Modelli dietro un'interfaccia che controlliamo, con retrieval e valutazione attorno.
OpenRouter
AI SDK
Mastra
MCP
pgvector
Che cos'è
Mettere i modelli linguistici al lavoro su un compito definito — estrazione, classificazione, matching, assistenza — dietro un'interfaccia con tipi, limiti e un piano di riserva.
Perché l'abbiamo scelto
Passiamo da OpenRouter così un modello è un valore di configurazione invece di una riscrittura, e costruiamo su AI SDK e Mastra per output strutturato, chiamata di strumenti e stato degli agenti. Il retrieval gira su pgvector nel database che già contiene i dati, il che evita di gestire un secondo archivio e tiene i permessi in un posto solo. MCP è il modo in cui esponiamo i nostri sistemi ai modelli, e vale la stessa disciplina di ovunque altro: uno schema sull'output, una valutazione sul risultato e un percorso deterministico per quando il modello sbaglia.
Dove lo usiamo
Nella normalizzazione e nel matching dei dati, dove l'alternativa è un cumulo di regole immanutenibile, e negli strumenti che costruiamo per la nostra ingegneria.
Una specifica per descrivere dataset tabellari, con implementazioni di riferimento in TypeScript e Python.
siamo autori
schermatafireargs.dev
Fireargs — costruttore di CLI che parte dallo schema
Costruttore di CLI che parte dallo schema e genera comandi componibili con I/O JSON integrato a partire da schemi Zod.
lo manteniamo
Contattateci
Raccontateci che cosa volete costruire.
Siamo un piccolo team in Portogallo, con orario di Londra. Un sito, un'app, uno strumento interno o la piattaforma che ci sta dietro — iniziate con una frase sul problema e poi ci pensiamo noi.