Spiegazione della finestra di contesto LLM: Token, limiti e come adattarne di più, misurati
Una finestra di contesto LLM rappresenta il numero totale di token che un modello può leggere e scrivere in una richiesta. Scopri cosa lo riempie, come le parole si trasformano in token, come pianificare input e output e come ridurre la cronologia della chat in modo sicuro, con i conteggi che abbiamo misurato.
- La finestra di contesto LLM è un limite di token condiviso da tutto: prompt di sistema, cronologia, documenti e la risposta.
- I token non sono parole. La nostra prosa inglese utilizzava 1,14 token per parola, codice Python 2.22 e testo hindi 1.41 con un tokenizzatore ma circa 4,6 con uno più vecchio.
- La cronologia della chat cresce ogni volta. Taglia i messaggi più vecchi ma mantieni sempre il prompt del sistema; il taglio ingenuo lo ha lasciato cadere nel nostro test.
- Una grande finestra non è un lasciapassare. Le istruzioni lunghe costano di più, vengono eseguite più lentamente e possono nascondere i dettagli più importanti.
Incolli un lungo contratto in un chatbot e lui risponde come se le ultime dieci pagine non fossero mai esistite. Oppure un bot di supporto “dimentica” lentamente le regole che gli hai dato. Entrambi si riducono alla finestra di contesto LLM: il numero fisso di token con cui un modello linguistico di grandi dimensioni può funzionare in una richiesta. Sapere come si riempie ti aiuta a creare funzionalità di intelligenza artificiale che rimangano precise e convenienti.
Abbiamo misurato i numeri seguenti con la libreria open source tiktoken di OpenAI, versione 0.14.0, utilizzando le sue codifiche o200k_base e precedenti cl100k_base su Python 3.13. Altre famiglie di modelli utilizzano altri tokenizzatori, quindi tratta i nostri conteggi come esempi realistici, non come cifre esatte per ogni modello. Per le nozioni di base sui token, consulta la nostra Guida ai token LLM.
Cos’è una finestra di contesto?
Un modello non ricorda da solo le richieste precedenti. Ogni volta che lo chiami, invii un messaggio e il modello lo legge tutto prima di generare una risposta. La finestra di contesto è la dimensione massima del testo combinato, misurata in token. Se la finestra è di 128.000 token, l’input e l’output insieme devono rientrare al suo interno. La nostra guida su cos’è un modello linguistico di grandi dimensioni spiega perché i modelli funzionano in questo modo.
Le dimensioni delle finestre vanno da poche migliaia di token sui modelli piccoli a centinaia di migliaia, o più di un milione, su quelli grandi. Le dimensioni cambiano con ogni versione, quindi controlla la documentazione del tuo provider per il limite esatto e per eventuali limiti separati sui token di output.
Ciò che riempie la finestra di contesto
- Prompt di sistema: istruzioni, regole e personalità.
- Cronologia conversazioni: ogni messaggio precedente dell’utente e dell’assistente inviato di nuovo.
- Contenuto recuperato o incollato: documenti, risultati di ricerca, file di codice.
- Definizioni e risultati degli strumenti: schemi di funzioni e dati restituiti.
- La risposta stessa: i token di output provengono dallo stesso budget.
Quest’ultimo punto sorprende molte persone. Un prompt che occupa quasi tutta la finestra non lascia spazio per una risposta, quindi la risposta viene abbreviata.
Parole vs gettoni: cosa abbiamo misurato
Abbiamo ripetuto tre brevi testi 20 volte ciascuno e abbiamo contato parole e gettoni:
| Testo | Parole | gettoni da o200k | Gettoni per parola | gettoni cl100k |
|---|---|---|---|---|
| Prosa inglese | 740 | 841 | 1.14 | 841 |
| Codice Python | 180 | 400 | 2.22 | 400 |
| Testo hindi | 300 | 422 | 1.41 | 1,381 |
Spiccano tre lezioni. L’inglese semplice è vicino a un token per parola. Il codice utilizza circa il doppio dei token per “parola”, poiché i simboli, i rientri e i nomi brevi richiedono ciascuno dei token. E la lingua conta moltissimo: lo stesso testo hindi ha richiesto 422 token con il tokenizzatore più recente e 1.381 con quello precedente, più di tre volte di più. Una finestra che contiene un lungo documento inglese potrebbe contenere molto meno in un’altra lingua.
import tiktoken
enc = tiktoken.get_encoding("o200k_base")
print(len(enc.encode("Your text here")))
Suggerimento: non stimare mai i token dividendo i caratteri per quattro per limiti di produzione. Conta con il tokenizzatore per il tuo modello, quindi mantieni un margine di sicurezza.
