Intelligenza Artificiale LLM e NLP JavaScript

LangChain JavaScript - Guida Completa per Sviluppatori

Impara a costruire applicazioni AI locali con LangChain.js e Ollama: catene LLM, memoria persistente, REST API e guard rail in JavaScript.

Descrizione del corso

LangChain JavaScript con Ollama: costruisci app AI locali da zero

Questo corso è il punto di partenza perfetto se vuoi capire davvero come funzionano le applicazioni AI moderne, senza affidarti ai servizi cloud costosi. Usi Ollama per far girare i modelli linguistici in locale sul tuo PC, e poi costruisci sopra con LangChain.js tutto quello che ti serve: catene, memoria, API REST, moderazione. Niente magia nera — solo JavaScript, Node.js e codice che puoi leggere e modificare.

Cosa imparerai

  • Installare e configurare Ollama, fare chiamate API con Postman e analizzare le risposte JSON
  • Capire le differenze tra la libreria nativa Ollama e LangChain.js, e quando usare l'una o l'altra
  • Costruire le prime catene LLM con Chain + PromptTemplate in Node.js
  • Usare il Prompt Engineering per guidare le risposte del modello e limitarle a ciò che ti serve
  • Concatenare più catene in pipeline (traduzione + estrazione keyword + altro) con i pipe di LangChain
  • Risolvere il problema della memoria isolata tra sessioni e aggiungere contesto conversazionale
  • Creare una REST API completa che espone un LLM tramite LangChain
  • Implementare memoria persistente con file JSON e con SQLite3
  • Aggiungere Role, Context e Guard Rail ai prompt per controllare il comportamento del modello
  • Gestire pre e post-guard rail con un moderatore LLM interno

Un approccio pratico, locale e 100% tuo

Ogni lezione è costruita attorno a esempi concreti che puoi eseguire subito sul tuo computer. Non serve un account OpenAI, non serve pagare API call. Parti da zero — installazione inclusa — e arrivi a costruire un'API REST con memoria persistente e moderazione integrata. È il tipo di progetto che puoi mettere in portfolio o usare come base per qualcosa di più grande.

Per chi è questo corso

È ideale per sviluppatori JavaScript o Node.js che vogliono entrare nel mondo dell'AI senza dipendere da servizi cloud. Serve una conoscenza base di JavaScript e REST API; niente ML matematico, si lavora tutto a livello di integrazione e orchestrazione.

Elenco delle lezioni

Ti mostro come installare Ollama, scaricare il modello LLAMA3 e configurare la variabile OLLAMA_HOST per avviare il tuo ambiente di sviluppo AI locale in JavaScript — tutto da zero, senza servizi cloud.

Guarda lezione

Vediamo insieme come usare Postman per inviare richieste all'API REST di Ollama con il modello LLAMA3.1, esplorando le opzioni di chiamata, i parametri disponibili e la struttura completa delle risposte JSON.

Guarda lezione

Ti spiego passo dopo passo come leggere e interpretare le risposte JSON restituite dall'API di Ollama: capire i campi, gestire lo streaming e prepararti all'integrazione con LangChain.js in JavaScript.

Guarda lezione

Scopriamo insieme a cosa servono LangChain.js e la libreria nativa Ollama, le loro differenze chiave e quando conviene usare l'una rispetto all'altra, inizializzando il progetto Node.js corretto.

Guarda lezione

Costruiamo il primo esempio pratico di LangChain in Node.js: ti mostro come installare il pacchetto npm, creare il client Ollama e inviare la prima richiesta a un LLM ricevendo la risposta del modello.

Guarda lezione

Vediamo come usare LangChain per semplificare e astrarre le chiamate a Ollama, e come fare refactoring del codice per renderlo più pulito, leggibile ed efficiente nelle tue app JavaScript.

Guarda lezione

Ti mostro come usare LLAMA come traduttore universale con LangChain, costruendo la tua prima Chain con PromptTemplate per personalizzare il prompt e ottenere traduzioni precise dal modello LLM.

