Come addestrare gli agenti AI a fare coding: il manuale che mancava

Cobus Greyling ha creato una raccolta di pattern e best practice per quello che gli esperti chiamano "loop engineering": fondamentalmente, l'arte di progettare sistemi dove un'IA non fa una singola cosa, ma entra in un ciclo di prompting orchestrato e intelligente. Pensa ai recenti lavori di Addy Osmani e Boris Cherny in Anthropic—quella roba lì, ma documentata e pronta all'uso.

Il problema è che molti ancora trattano gli agenti AI come scatole nere: getti dentro una richiesta, speri il meglio. Ma il vero potere sta nel disegnare i loop giusti. Come funziona? L'IA produce un primo output, lo valutiamo, forniamo feedback strutturato, lei itera, e così via—tutto in modo orchestrato, non casuale. È come dirigere una rehearsal, non accendere un jukebox.

Questa repository non è teoria astratta. È piena di pattern concreti: come strutturare i prompt per ottenere output migliori, come organizzare il feedback in modo che l'IA lo capisca e lo usi, come evitare di cascare nei soliti buchi neri (infinite loop, allucinazioni, non-convergenza). Ci sono esempi veri, casi d'uso, e la filosofia dietro ogni scelta.

Perché questo importa ora? Perché gli agenti AI per il coding stanno diventando seri—non sono più giocattoli, ma strumenti che aziende e developer possono usare sul serio. Ma se non sai come farli funzionare davvero, è come avere una Ferrari e guidarla come un'auto a noleggio. Questo manuale ti dice come farla andare a 300 all'ora.

L'elemento interessante è che la source di ispirazione (Anthropic e i loro ricercatori) stanno diventando il punto di riferimento per questa roba. Non è un caso che i pattern migliori escono da loro—hanno giocato con questi sistemi per mesi e sanno quali funzionano. Greyling ha avuto il buonsenso di documentarlo per tutti gli altri.