per cui le alte temperature rendono più probabili le allucinazioni.

Temperatura 0 e determinismo

Alla temperatura 0, i calcoli si dividerebbero per zero, quindi le API lo trattano come “scegli sempre il token più probabile”, chiamato decodifica greedy. Ciò rende l’output molto più ripetibile, ma in pratica non perfettamente identico ogni volta. I modelli ospitati possono variare leggermente a causa del modo in cui i calcoli vengono raggruppati e parallelizzati sull’hardware del provider e i modelli vengono aggiornati nel tempo. Alcune API offrono un parametro seed per una migliore ripetibilità. Trattare la temperatura 0 come “altamente coerente”, non come una garanzia.

Suggerimento: La decodifica avida non è sempre la soluzione migliore, anche per compiti concreti. Può rimanere bloccato ripetendo frasi in output lunghi. Per i testi di lunga durata, una temperatura bassa ma diversa da zero, come da 0,2 a 0,4, spesso si legge in modo più naturale rimanendo concentrati.

Top-p (campionamento del nucleo)

Top-p adotta un approccio diverso. Ordina i token dal più probabile al meno probabile, mantiene il gruppo più piccolo le cui probabilità ammontano almeno a p, scarta il resto e si rinormalizza. Applicato alle nostre probabilità di temperatura-1.0:

top_p=0.5   {'Paris': 1.0}
top_p=0.9   {'Paris': 0.881, 'Lyon': 0.119}
top_p=0.99  {'Paris': 0.821, 'Lyon': 0.111, 'London': 0.067}

A 0,5, Parigi da sola copriva già più della metà della probabilità, quindi era l’unica opzione. A 0,9 si è unito il Lione. Anche a 0,99 la banana è stata tagliata. Questa è la forza di top-p: rimuove la lunga coda di gettoni improbabili che causano sciocchezze, adattandosi alla situazione. Quando il modello è fiducioso, pochi token sopravvivono; quando molte continuazioni sono ragionevoli, ne sopravvivono di più.

Top-k e min-p

  • Top-k mantiene un numero fisso dei token più probabili, ad esempio 40, indipendentemente dalla loro probabilità. È semplice ma non si adatta: 40 possono essere troppi quando il modello è sicuro e troppo pochi quando non lo è.
  • Min-p mantiene i token la cui probabilità è almeno una frazione della probabilità del token in alto. È popolare negli strumenti di modello open source e si dice che funzioni bene a temperature più elevate, sebbene la ricerca sia più recente.

Non tutte le API espongono tutte le opzioni. Controlla nella documentazione del tuo provider quali parametri sono disponibili e quali sono i loro valori predefiniti.

Utilizzo della temperatura e della temperatura superiore insieme

Entrambe le impostazioni modellano la stessa distribuzione, quindi modificarle entrambe contemporaneamente rende difficile prevedere il comportamento. Diversi fornitori consigliano di modificarne uno e di lasciare l’altro con le impostazioni predefinite. Un approccio ragionevole è quello di regolare prima la temperatura, poiché è più facile ragionare, e raggiungere il top-p solo se è necessario eliminare rare stranezze a una temperatura più alta.

Impostazioni suggerite per attività

Compito Temperatura Perché
Estrazione dati, classificazione da 0 a 0,2 Una risposta corretta; la coerenza conta
Generazione del codice da 0 a 0,3 Piccole deviazioni interrompono il codice
Risposte alle domande con le fonti da 0,1 a 0,4 Rimani vicino al testo fornito
Chat generale, riepiloghi 0,5-0,8 Tono naturale con attenzione ragionevole
Brainstorming, scrittura creativa 0,8-1,2 La varietà è l’obiettivo

Si tratta di punti di partenza tratti dalla pratica comune, non da regole. Le famiglie di modelli differiscono, le impostazioni predefinite differiscono in base al provider e alcuni modelli di ragionamento più recenti risolvono o ignorano completamente queste impostazioni. Prova con le tue istruzioni. Istruzioni chiare, illustrate nella nostra guida alla progettazione rapida, di solito contano più della messa a punto di questi numeri.