Guarda lezione

Applico il Prompt Engineering per limitare la risposta del modello LLAMA alla sola traduzione, evitando output verbosi e superflui e ottenendo risultati precisi e controllati con LangChain.

Guarda lezione

Vediamo come costruire una catena multipla con LangChain che, in un unico flusso, traduce un testo ed estrae automaticamente le keyword, sfruttando le pipe LLM per collegare più step in sequenza.

Guarda lezione

Ti mostro con una dimostrazione pratica perché i prompt LLM sono stateless: ogni richiesta è completamente isolata e il modello non ha alcun ricordo delle conversazioni precedenti — il problema di base da risolvere.

Guarda lezione

Esploriamo le tecniche disponibili in LangChain per gestire la memoria nei modelli LLM, aggiungendo contesto conversazionale per creare interazioni coerenti e fluide tra una richiesta e la successiva.

Guarda lezione

In questa lezione costruiamo una REST API completa in Node.js che espone Ollama tramite LangChain, permettendo di chattare con un LLM via HTTP con un'architettura pronta per la produzione.

Guarda lezione

Ti spiego come integrare la memoria conversazionale nella REST API LangChain, così ogni sessione mantiene il contesto tra una richiesta HTTP e la successiva senza ricominciare da zero.

Guarda lezione

Vediamo come aggiungere ruolo, contesto e un primo guard rail al prompt LangChain: tecniche di Prompt Engineering per controllare il comportamento dell'LLM e limitarlo a risposte pertinenti al dominio.

Guarda lezione

Raffiniamo il guard rail del prompt aggiungendo vincoli tematici e contesto dettagliato: impariamo a tenere il modello LLM focalizzato sul dominio applicativo senza rispondere a topic non pertinenti.

Guarda lezione

Ti mostro il concetto di Pre-Guard Rail in LangChain: un filtro preventivo che analizza le richieste in ingresso prima che raggiungano il modello LLM, bloccando quelle potenzialmente pericolose o fuori tema.

Guarda lezione

Completiamo l'implementazione del Pre-Guard Rail e introduciamo il moderatore Post-Guard Rail in LangChain, che analizza e filtra le risposte del modello prima di restituirle al client finale.

Guarda lezione

Ti mostro come implementare la memoria persistente in LangChain usando un semplice file JSON, senza database né dipendenze esterne: la soluzione più leggera per salvare e ricaricare lo storico conversazionale.

Guarda lezione

Continuiamo lo sviluppo della memoria persistente con file JSON in LangChain: organizziamo la struttura dei messaggi salvati, gestiamo la sessione e ottimizziamo il caricamento del contesto storico.

Guarda lezione

Vediamo come passare dalla memoria su file JSON a SQLite3 in LangChain, usando SQL per una gestione più strutturata, robusta e scalabile della memoria persistente nelle applicazioni AI.

Guarda lezione

Continuiamo l'integrazione di SQLite3 in LangChain: perfezioniamo la logica di salvataggio e recupero dei messaggi conversazionali, con query SQL ottimizzate per una gestione efficiente della sessione.

Guarda lezione

Concludiamo l'implementazione della memoria persistente con SQLite3 in LangChain: ottimizziamo il sistema per gestire sessioni multiple, cronologia flessibile e recupero dei messaggi per conversazione.

Guarda lezione
Giovanni Pace

Giovanni Pace

Ingegnere Informatico · Pratola Peligna

  • 107 Corsi
Mi presento brevemente

Sono un ingegnere informatico con oltre 15 anni di esperienza nel settore ICT. Mi occupo di sviluppo software, cybersecurity, data science e intelligenza artificiale, con particolare attenzione all’innovazione e all’automazione dei processi aziendali. Da anni svolgo anche attività di docenza e formazione, creando percorsi pratici e coinvolgenti su programmazione, DevOps, AI e sicurezza informatica.

Questo corso include

  • Lezioni 22
  • Durata 4h 18m
  • Difficoltà intermedio
  • Lingua it
  • Certificato No

Visti di recente