Budgeting di una richiesta
Abbiamo pianificato una richiesta con un prompt di sistema da 600 token, 4.200 token di cronologia chat e 25.000 token di documenti, quindi l’abbiamo confrontata con tre dimensioni di finestra, riservando 2.000 token per la risposta:
window 8000: input 29800 tokens, left -21800, room for 2,000-token answer: False
window 32000: input 29800 tokens, left 2200, room for 2,000-token answer: True
window 128000: input 29800 tokens, left 98200, room for 2,000-token answer: True
La finestra 8K non ha potuto accettare affatto la richiesta. La finestra da 32K si adattava, ma con solo 2.200 token di riserva, quindi un documento in più comprimerebbe la risposta. Scrivi questo controllo nel tuo codice prima di ogni chiamata: conta le parti, sottrai un budget di output riservato e decidi cosa tagliare se non va bene.
Cosa succede quando vai oltre
Il comportamento dipende dall’API e dall’app. Alcune API rifiutano la richiesta con un errore. Alcune app di chat eliminano silenziosamente i messaggi più vecchi. Alcuni documenti troncati. E se l’input si adatta ma lascia troppo poco spazio, la risposta si interrompe a metà della frase quando raggiunge il limite di output. Nessuno di questi è ovvio per gli utenti, motivo per cui può sembrare che il modello “dimentichi” o ignori parte di un documento.
La cronologia della chat cresce ogni volta
Le app di chat inviano nuovamente l’intera conversazione ogni turno in modo che la modella possa vederla. A circa 350 gettoni per turno:
chat of 10 turns x 350 tokens = 3500 tokens
chat of 50 turns x 350 tokens = 17500 tokens
chat of 200 turns x 350 tokens = 70000 tokens
Una lunga chat di supporto può raggiungere tranquillamente decine di migliaia di token, e ogni nuovo messaggio ripaga di nuovo tutti quelli vecchi.
Ritagliare la storia senza perdere le regole
Abbiamo creato una chat da 31 messaggi con 1.455 token e l’abbiamo ridotta a un limite di 800 token in due modi. Il modo intelligente ha mantenuto il sistema tempestivo, quindi ha aggiunto i messaggi dal più recente al più vecchio fino all’esaurimento del budget. Il modo ingenuo ha mantenuto solo gli ultimi 800 token del testo unito.
history: 31 messages, 1455 tokens -> kept 17 (783 tokens), system kept: True, oldest kept: 'message 14'
naive tail-truncation keeps system prompt: False
La versione ingenua eliminava il prompt del sistema, che conteneva l’istruzione “Rispondi sempre in inglese”. Questo è esattamente il modo in cui un bot perde le sue regole nelle lunghe chat. Strategie migliori, più o meno in ordine di impegno:
- Blocca sempre il prompt del sistema e l’ultimo messaggio dell’utente.
- Elimina o riepiloga prima le svolte più vecchie.
- Sostituisci le vecchie svolte con un breve riassunto scritto dal modello.
- Archivia i fatti al di fuori della chat e recupera solo ciò di cui ha bisogno la domanda attuale.
Una finestra di contesto più grande è sempre migliore?
No. Una finestra ampia consente di includerne di più, ma ricerche come lo studio “Lost in the Middle” del 2023 di Liu e colleghi hanno scoperto che i modelli utilizzavano le informazioni all’inizio e alla fine di input lunghi in modo più affidabile rispetto alle informazioni nel mezzo. Non l’abbiamo testato noi stessi. In pratica, inviare solo le parti rilevanti spesso è meglio dell’invio di tutto e riduce le allucinazioni causate da testo che distrae o è in conflitto. Metti le istruzioni chiave all’inizio e riformula la domanda vera e propria alla fine.
Chunking e recupero (RAG)
La generazione aumentata di recupero mantiene i documenti fuori dal prompt. Li dividi in blocchi, trovi i blocchi relativi a una domanda e invii solo quelli. Abbiamo diviso un documento da 4.201 token in blocchi di massimo 500 token con una sovrapposizione di 50 token e abbiamo ottenuto 10 blocchi. La sovrapposizione mantiene le frasi che attraversano un confine leggibili in almeno un pezzo.
def chunks(text, size, overlap):
ids = enc.encode(text)
step = size - overlap
return [enc.decode(ids[i:i + size]) for i in range(0, max(1, len(ids) - overlap), step)]
I blocchi vengono abbinati alle domande utilizzando incorporamenti memorizzati in un indice vettoriale. La nostra guida che cos’è RAG illustra l’intera pipeline.
Costo e velocità
La maggior parte delle API addebita un costo per token di input e output e le richieste più lunghe richiedono più tempo per l’elaborazione. Un prompt da 100.000 token inviato 1.000 volte al giorno equivale a 100.000.000 di token di input al giorno, anche se le risposte sono brevi. Tagliare la cronologia, recuperare invece di incollare e memorizzare nella cache ripetuti prefissi di prompt laddove il provider lo supporta può ridurre drasticamente i costi e la latenza. Controlla i prezzi attuali sulla pagina dei prezzi del tuo fornitore, poiché cambiano spesso.
