This is a viewer only at the moment see the article on how this works.
To update the preview hit Ctrl-Alt-R (or ⌘-Alt-R on Mac) or Enter to refresh. The Save icon lets you save the markdown file to disk
This is a preview from the server running through my markdig pipeline
AI
AI-Article
C#
LLM
mostlylucid.blogllm
RAG
Costruire un "Avvocato GPT" per il tuo blog - Parte 1: Introduzione & Architettura
Wednesday, 12 November 2025
ATTENZIONE: Questi sono i progetti di POST che sono "scaparnati."
E 'probabile che gran parte di ciò che è qui sotto non funzionerà; Io generare questi come come come-per me e poi fare tutti i passi e ottenere il campione di lavoro app ... Sei stato subdolo e li hai visti! saranno probabilmente pronti a metà dicembre.
## Introduzione
Allaccia la cintura perche' sara' una lunga serie!
Se hai seguito questo blog, saprai che sono un po' ossessionato dal trovare modi interessanti per usare LLM e AI in applicazioni pratiche.
Bene, ho un nuovo progetto che unisce il mio amore per il blogging, C#, e AI: la costruzione di un assistente di scrittura che mi aiuta a redigere nuovi post sul blog utilizzando i miei contenuti esistenti come base di conoscenza.
NOTA: Questo fa parte dei miei esperimenti con l'AI (elaborazione assistita) + il mio editing.
Stessa voce, stesso pragmatismo, solo dita piu' veloci.
Pensate a come le pratiche legali moderne utilizzano LLMs addestrati sulla giurisprudenza per redigere briefs, mozioni e contratti.
Non partono da zero - i riferimenti di sistema precedenti rilevanti, suggerisce il linguaggio basato su documenti passati di successo, e mantiene la coerenza con modelli stabiliti.
E' esattamente quello che stiamo costruendo qui, ma per i contenuti del blog.
L'obiettivo è quello di creare un assistente di scrittura AI-powered che:
Auto-genera i collegamenti interni ai relativi articoli
Agisce come "GitHub Copilot per il tuo blog"
Questa serie coprirà la costruzione di un edificio completoGenerazione aumentata di recupero (RAG)
**sistema in C# che gira su Windows.**Useremo gli ultimi approcci e quadri, e spieghero' ogni nuova tecnologia mentre la incontriamo.
**La mia configurazione hardware (e le mie specifiche minime)**La mia macchina di sviluppo:
GPU**: NVIDIA RTX A4000 (16GB VRAM)**CPU
: AMD Ryzen 9 9950X
RAM: 96GB DDR5
Questa e' la mia configurazione specifica, ma tu
non ho bisogno di questo hardware
**Da seguire.**Ecco le specifiche minime per i diversi componenti:
Accelerazione GPU (raccomandata, non richiesta)
Minimo: NVIDIA GPU con VRAM da 8GB (ad es. RTX 3060, GTX 1070 Ti)
Può eseguire modelli di parametri 7B con quantizzazione
Velocità di generazione dell'imbottitura dignitosaConfortevole
**: 12GB+ VRAM (ad esempio, RTX 3060 12GB, RTX 4060 Ti)**Esegui modelli più grandi o quantizzazioni di qualità superiore
La mia configurazione
: 16GB (A4000) - Può eseguire i modelli 13B comodamente
Alternativa solo per CPU
Minimo
: CPU quad-core moderna
Raccomandato: 8+ core (per una ragionevole generazione di incorporamenti)
Tutto funziona solo su CPU, solo più lentamente:
Generazione di integrazione: ~5-10x più lentoInferenza LLM: ~10-50x più lento
Ancora completamente utilizzabile per un assistente di scrittura!
Requisiti RAMMinimo
: 16GB RAM di sistema
Inferenza solo CPU per modelli 7BConfortevole
32GBMeglio per modelli più grandi su CPU
La mia configurazione
: 96GB - Overkill, 32GB è abbondanza
StoccaggioSSD
: Consigliato per il caricamento del modelloSpazio
: ~20GB per modelli e database vettorialiChe dire delle NPU Intel/AMD?
