COOL SOLUTION
ITEN
Iscriviti

Articoli su .NET

C# e .NET moderni: Minimal API, RAG, streaming, function calling e orchestrazione di agenti.

Chat con memoria in ASP.NET Core: IChatReducer e MongoDB — Cool Solution
.NET

Chat con memoria in ASP.NET Core: IChatReducer e MongoDB

Le API HTTP sono stateless, le chat LLM no: ogni turno deve rivedere la storia. Rispedire *tutto* a ogni messaggio fa esplodere ==token e context window==. In questo tutorial costruisco una Minimal API .NET 9 dove **MongoDB conserva la trascrizione completa** e il modello riceve solo la vista ridotta da un **IChatReducer** di *Microsoft.Extensions.AI*: ultimi N messaggi o riassunto generato dall'LLM. Tutto in locale con Ollama, tutto misurabile a ogni risposta.

15 min di lettura
RAG vs Agentic RAG: quando il retrieval non basta più — Cool Solution
.NET

RAG vs Agentic RAG: quando il retrieval non basta più

La **RAG classica** recupera una volta e risponde con i chunk trovati. L'**Agentic RAG** espone all'LLM tre tool — *cerca*, *valuta*, *riformula* — che il modello può usare per iterare entro un limite configurato. Li ho costruiti ==fianco a fianco in .NET 9==: stesso dataset, stesse domande, due endpoint. Con codice, trace e benchmark operativo.

16 min di lettura
Osservabilità LLM in .NET: tracce, token e costi con OpenTelemetry e la dashboard Aspire — Cool Solution
.NET

Osservabilità LLM in .NET: tracce, token e costi con OpenTelemetry e la dashboard Aspire

Un endpoint che chiama un LLM è **una scatola nera**: non sai quanto ha aspettato, quanti token ha bruciato, quanto è costato. In questo tutorial strumento una ==Minimal API .NET 10== con *OpenTelemetry* e *Microsoft.Extensions.AI*: span conformi alle *semantic conventions GenAI*, metriche di token e latenza, un **contatore di costo** scritto a mano e tutto visibile nella dashboard **Aspire** avviata in Docker accanto a *Ollama*.

21 min di lettura
LLM evaluation in .NET: testare la qualità delle risposte con Microsoft.Extensions.AI.Evaluation — Cool Solution
.NET

LLM evaluation in .NET: testare la qualità delle risposte con Microsoft.Extensions.AI.Evaluation

Come si fa **LLM evaluation** in .NET: i test unitari verificano il codice, ma ==la risposta di un modello non è deterministica== e va *giudicata*, non confrontata. Con *Microsoft.Extensions.AI.Evaluation* costruisco una ==suite xunit== che dà un punteggio a *relevance*, *coherence* e *groundedness* delle risposte di un assistente, con un **giudice locale via Ollama**, cache su disco e ==report HTML== da allegare alla CI.

18 min di lettura
Hybrid search in .NET con Qdrant, BM25 e Ollama — Cool Solution
.NET

Hybrid search in .NET con Qdrant, BM25 e Ollama

==Hybrid search== in .NET: vettori **densi** e keyword **BM25** fusi in *un'unica classifica* con **Reciprocal Rank Fusion**. Una collection Qdrant con *due vettori nominati*, embedding locali con *Ollama* e *Microsoft.Extensions.AI*, e una **Minimal API** che confronta le tre modalità — *dense*, *keyword*, *hybrid* — sulla stessa base di conoscenza. Poi il salto di livello: un endpoint **RAG** che manda i documenti recuperati a un LLM locale, una **semantic cache** delle risposte su Qdrant, **Redis** per l'output caching e **MongoDB** con repository generico e paginazione. Bonus: il provider AI diventa uno switch in *appsettings* — Ollama o qualunque endpoint **OpenAI-compatible** — più il punto su **Microsoft Agent Framework**.

38 min di lettura
Semantic caching per gli LLM in .NET con Redis e Ollama — Cool Solution
.NET

Semantic caching per gli LLM in .NET con Redis e Ollama

==Semantic caching== per gli **LLM** in .NET: una cache a *due livelli* che risponde alle domande **ripetute** e *riformulate* senza rieseguire il modello. Match esatto con *UseDistributedCache*, cache *semantica* con embedding e ricerca vettoriale su **Redis 8**, in una **Minimal API** con *Microsoft.Extensions.AI* e *Ollama*.

27 min di lettura
Streaming LLM in ASP.NET Core: risposte token per token con SSE e Microsoft.Extensions.AI — Cool Solution
.NET

Streaming LLM in ASP.NET Core: risposte token per token con SSE e Microsoft.Extensions.AI

Le risposte di un LLM che arrivano **token per token**, come in ChatGPT: in questo tutorial costruisco una ==Minimal API .NET 10== che fa streaming da un modello locale con *Ollama* e *Microsoft.Extensions.AI*, e lo espone al browser con i **Server-Sent Events** nativi di ASP.NET Core — TypedResults.ServerSentEvents, zero librerie extra.

18 min di lettura
Structured output in .NET: JSON tipizzato da un LLM con Microsoft.Extensions.AI — Cool Solution
.NET

Structured output in .NET: JSON tipizzato da un LLM con Microsoft.Extensions.AI

Lo **structured output** con *Microsoft.Extensions.AI*: perché chiedere JSON "per gentilezza" nel prompt non basta, come un record C# diventa uno *JSON Schema* che vincola il modello, e un ==tutorial Minimal API .NET== in cui un LLM locale con *Ollama* classifica i ticket di un help desk restituendo ==oggetti tipizzati==, salvati poi su *MongoDB*.

19 min di lettura
Orchestrazione di agenti AI: pattern, framework e un esempio in ASP.NET Core — Cool Solution
.NET

Orchestrazione di agenti AI: pattern, framework e un esempio in ASP.NET Core

==L'orchestrazione di agenti AI== è il pattern che nel 2026 sta sostituendo il singolo agente per i task complessi. In questo articolo vedo i **4 pattern** (gerarchico, collaborativo, competitivo, ibrido), i **framework** che contano — da *LangGraph* e *CrewAI* fino al *Microsoft Agent Framework* — e un **esempio pratico in ASP.NET Core** che orchestra quattro agenti specializzati con poche righe.

13 min di lettura
Protocolli MCP: stdio, HTTP e autenticazione in C# con .NET — Cool Solution
.NET

Protocolli MCP: stdio, HTTP e autenticazione in C# con .NET

==I protocolli di trasporto MCP== spiegati a fondo: **stdio** per i server locali e **Streamable HTTP** per quelli remoti, con una nota sul vecchio *HTTP+SSE* deprecato. Quando conviene *l'uno o l'altro*, come funziona l'**autenticazione** (OAuth 2.1) e due esempi in **C# .NET** con *Microsoft Agent Framework* e *Microsoft.Extensions.AI*: uno stdio senza auth (Filesystem) e uno HTTP con auth (GitHub).

24 min di lettura
RAG da zero in .NET: tipologie, database e tutorial con Ollama e MongoDB — Cool Solution
.NET

RAG da zero in .NET: tipologie, database e tutorial con Ollama e MongoDB

La **RAG** spiegata da zero: cos'è, le *tipologie* (hybrid, graph, re-ranking, agentic), quali **vector database** scegliere — con Docker o cloud — e un ==tutorial Minimal API .NET== con *Ollama* per LLM ed embedding e *MongoDB Community 8.2* per vettori e ricerca ibrida.

26 min di lettura