Costruirò applicazione agentic rag usando langchain e langgraph

️ COMPETENZE TECNICHE PRINCIPALI

- Orchestrazione AI & Agents: LangGraph (StateGraphs, Conditional Routing, Cyclic Loops), LangChain v0.3+.

- Automazione dei workflow: n8n (integrazioni webhook, pipeline ETL automatizzate).

- Ingegneria backend: FastAPI, Flask, progettazione API RESTful, SQLite, MongoDB.

- Elaborazione dati: Python, Pandas, NumPy, Scikit-learn.

STUDIO DI CASO DI LIVELLO PRODUZIONE: AGENTIC CLASSROOM AI

Ho sviluppato una piattaforma di intelligenza educativa cloud-native progettata per ingerire enormi file multimediali grezzi e trasformarli autonomamente in risorse di apprendimento strutturate.

- Superare i limiti API rigidi: ho implementato una pipeline di compressione FFmpeg a livello di sistema che riduce enormi file video in file mono MP3 ultra-compatto, bypassando definitivamente i limiti rigidi di payload API di 25MB per speech-to-text.

- Architettura decentralizzata: strategia di database client BYOK (Bring-Your-Own-Key) per gestire una scalabilità orizzontale infinita multi-utente senza raggiungere i limiti di token centralizzati.

- Loop di ricerca autonomi: ho costruito un motore avanzato LangGraph StateGraph. Se il contesto del database vettoriale localizzato (FAISS) non è sufficiente a risolvere una query, l'agente attiva dinamicamente strumenti di web-scraping.