Il context in Go rappresenta il controllo del flusso, non l'archiviazione.
Il context.Context di Go è abbastanza semplice da essere usato in modo improprio — ed è proprio questo il problema.
Gestisci gli errori al confine corretto.
La gestione degli errori in Go è facile da criticare. Ogni sviluppatore Go ha scritto questo codice centinaia di volte:
Smetti di dormire nei test Go concorrenti.
Testare il codice Go concorrente ha sempre richiesto un po’ di disciplina. Le goroutine sono leggere, i canali sono semplici e la cancellazione tramite context è un pattern idiomatico: i worker in background e i timer sono ovunque nei servizi Go reali.
A2A non è morto. Semplicemente non è universale.
Il protocollo Agent2Agent di Google, solitamente abbreviato in A2A, ha avuto un primo anno bizzarro.
Pattern di polling affidabili per agenti AI.
Gli agenti di polling sono una delle parti meno glamour dell’architettura degli assistenti AI, ma sono anche tra le più utili.
MCP fornisce agli agenti strumenti. A2A fornisce agli agenti pari.
L’architettura degli agenti AI sta iniziando a dividersi in due livelli.
A2A trasforma gli agenti in pari della rete.
Il protocollo A2A, acronimo di Agent2Agent Protocol, è uno standard aperto per la comunicazione tra sistemi di agenti AI indipendenti.
Implementa CQRS in Go senza inutili formalismi
CQRS è uno di quei pattern che viene spesso sopravvalutato, complicato eccessivamente e talvolta diagnosticato erroneamente come la cura per la noia del buon vecchio CRUD.
Diagrammi come codice, senza il caos.
Mermaid è uno strumento di diagrammazione basato su testo, pensato per chi preferisce scrivere i diagrammi piuttosto che trascinare caselle su un canvas. Utilizza una sintassi simile a Markdown per descrivere diagrammi di flusso, diagrammi di sequenza, diagrammi di classe, macchine a stati, linee temporali, diagrammi di Gantt, diagrammi delle relazioni tra entità e molto altro.
Controlla il rischio, non solo il modello.
I LLM sono imprevedibili. Hallucinate, perdono dati, generano contenuti dannosi o rifiutano richieste legittime. I guardrails (meccanismi di sicurezza) vincolano il comportamento del modello senza sacrificare le sue capacità.
Come vengono effettivamente costruiti assistenti seri.
Un assistente AI in produzione non è “un LLM con un prompt”. È un sistema che accetta l’intento, mantiene lo stato, decide quando recuperare informazioni o agire ed espone sufficienti dettagli di runtime per eseguire il debug delle anomalie.
Smetti di interpretare le vibrazioni. Convalida i contratti.
La maggior parte dei tutorial sull’output strutturato degli LLM è superficiale. Ti insegnano a chiedere JSON gentilmente e poi sperare che il modello si comporti correttamente. Quello non è convalida. È ottimismo con le parentesi graffe.
Evita effetti collaterali duplicati
L’idempotenza nei sistemi distribuiti è la proprietà che ti salva quando la rete mente, la coda ritenta, il client va in panico e l’operatore preme “ripeti”. Nei sistemi di produzione, la consegna duplicata è la norma. Gli effetti collaterali duplicati sono il bug.
Crea Claude Skills che resistano al lavoro reale
La maggior parte dei team usa in modo improprio Claude Skills in uno di due modi. O trasformano SKILL.md in un contenitore di tutto, o non riescono a superare la fase dei grandi prompt copiati e incollati.
Le competenze da conservare e quelle da saltare
OpenClaw ha due storie di estensioni, ed è facile confonderle.
Le plugin estendono il runtime. Le competenze (skills) estendono il comportamento dell’agente.
Prima i plugin. Nomenclatura delle competenze in breve.
Questo articolo riguarda i plugin OpenClaw — pacchetti gateway nativi che aggiungono canali, fornitori di modelli, strumenti, voce, memoria, media, ricerca web e altre superfici runtime.