**Le CPU moderne ora includono acceleratori AI dedicati:*Intel Core Ultra(Meteor Lake+) - Intel AI Boost (NPU)*AMD Ryzen AI
(7040/8040 serie) - XDNA NPU
✅ Great for: On-device inference, battery efficiency (laptops)
⚠️ Limited for our use: Immature .NET/ONNX Runtime support
❌ Not ready for: This project's primary path
AMD Ryzen AI Max
(Punto Strix) - fino a 50 TOPSImportante: le NPU sono solo per l'inferenza!
Non si "costruiscono" o treno modelli su NPU - sono progettati peresegui
**modelli pre-allenati in modo efficiente.**I modelli vengono addestrati su GPU cloud (o workstation), poi scaricati e distribuiti su NPU per l'inferenza.
**Stato attuale per i modelli in esecuzione su NPU (come da scrittura):**Perché non le NPU per questa serie?
ecosistema software: CUDA ha più di 15 anni di maturità, supporto NPU in .NET è nascente
Compatibilità del modello
: La maggior parte dei modelli GGUF target CUDA/CPU, modelli ottimizzati NPU sono rariDocumentazione: Risorse limitate per lo sviluppo di NPU in C#
Prestazioni
: Attualmente più lento delle GPU discrete per il nostro carico di lavoro
Supporto DirectML
: Ancora sperimentale per l'inferenza LLM
# Use DirectML execution provider (supports NPU)
dotnet add package Microsoft.ML.OnnxRuntime.DirectML
# In code:
var sessionOptions = new SessionOptions();
sessionOptions.AppendExecutionProvider("DML"); // DirectML
var session = new InferenceSession("model.onnx", sessionOptions);
Il supporto C# è sperimentaleAttualmente le prestazioni sono inferiori rispetto a CUDA
Come provare l'inferenza NPU (utenti avanzati):
Considerazioni future
: Una voltaONNX Runtime
eDirectML
**maturare il loro supporto NPU (probabilmente 2024-2025), queste diventeranno alternative valide per l'inferenza!**In fondo alla riga
**: Mostrerò il percorso accelerato dalla GPU, ma noterò tutte le alternative solo della CPU.**È possibile avviare solo la CPU e l'aggiornamento più tardi!
Quello che stiamo costruendoIl sistema finale avrà diversi componenti:
Condotto per l'ingestione di marcatori verso il basso- Elabora tutti i post del blog, li ritaglia in modo intelligente e genera inserzioni
Banca dati vettoriale
- Memorizza e permette la ricerca semantica di contenuti simili
Applicazione client Windows
Un assistente di scrittura del desktop UI con l'editor e il pannello di suggerimento
Integrazione LLM
Inferenza accelerata GPU locale per la generazione di contenuti
Generazione di citazioni e collegamenti
Auto-suggests link interni e riferimenti ai post correlati
Motore di coerenza di stile
Imparare modelli da post esistenti per mantenere voce e struttura
Pensatelo come "GitHub Copilot incontra Grammarly" ma addestrato specificamente sul contenuto e lo stile del tuo blog.
Perche' "Avvocato GPT"?
Gli studi legali moderni utilizzano LLMs formati in vaste biblioteche di giurisprudenza per aiutare la bozza di documenti legali.
Quando si scrive un movimento, il sistema:
Riferimenti ai precedenti pertinenti e alle argomentazioni di successo del passato
Suggerisce modelli linguistici che hanno funzionato prima
Mantiene la coerenza con le norme giuridiche in materia di scrittura
oppurepgvector, Parte 4: Costruzione del gasdotto per l'ingestioneElaborazione di file markdown, strategie di chunking intelligenti (non è possibile dividere solo i paragrafi!), e generazione di inserzioni per tutti i nostri contenuti.
AvaloniaCity name (optional, probably does not need a translation)
, oppure
MAUICity name (optional, probably does not need a translation)
?), costruendo l'interfaccia utente, e rendendo in realtà piacevole da usare.
Parte 6: Integrazione LLM locale
Eseguire i modelli localmente usandoONNX Runtime
llama.cpplegami, o altri approcci.