Miti comuni

  • “Una temperatura più elevata rende il modello più intelligente o più creativo.” Rende solo più probabili i token meno probabili. A volte questa è una varietà gradita; spesso è solo rumore.
  • “Temperatura 0 significa che la risposta è corretta.” Significa la risposta più probabile. Se il modello è sicuramente sbagliato, la temperatura 0 lo rende costantemente sbagliato.
  • “Lunghezza dei controlli della temperatura.” La lunghezza è controllata dal prompt e dall’impostazione massima dei token, non dalla temperatura.
  • “Un valore basso è sempre più sicuro.” Impostazioni molto basse possono causare testo ripetitivo o distorto negli output lunghi.

Testare le funzionalità dell’intelligenza artificiale

Il campionamento rende le funzionalità dell’intelligenza artificiale non deterministiche, il che cambia il modo in cui le testi:

  • Esegui ogni caso di test più volte e misura la percentuale di superamento, anziché fare affidamento su un’unica esecuzione.
  • Verifica proprietà, stringhe non esatte: JSON valido, campi obbligatori presenti, numeri corrispondenti all’origine, nessun contenuto vietato. Questa è la stessa idea del test basato sulle proprietà.
  • Fissa la temperatura nei test in modo che corrisponda alla produzione e registrala con i risultati.
  • Riesegui il set di valutazione ogni volta che modifichi il modello, il prompt o le impostazioni di campionamento.

Impostandolo in una chiamata API

La maggior parte delle API di chat accetta queste impostazioni come campi nel corpo della richiesta. Una tipica richiesta per un’attività di estrazione è simile alla seguente (un’illustrazione, non eseguita per questo articolo, e i nomi dei campi variano in base al provider):

{
  "model": "your-model-name",
  "temperature": 0.1,
  "max_tokens": 300,
  "messages": [
    {"role": "user", "content": "Extract the invoice date and total as JSON: ..."}
  ]
}

Mantieni questi valori nella configurazione, non sparsi nel codice, e registrali con ogni richiesta insieme al nome del modello. Quando una risposta sembra strana settimane dopo, conoscere le esatte impostazioni che l’hanno prodotta evita molte ipotesi. Se servi diverse funzionalità da un modello, assegna a ciascuna funzionalità le proprie impostazioni: il riepilogo e l’assistente al codice raramente desiderano la stessa temperatura.

Considerazioni finali

La temperatura e la top-p non cambiano ciò che sa un modello; cambiano quanto sia avventuroso quando si sceglie ogni gettone successivo. La nostra simulazione giocattolo ha mostrato che la temperatura di Parigi è scesa da un certo al 58% e che il top ha tagliato la coda senza senso. Inizia dal basso per le attività con una risposta giusta, aumenta la temperatura solo quando vuoi varietà, regola un’impostazione alla volta e prova con corse ripetute.

Domande frequenti

Cosa fa la temperatura in un LLM?

Riscala le probabilità del modello prima del campionamento. La bassa temperatura fa prevalere il token più probabile; l’alta temperatura diffonde la probabilità su token meno probabili, aumentando la varietà e il rischio.

Cos’è il campionamento top-p?

Top-p mantiene l’insieme più piccolo di token più probabili la cui probabilità combinata raggiunge p, ad esempio 0,9, e campiona solo da essi. Rimuove la coda improbabile.

La temperatura 0 dà sempre la stessa risposta?

Di solito risposte molto simili, ma non garantite. I modelli ospitati possono variare leggermente a causa della modalità di esecuzione e vengono aggiornati nel tempo.

Dovrei cambiare temperatura e top-p insieme?

Generalmente no. Entrambi rimodellano la stessa distribuzione, quindi molti fornitori consigliano di modificarne uno e di lasciare l’altro con le impostazioni predefinite.

Quale temperatura dovrei usare per il codice?

Un valore basso, in genere compreso tra 0 e 0,3, poiché piccole deviazioni casuali possono interrompere il codice. Testare sempre il codice generato indipendentemente dall’impostazione.

Continua a imparare

Lavora con Stack Quora

Hai bisogno di aiuto con test, WordPress o SEO?

Aiutiamo i team a fornire software migliore e a far crescere i loro siti. Raccontaci a cosa stai lavorando e ti suggeriremo chiaramente il prossimo passo.

Continua a leggere

Altre guide su test, intelligenza artificiale e sviluppo moderno

Ti è piaciuto questo articolo? Scegli un argomento e passa direttamente ai nostri tutorial più recenti.

