In Europa, si sa, siamo sempre un po’ indietro per quanto riguarda il mondo dell’intelligenza artificiale. Che sia per adozione, sviluppo o ricerca. Per questo, vedere oggi nascere un framework open source, ideato per sviluppare agenti AI, completamente made in Italy e che si presenta come una soluzione forte per portare avanti l’Europa, può solo che far piacere.
I ragazzi di Datapizza si sono messi al lavoro per ben due anni e hanno costruito una soluzione adatta a chi ha la necessità di costruire agenti basati sull’intelligenza artificiale in modo affidabile, veloce e soprattutto senza overhead inutile.
Scritto in Python e progettato per la produzione, Datapizza AI nasce da un’esigenza concreta: creare un ambiente che permetta agli sviluppatori di passare dallo sviluppo al deployment in modo rapido, mantenendo però massimo controllo e trasparenza su ogni modulo.
Meno astrazione, più controllo
Questo è il motto di Datapizza. L’intero progetto nasce da un approccio ingegneristico ben preciso: ridurre il livello di astrazione per aumentare la trasparenza del codice. Per avere più controllo e vivere con un po’ meno ansia, per dirla in parole povere.
Il risultato è un framework che consente di costruire Proof of Concept (POC) con pochissime righe di codice, ma che rimane facilmente estendibile e customizzabile per scenari complessi e non standard.
Ma qual è la differenza rispetto a framework già ben diffusi e affermati come LangChain o LlamaIndex? La risposta arriva direttamente da Federico Raffoni, del team di Datapizza:
La differenza principale con langchain è il diverso livello di astrazione dei moduli. Langchain ti permette di fare un sacco di cose, però usa astrazione (a nostro avviso) un po’ troppo elevate, che non ti permettono di uscire dai binari che il framework ti impone (o ti permette di farlo ma con estrema difficoltà). Un altro problema che abbiamo riscontrato con altri framework è la difficoltà del bug quando qualcosa si rompe. I diversi livelli di astrazione delle classi rendono il debug estremamente complesso.
Le caratteristiche di Datapizza AI
Datapizza AI offre un’architettura API-first e completamente vendor-agnostic, con supporto nativo a OpenAI, Google Gemini, Anthropic, Mistral e Azure OpenAI. Tra le sue feature più interessanti troviamo:
- Osservabilità nativa: grazie all’integrazione con OpenTelemetry, ogni operazione può essere tracciata e analizzata, rendendo il debugging semplice e rapido.
- Integrazione modulare: supporto a parser per PDF e DOCX, vector store come Qdrant, e reranker come Cohere o Together AI.
- Multi-agent framework: creazione di sistemi multi-agente cooperativi con pochissime righe di codice.
- RAG pipelines complete: dalla segmentazione dei documenti all’embedding, fino alla generazione contestualizzata delle risposte.
- Design composable: blocchi riutilizzabili e dichiarativi che semplificano la configurazione e favoriscono la sperimentazione rapida.
Un altro dei punti di forza di Datapizza AI è la trasparenza operativa. Ogni chiamata ai modelli può essere tracciata, con la possibilità di vedere token utilizzati, durata delle richieste, colli di bottiglia, e perfino l’intero flusso di esecuzione grazie al tracing visivo.
Un approccio che abbatte le difficoltà tipiche dei framework più “opachi” e aiuta a costruire applicazioni GenAI affidabili, osservabili e pronte per la produzione.
Un framework italiano per la GenAI
Insomma, in un settore dominato da progetti che nascono in altre parti del mondo, Datapizza AI rappresenta una ventata d’aria fresca: un progetto open source, italiano, e che promette di poter crescere ulteriormente, in maniera concreta.
L’obiettivo è chiaro: semplificare lo sviluppo dell’intelligenza artificiale generativa, restituendo potere agli sviluppatori e aprendo la strada a una nuova generazione di tool “engineer-first”. Bravi ragazzi! 🍕
Scrivi un commento