Testare i limiti di contesto nella tua app
- Prova con l’input realistico più lungo, non con un campione breve.
- Prova chat lunghe: il bot segue ancora le istruzioni del sistema dopo 50 turni?
- Prova l’input non inglese, che potrebbe utilizzare molti più token.
- Dichiara che il tuo codice riserva i token di output e gestisce correttamente gli errori di limite eccessivo.
- Controlla che il taglio non rimuova mai le regole di sicurezza, il che è importante anche per le difese pronte all’iniezione.
Considerazioni finali
La finestra di contesto LLM è un budget token condiviso, non una memoria. Conta i token con il tokenizzatore corretto, riserva lo spazio per la risposta, blocca il prompt del sistema quando ritagli la cronologia e recupera i blocchi rilevanti anziché incollare tutto. Fallo e anche una finestra modesta farà molta strada, mentre una grande rimarrà veloce e conveniente. Anche i prompt chiari aiutano, come mostra la nostra guida alla progettazione dei prompt.
Domande frequenti
Cos’è una finestra di contesto in un LLM?
È il numero massimo di token che un modello può gestire in una richiesta, coprendo insieme il prompt di sistema, la cronologia delle conversazioni, i documenti aggiunti e la risposta generata.
Quante parole rientrano in una finestra di contesto?
Dipende dal testo e dal tokenizzatore. La nostra prosa inglese utilizza circa 1,14 token per parola, quindi 100.000 token equivalgono a circa 88.000 parole, ma il codice e molte altre lingue utilizzano più token per parola.
Cosa succede quando si supera la finestra di contesto?
L’API potrebbe rifiutare la richiesta, l’app potrebbe eliminare i messaggi più vecchi o troncare i documenti oppure la risposta potrebbe essere interrotta perché non sono rimasti token di output.
L’output conta ai fini della finestra di contesto?
SÌ. L’input e l’output condividono la stessa finestra, quindi riserva sempre abbastanza token per la risposta. Molte API hanno anche un limite massimo separato per i token di output.
Una finestra di contesto più grande è migliore di RAG?
Non sempre. Le finestre grandi costano di più e i modelli possono perdere dettagli nel mezzo di lunghi input. Recuperare solo i blocchi rilevanti è spesso più economico e più accurato.
Continua a imparare
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.
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.
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 softwareSpiegazione 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 →DevOpsSpiegazione 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 softwareSpiegazione 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 testSpiegazione 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 SQLSpiegazione 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 SQLSpiegazione 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 softwareSpiegazione 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 softwareSpiegazione 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 artificialeSpiegazione 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 softwareSpiegazione 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 →DevOpsSpiegazione 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 testSpiegazione 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 softwareSpiegazione 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 artificialeSpiegazione 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 →DevOpsSpiegazione 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 →DevOpsSpiegazione 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 testTestare 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 softwareSpiegazione 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 SQLSpiegazione 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 SQLSpiegazione 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 softwareSpiegazione 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 softwareModuli 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 softwareSpiegazione 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 artificialeSpiegazione 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 →DevOpsSpiegazione 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 →DevOpsSpiegazione 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 testSpiegazione 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 softwareSpiegazione 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 SQLSpiegazione 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 SQLSpiegazione 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 softwarePython 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 softwareDebounce 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 softwareSpiegazione 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 artificialeSpiegazione 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 →DevOpsSpiegazione 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 →DevOpsSpiegazione 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 artificialeSpiegazione 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 →DevOpsSpiegazione 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 softwareSpiegazione 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 testDerisione 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 softwareSpiegazione 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 SQLDELETE 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 SQLSpiegazione 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 softwareInterfaccia 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 softwareSpiegazione 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 softwareFunzioni 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 artificialeCosa 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 →DevOpsMonitoraggio 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 →DevOpsVolumi 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 testTDD 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 softwareTest 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 SQLSpiegazione 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 SQLIstruzione 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 softwareCos'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 softwareSpiegazione 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 softwareSpiegazione 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 artificialeCosa 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 →DevOpsDistribuzione 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 testTest 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 softwareTest 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 softwareCaso 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 SQLOttimizzazione 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 SQLSQL 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 softwareTutorial 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 softwareGestione 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 softwareClassi 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 artificialeChe 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 →DevOpsComandi 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 testSelenio 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 softwarePartizionamento 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 softwareGravità 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 SQLEsercitazione 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 SQLSpiegazione 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 softwareCheat 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 softwareSpiegazione 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 softwareTutorial 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 artificialeCos'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 →DevOpsTutorial 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 →DevOpsDocker 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 testTutorial 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 softwareCiclo 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 softwareGit 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 softwareList 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 SQLSQL 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 →