Intelligenza artificiale

Spiegazione delle strategie di RAG Chunking: fissa, sovrapposta, frase, ricorsiva e intestazioni, misurata

Strategie di suddivisione in blocchi RAG confrontate su un documento con tiktoken 0.14: dimensione fissa, sovrapposizione, compressione delle frasi,…

Leggi l'articolo →
Sviluppo software

Spiegazione dell'idempotenza API: chiavi di idempotenza e tentativi sicuri, testati

L'idempotenza dell'API spiegata con un server e un client Python che abbiamo eseguito: una risposta persa ha causato un doppio addebito senza chiave…

Leggi l'articolo →
DevOps

Spiegazione di Git Stash: salva, applica, pop e file non tracciati, testato

Git stash spiegato con i comandi che abbiamo eseguito su Git 2.56: push con un messaggio, file non tracciati, elenca e mostra, applica vs pop, mante…

Leggi l'articolo →
Test del software

Spiegazione del test a coppie: come tutte le coppie riducono 216 test a 13, testati

Test a coppie spiegati con un generatore che abbiamo eseguito in Python 3.13: un checkout con 216 combinazioni coperte da 13 test, copertura verific…

Leggi l'articolo →
Automazione dei test

Spiegazione dei doppi di test: fittizio, stub, spia, finto e falso, con codice Python testato

I test raddoppiano spiegati con un esempio Python eseguito in pytest 9.2: dummy, stub, spy, mock e fake, quando usarli ciascuno, controlli di stato …

Leggi l'articolo →
Database e SQL

Spiegazione di SQL COALESCE: impostazioni predefinite, NULLIF, IFNULL rispetto a ISNULL e trap, testate

SQL COALESCE spiegato con le query eseguite in SQLite 3.50: primi valori non nulli, stringhe vuote, NULL in matematica, NULLIF per divisione per zer…

Leggi l'articolo →
Database e SQL

Spiegazione del self join SQL: dipendente-responsabile, confronti di coppie e righe, testato

Self join SQL spiegato con le query eseguite in SQLite 3.50: dipendente e manager, guadagno più del manager, coppie univoche, modifiche giornaliere,…

Leggi l'articolo →
Sviluppo software

Spiegazione dell'operatore Spread JavaScript: Spread vs Rest, copie e trucchi, testato

L'operatore di diffusione JavaScript spiegato con il codice che abbiamo eseguito sul Nodo 24: array, oggetti, copie superficiali, parametri di ripos…

Leggi l'articolo →
Sviluppo software

Spiegazione del modulo Collezioni Python: Counter, defaultdict, deque e altro, testato

Raccolte Python spiegate con il codice che abbiamo eseguito su Python 3.13: Counter, defaultdict, deque, nametuple, OrderedDict e ChainMap, oltre a …

Leggi l'articolo →
Intelligenza artificiale

Spiegazione della finestra di contesto LLM: token, limiti e come adattarne di più, misurati

La finestra di contesto LLM spiegata con il conteggio dei token che abbiamo misurato utilizzando tiktoken: parole vs token per prosa, codice e hindi…

Leggi l'articolo →
Sviluppo software

Spiegazione dei webhook: come funzionano e come riceverli in modo sicuro

Webhook spiegati con un ricevitore e un mittente che abbiamo eseguito in Python: push vs polling, firme HMAC-SHA256, rifiuto di richieste manomesse …

Leggi l'articolo →
DevOps

Spiegazione di Git Cherry-Pick: copia il commit di cui hai bisogno, in modo sicuro e testato

Git cherry-pick spiegato con i comandi che abbiamo eseguito in Git 2.56: copia di un hotfix in un ramo di rilascio, nuovi hash e ID patch, -x, -n, i…

Leggi l'articolo →
Automazione dei test

Spiegazione del test istantaneo: come funziona, quando aiuta e quando fa male

Il test delle istantanee è stato spiegato con una demo pytest e sciropposa che abbiamo eseguito: creazione di istantanee, lettura delle differenze d…

Leggi l'articolo →
Test del software

Spiegazione dei test di mutazione: perché la copertura del 100% continua a non individuare il nostro bug

I test di mutazione spiegati con un piccolo strumento di mutazione che abbiamo creato ed eseguito: 14 mutanti, una suite di test con copertura di li…