**Facendo pieno uso di quell'A4000!**Parte 7: Generazione dei contenuti e Prompt Engineering
**Riunire tutto - ricerca semantica di contenuti rilevanti, gestione delle finestre di contesto, ingegneria rapida per la scrittura di assistenza, e la generazione di suggerimenti coerenti.**Parte 8: Caratteristiche avanzate e distribuzione della produzione
**Auto-linking ai post correlati, controllo coerenza stile, suggerimenti codice snippet, e rendere il sistema effettivamente utile per la scrittura quotidiana.**Perche' RAG?
Prima di tuffarci nell'architettura, parliamo del perché RAG (Retrieval Augmented Generation) è l'approccio giusto qui.
Il problema della fine-tuning
Si potrebbe pensare: "Perché non solo fine-tune un LLM su tutti i post del blog?" Ci sono diversi problemi con questo:
Costi e complessità
La messa a punto è costosa (sia nel calcolo che nello sforzo)
Instabilità
Ogni nuovo post sul blog significa riqualificazione
Scatola nera
Difficile capire che cosa il modello "imparato"
✅ Always up-to-date (just re-index new posts as you write them)
✅ Grounded in your actual writing (maintains consistency)
✅ Traceable (know which past posts influenced suggestions)
✅ Efficient (no expensive retraining for every new post)
✅ Flexible (can swap out LLMs or adjust search strategies)
✅ Privacy-preserving (everything runs locally)
Allucinazioni
Nessuna garanzia che il modello non si inventi le cose.
graph TB
A[Markdown Files] -->|Ingest| B[Chunking Service]
B -->|Text Chunks| C[Embedding Model]
C -->|Vectors| D[Vector Database]
E[User Writing] -->|Current Draft| F[Windows Client]
F -->|Embed Context| C
C -->|Query Vector| D
D -->|Similar Content| G[Context Builder]
G -->|Relevant Past Articles| H[Prompt Engineer]
H -->|Prompt + Context| I[Local LLM]
I -->|Generated Suggestions| J[Link Generator]
J -->|Suggestions + Citations| F
F -->|Display| K[Editor with Suggestions]
class C,I embedding
class D,K output
classDef embedding stroke:#333,stroke-width:4px
classDef output stroke:#333,stroke-width:4px
Nessuna citazione
Non si possono rintracciare facilmente le risposte alle fonti
Come RAG risolve questo
RAG combina il meglio di entrambi i mondi: la potenza degli LLM con la precisione della ricerca per creare una generazione di contenuti context-aware.
Il flusso è:
L'utente inizia a scrivere (ad esempio, "Costruire un'API REST con ASP.NET Core...")
Il sistema trova semanticamente simili articoli passati
Il sistema alimenta i pezzi rilevanti come contesto dell'LLMLLM genera suggerimenti/proseguimento basati su contenuti passati
Il sistema offre suggerimenti con riferimenti ai messaggi sorgente
Ciò significa:
Architettura di sistema
Lasciatemi scomporre i componenti chiave che costruiremo:
Condotto per l'ingestione di marcatori verso il basso
**Questa componente:**Leggi i file di markdown dalla directory del blog
: La strategia di "Chunking" ha un'importanza enorme.
Troppo piccolo e si perde il contesto.
**Troppo grande e si spreca la finestra contestuale di LLM.**Abbiamo bisogno di pezzi che siano semanticamente significativi - un pensiero o una sezione completa, non interruzioni arbitrarie dei paragrafi.
(open source all'avanguardia)**3.Banca dati vettoriale**Il database vettoriale memorizza embeddings e consente la ricerca veloce somiglianza.**Quando si sta scrivendo di "Docker comporre," trova il K più semanticamente simile contenuto passato - non solo corrisponde parole chiave, ma materiale concettualmente collegato.**Scelta della tecnologia
: Noi valuteremo:
QdrantCity name (optional, probably does not need a translation)
Moderno, scritto in Rust, eccellente cliente C#, Docker-friendly
pgvector
Estensione per PostgreSQL (stiamo già usando Postgres!)
WeaviateCity name (optional, probably does not need a translation)
- Un'altra opzione solida con un buon supporto .NET:
## Introduzione