Leggi l'articolo →
Intelligenza artificiale

Spiegazione della Prompt Injection: come le app AI vengono ingannate e come difenderle

Iniezione rapida spiegata per gli sviluppatori: attacchi diretti e indiretti, perché i filtri delle parole chiave falliscono (il nostro test ne ha b…

Leggi l'articolo →
DevOps

Spiegazione dei record DNS: A, AAAA, CNAME, MX, TXT e TTL con ricerche reali

Record DNS spiegati con le ricerche eseguite: come funziona la risoluzione, A e AAAA, regole CNAME, MX e null MX, TXT per SPF e verifica, NS, TTL e …

Leggi l'articolo →
DevOps

Spiegazione delle segnalazioni di funzionalità: rilasci sicuri, implementazioni graduali e igiene delle segnalazioni

Flag di funzionalità spiegati con una simulazione di implementazione che abbiamo eseguito: tipi di flag, implementazioni percentuali con hashing sta…

Leggi l'articolo →
Automazione dei test

Testare la generazione di dati con Python Faker: dati realistici, ripetibili e sicuri

Testa la generazione di dati con Python Faker, esegui e misura: seeding per dati ripetibili, impostazioni locali, valori univoci, record a forma di …

Leggi l'articolo →
Test del software

Spiegazione del test Shift-Left: trova i bug prima senza rallentare il team

Spiegazione del test con spostamento a sinistra: cosa significa, perché i primi difetti sono più economici, pratiche dalle revisioni dei requisiti a…

Leggi l'articolo →
Database e SQL

Spiegazione delle funzioni della stringa SQL: TRIM, SUBSTR, REPLACE, CONCAT e pulizia dei dati

Funzioni di stringa SQL spiegate con le query che abbiamo eseguito: concatenazione e NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, riempimento…

Leggi l'articolo →
Database e SQL

Spiegazione dei trigger SQL: trigger PRIMA e DOPO, registri di controllo e insidie

Trigger SQL spiegati con i trigger che abbiamo eseguito: PRIMA vs DOPO, VECCHIO e NUOVO, registri di controllo, convalida, aggiornamenti delle scort…

Leggi l'articolo →
Sviluppo software

Spiegazione del modulo JSON Python: dump, caricamenti, tipi personalizzati ed errori comuni

Il modulo Python JSON spiegato con il codice che abbiamo eseguito: dump e caricamenti, file, conversioni di tipo, date e decimali, codificatori pers…

Leggi l'articolo →
Sviluppo software

Moduli ES vs CommonJS: come funzionano le importazioni JavaScript in Node.js, testato

Moduli ES e CommonJS spiegati con il codice eseguito in Node.js: sintassi di importazione ed esportazione, require, collegamenti attivi, memorizzazi…

Leggi l'articolo →
Sviluppo software

Spiegazione di Python Regex: modelli, gruppi, prospettive e insidie, testati

L'espressione regolare di Python è stata spiegata con i modelli che abbiamo eseguito: ricerca vs corrispondenza, trovatutto, gruppi e gruppi denomin…

Leggi l'articolo →
Intelligenza artificiale

Spiegazione dell'output strutturato LLM: ottenere JSON affidabile dai modelli AI

Output strutturato LLM spiegato con la convalida eseguita in Pydantic: modalità e schemi JSON, decodifica vincolata, modi in cui l'output del modell…

Leggi l'articolo →
DevOps

Spiegazione delle chiavi SSH: come funzionano, ssh-keygen, Ed25519 e abitudini sicure

Chiavi SSH spiegate con le chiavi che abbiamo generato: chiavi pubbliche e private, ssh-keygen, Ed25519 e RSA, impronte digitali, passphrase, ssh-ag…

Leggi l'articolo →
DevOps

Spiegazione della memorizzazione nella cache HTTP: controllo della cache, ETag e risposte 304, con un test in tempo reale

Caching HTTP spiegato con un piccolo server che abbiamo eseguito: direttive Cache-Control, max-age, no-cache vs no-store, riconvalida ETag e rispost…

Leggi l'articolo →
Automazione dei test

Spiegazione del test del contratto API: rileva le modifiche importanti prima della spedizione

I test dei contratti API sono stati spiegati con un controllo dello schema che abbiamo eseguito: cos'è un contratto, contratti orientati al consumat…

Leggi l'articolo →
Test del software

Spiegazione dei test basati sul rischio: valuta i rischi, costruisci una matrice e testa ciò che conta

Test basati sul rischio spiegati passo dopo passo: identificazione dei rischi, valutazione della probabilità e dell'impatto, creazione di una matric…

Leggi l'articolo →
Database e SQL

Spiegazione dei vincoli SQL: NOT NULL, UNIQUE, CHECK e FOREIGN KEY, testati

Vincoli SQL spiegati con i test che abbiamo eseguito: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY e FOREIGN KEY, le scappatoie NULL, l'impostazione de…

Leggi l'articolo →
Database e SQL

Spiegazione delle funzioni di data SQL: aggiunta, confronto e raggruppamento di date senza bug

Funzioni di data SQL spiegate con le query che abbiamo eseguito: aggiunta di intervalli, sorprese di fine mese, differenze di data, trappola BETWEEN…

Leggi l'articolo →
Sviluppo software

Python asyncio spiegato: asincrono, attendi, raccogli e TaskGroup con tempi reali

L'asincronismo di Python è stato spiegato con il codice che abbiamo cronometrato: coroutine, attendibilità, raccolta, TaskGroup, gestione degli erro…

Leggi l'articolo →
Sviluppo software

Debounce vs Throttle in JavaScript: come funzionano, quando usarli, testati

Debounce e accelerazione in JavaScript spiegati con i tempi misurati in Node.js: come funziona ciascuno, implementazioni semplici, chiamate iniziali…

Leggi l'articolo →
Sviluppo software

Spiegazione dei gestori di contesto Python: with Statement, contextlib e usi reali

I gestori di contesto Python spiegati con il codice che abbiamo eseguito: come funziona, __enter__ e __exit__, contextlib.contextmanager, soppressio…

Leggi l'articolo →
Intelligenza artificiale

Spiegazione della temperatura LLM e della top-p: come i modelli di intelligenza artificiale scelgono la parola successiva

La temperatura LLM e la top-p sono spiegate con una simulazione che abbiamo eseguito: come vengono rimodellate le probabilità, cosa mantiene la top-…

Leggi l'articolo →
DevOps

Spiegazione di YAML: sintassi, problema della Norvegia e altre trappole che abbiamo testato

YAML spiegato con un parser test: sintassi di base, elenchi e mappe, il problema della Norvegia, versioni trasformate in float, codici postali ottal…

Leggi l'articolo →
DevOps

Spiegazione di Cron Jobs: sintassi, programmi reali e errori che li interrompono

Lavori Cron spiegati con pianificazioni da noi verificate: i cinque campi, operatori, esempi reali, la trappola del giorno del mese O del giorno del…

Leggi l'articolo →
Intelligenza artificiale

Spiegazione delle allucinazioni dell'intelligenza artificiale: perché i modelli linguistici inventano le cose e come ridurle

Spiegazione delle allucinazioni dell'intelligenza artificiale: cosa sono, perché i modelli linguistici le producono, tipi comuni, come ridurle con b…

Leggi l'articolo →
DevOps

Spiegazione delle variabili d'ambiente: file .env, segreti e configurazione eseguiti correttamente

Variabili d'ambiente spiegate con esempi Python che abbiamo eseguito: lettura e impostazione, perché ogni valore è una stringa, file .env, ereditari…

Leggi l'articolo →
Sviluppo software

Spiegazione della limitazione della velocità API: algoritmi, intestazioni e gestione degli errori 429

La limitazione della velocità dell'API spiegata con una simulazione che abbiamo eseguito: bucket di token, finestra fissa, finestra scorrevole, risp…

Leggi l'articolo →
Automazione dei test

Derisione in Python: unittest.mock, patch e gli errori che fanno mentire i test

Mocking in Python con unittest.mock, testato: Mock e return_value, side_effect, patch dove viene utilizzato un nome, specifiche e autospec, date moc…

Leggi l'articolo →
Test del software

Spiegazione della copertura del codice: copertura di linea o di filiale e cosa significa realmente il 100%.

Copertura del codice spiegata con una vera esecuzione di cover.py: copertura di linea, ramo e condizione, lettura di un rapporto, perché la copertur…

Leggi l'articolo →
Database e SQL

DELETE vs TRUNCATE vs DROP in SQL: differenze, rollback e quando utilizzarli

DELETE vs TRUNCATE vs DROP spiegato con SQL testato: cosa rimuove, rollback, trigger, reimpostazione dell'identità, velocità e come differiscono Pos…

Leggi l'articolo →
Database e SQL

Spiegazione delle visualizzazioni SQL: crea, utilizza ed evita le insidie, con esempi

Viste SQL spiegate con le query che abbiamo eseguito: creazione di una vista, risultati in tempo reale, nascondere colonne, prestazioni, viste aggio…

Leggi l'articolo →
Sviluppo software

Interfaccia TypeScript e tipo: differenze reali, testate con il compilatore

Interfaccia TypeScript vs tipo, verificata con il vero compilatore: cosa possono fare entrambi, cosa può fare solo uno, fusione delle dichiarazioni,…

Leggi l'articolo →
Sviluppo software

Spiegazione di Python *args e **kwargs: funzioni flessibili con esempi chiari

Python *args e **kwargs spiegati con il codice che abbiamo eseguito: compressione e decompressione, ordine dei parametri, argomenti solo per parole …

Leggi l'articolo →
Sviluppo software

Funzioni Lambda Python: sintassi, usi reali e quando non usarli

Funzioni lambda Python spiegate con il codice che abbiamo eseguito: sintassi, ordinamento con chiave, mappa e filtro, chiusure, trap dell'associazio…

Leggi l'articolo →
Intelligenza artificiale

Cosa sono gli agenti AI? Come funzionano, con un semplice ciclo di agenti che puoi eseguire

Cosa sono gli agenti IA? Una semplice guida al ciclo dell'agente, agli strumenti, alla memoria e ai guardrail, con un piccolo ciclo Python che abbia…

Leggi l'articolo →
DevOps

Monitoraggio vs osservabilità: la vera differenza, con log, metriche e tracce

Spiegazione del monitoraggio e dell'osservabilità: errori noti e sconosciuti, log, metriche e tracce, una procedura dettagliata sugli incidenti di p…

Leggi l'articolo →
DevOps

Volumi Docker e montaggi di associazione: mantenere i dati del contenitore nel modo giusto

Volumi Docker e montaggi di collegamento spiegati: perché i dati del contenitore scompaiono, volumi denominati, montaggi di collegamento, tmpfs, ese…

Leggi l'articolo →
Automazione dei test

TDD vs BDD: differenze chiave, una caratteristica costruita in entrambi i modi e quando utilizzarli ciascuno

TDD vs BDD spiegato con una funzione di sconto costruita in entrambi i modi: refactoring rosso-verde con il codice che abbiamo eseguito, scenari "Da…

Leggi l'articolo →
Test del software

Test di accettazione da parte dell'utente (UAT): processo, lista di controllo ed esempi reali

Spiegazione del test di accettazione dell'utente: chi lo esegue, in cosa differisce dal QA, un processo in sette fasi, un modello di test case UAT, …

Leggi l'articolo →
Database e SQL

Spiegazione dei valori SQL NULL: IS NULL, COALESCE, NULLIF e le trappole da evitare

Valori SQL NULL spiegati con le query che abbiamo eseguito: logica a tre valori, IS NULL, COALESCE, NULLIF, come aggregazioni, join e ordinamento tr…

Leggi l'articolo →
Database e SQL

Istruzione SQL CASE WHEN: sintassi, esempi reali ed errori comuni

SQL CASE WHEN spiegato con le query che abbiamo eseguito: moduli semplici e cercati, ordine delle condizioni, pivot con SUM, trucchi COUNT, ordiname…

Leggi l'articolo →
Sviluppo software

Cos'è il JWT? Token Web JSON spiegati con un esempio funzionante

Cos'è il JWT? Spiegazione dei token Web JSON: le tre parti, un token creato e manomesso nel codice che abbiamo eseguito, JWT e sessioni, archiviazio…

Leggi l'articolo →
Sviluppo software

Spiegazione del loop di eventi JavaScript: stack di chiamate, microtask e timer con esempi

Il ciclo di eventi JavaScript spiegato con il codice che abbiamo eseguito: stack di chiamate, code di attività e microtask, perché setTimeout 0 non …

Leggi l'articolo →
Sviluppo software

Spiegazione dei generatori Python e del rendimento: risparmia memoria con esempi reali

Generatori Python e rendimento spiegati con il codice che abbiamo eseguito: come vengono messi in pausa e ripresi, misurato il risparmio di memoria,…

Leggi l'articolo →
Intelligenza artificiale

Cosa sono gli incorporamenti? I vettori e la somiglianza del coseno spiegati semplicemente

Cosa sono gli incorporamenti? Una guida in linguaggio semplice ai vettori, alla similarità del coseno e alla ricerca semantica, con un piccolo esemp…

Leggi l'articolo →
DevOps

Distribuzione blu-verde rispetto a quella canaria: differenze, compromessi e come scegliere

Spiegazione della distribuzione blu-verde e canary: come funziona ciascuna, costi, rischi e rollback, bucket utente stabile che abbiamo testato, mig…

Leggi l'articolo →
Automazione dei test

Test instabili: quali sono le cause e come risolverli definitivamente

Test instabili spiegati con demo che abbiamo eseguito: le cause principali, come confermarne e diagnosticarne uno, soluzioni adeguate per tempistich…

Leggi l'articolo →
Test del software

Test di carico e test di stress: differenze, metriche ed esempi k6

Spiegazione del test di carico e dello stress test: cosa dimostra ciascuno, test di picco e di assorbimento, le metriche che contano, perché le medi…

Leggi l'articolo →
Test del software

Caso di test e scenario di test: differenze chiave, esempi e quando utilizzarli

Spiegazione del caso di test e dello scenario di test: definizioni chiare, una tabella affiancata, una funzione di reimpostazione della password pre…

Leggi l'articolo →
Database e SQL

Ottimizzazione delle query SQL: leggi i piani di esecuzione e correggi query lente, con tempistiche

Ottimizzazione delle query SQL testata su un milione di righe: leggi i piani di esecuzione, aggiungi gli indici corretti, correggi filtri non aggior…

Leggi l'articolo →
Database e SQL

SQL UNION vs UNION ALL: differenze, esempi e prestazioni testate

SQL UNION vs UNION ALL spiegati con le query che abbiamo eseguito: duplicati, regole seguite da entrambi, un vero bug di dati, prestazioni misurate,…

Leggi l'articolo →
Sviluppo software

Tutorial sull'API di recupero JavaScript: GET, POST, gestione degli errori e timeout

Un tutorial sull'API JavaScript Fetch testato su un server locale: GET e POST, perché 404 non genera eccezioni, un helper riutilizzabile, stringhe d…

Leggi l'articolo →
Sviluppo software

Gestione dei file Python: lettura, scrittura, CSV, JSON e pathlib con esempi

Gestione dei file Python spiegata con il codice che abbiamo eseguito: modalità aperte, con, lettura di file di grandi dimensioni, CSV, JSON, pathlib…

Leggi l'articolo →
Sviluppo software

Classi e oggetti Python: tutorial OOP con esempi reali

Classi e oggetti Python spiegati con il codice che abbiamo eseguito: __init__, metodi, attributi di classe e istanza, ereditarietà, proprietà, metod…

Leggi l'articolo →
Intelligenza artificiale

Che cos'è un modello linguistico di grandi dimensioni? Come funzionano i LLM, spiegato senza esagerazioni

Cos’è un modello linguistico ampio? LLM spiegati in un linguaggio semplice: token, incorporamenti, attenzione, formazione, finestre di temperatura e…

Leggi l'articolo →
DevOps

Comandi Linux per principianti: la guida essenziale del terminale con esempi

Comandi Linux per principianti, raggruppati per attività: navigazione, file, visualizzazione log, grep, pipe, permessi, processi e archivi, con un e…

Leggi l'articolo →
Automazione dei test

Selenio vs drammaturgo: differenze chiave, codice a confronto e quale scegliere

Selenium vs Playwright a confronto: architettura, attesa, supporto per browser e linguaggio, debug, lo stesso test in entrambi gli strumenti, consig…

Leggi l'articolo →
Test del software

Partizionamento di equivalenza: tecnica di progettazione dei test spiegata con esempi pratici

Spiegazione del partizionamento di equivalenza: come trovare partizioni valide e non valide, esempi funzionanti per età, password e coupon, test che…

Leggi l'articolo →
Test del software

Gravità vs priorità nel test del software: differenze, matrice ed esempi reali

Spiegazione della gravità e della priorità nei test del software: definizioni chiare, una matrice a quattro vie con esempi, scale di livello, chi im…

Leggi l'articolo →
Database e SQL

Esercitazione sulle sottoquery SQL: tipi, sottoquery correlate ed EXISTS con esempi

Un tutorial sulle sottoquery SQL con le query che abbiamo eseguito: sottoquery scalari, IN, FROM e SELECT, sottoquery correlate, EXISTS, trap NOT IN…

Leggi l'articolo →
Database e SQL

Spiegazione di transazioni SQL e ACID: COMMIT, ROLLBACK e livelli di isolamento

Transazioni SQL e ACID spiegate con un bonifico bancario eseguito: COMMIT, ROLLBACK, punti di salvataggio, blocchi, livelli di isolamento, letture s…

Leggi l'articolo →
Sviluppo software

Cheat sheet dei comandi Git: i comandi che usi effettivamente, con esempi

Un cheat sheet dei comandi Git raggruppato per attività: configurazione, staging, rami, telecomandi, stash, cronologia ed errori di annullamento, co…

Leggi l'articolo →
Sviluppo software

Spiegazione delle promesse JavaScript: quindi, cattura, Promise.all ed errori comuni

Promesse JavaScript spiegate con il codice che abbiamo eseguito: stati, catene then e catch, gestione degli errori, Promise.all, allSettled, race an…

Leggi l'articolo →
Sviluppo software

Tutorial sul dizionario Python: metodi, esempi e modelli comuni

Un tutorial sul dizionario Python con il codice che abbiamo eseguito: creazione, lettura e aggiornamento di dettami, metodi chiave, unione, comprens…

Leggi l'articolo →
Intelligenza artificiale

Cos'è il RAG? La generazione aumentata di recupero spiegata con un esempio funzionante

Cos'è il RAG? La generazione aumentata di recupero viene spiegata passo dopo passo: indicizzazione, suddivisione in blocchi, incorporamenti, recuper…

Leggi l'articolo →
DevOps

Tutorial Terraform per principianti: infrastruttura come codice dal primo file ai moduli

Un tutorial su Terraform per principianti: inizia senza account cloud, impara init, pianifica e applica, quindi variabili, output, stato, moduli e u…

Leggi l'articolo →
DevOps

Docker vs Kubernetes: differenze chiave, come funzionano insieme e di cosa hai bisogno

Spiegazione di Docker vs Kubernetes: cosa fa ciascuno, la stessa app viene eseguita con entrambi, Docker Compose e Swarm a confronto, il dockershim …

Leggi l'articolo →
Automazione dei test

Tutorial Pytest per principianti: infissi, parametrizzazione ed esempi reali

Un tutorial pytest per principianti con test che abbiamo eseguito su pytest 9.2: asserzioni, dispositivi, parametrizzazione, conftest, marcatori, tm…

Leggi l'articolo →
Test del software

Ciclo di vita del test del software (STLC): 6 fasi, criteri di ingresso e uscita, esempio

Spiegazione del ciclo di vita del test del software: sei fasi STLC con criteri di ingresso e uscita, risultati finali, un esempio di funzionalità di…

Leggi l'articolo →
Sviluppo software

Git merge vs rebase: differenze, esempi e quando usare ciascuno

Git merge vs rebase spiegato con output reale del log, una tabella di confronto, la regola d'oro del rebase e un flusso di lavoro sicuro per i team.

Leggi l'articolo →
Sviluppo software

List comprehension in Python: sintassi, esempi e quando evitarla

List comprehension in Python spiegata: sintassi, filtri, if-else, cicli annidati, tempi misurati e i casi in cui un normale ciclo for è meglio.

Leggi l'articolo →
Database e SQL

SQL JOIN spiegati con esempi (Inner, Left, Right, Full)

Capisci i JOIN SQL passo dopo passo con tabelle e query di esempio: INNER, LEFT, RIGHT, FULL, CROSS e SELF, con errori comuni e consigli sulle prest…

Leggi l'articolo →