Sto pensando di cambiare carriera per diventare ingegnere AI, ma la maggior parte dei materiali di studio trovati online sono tutorial sparsi o articoli generati da AI, rendendo difficile trovare una guida sistematica. Ho appena scoperto su GitHub il progetto open source AI Engineering Field Guide, basato su 1765 descrizioni di lavoro reali e esperienze di colloqui, è guidato dai dati ed è molto pratico. L'autore ha analizzato i requisiti delle posizioni, le competenze richieste, il processo di colloquio, casi reali, e ha fornito percorsi di apprendimento per ingegneri con background diversi, come dati, backend e frontend. GitHub: I contenuti coprono l'analisi dei ruoli e delle competenze, una guida completa alla preparazione per i colloqui, una selezione di risorse di apprendimento per ingegneri AI, oltre a dati reali sul mercato del lavoro e casi di progetto. Inoltre, sono stati raccolti i processi di colloquio e le esperienze di 51 aziende, tra cui OpenAI, Anthropic, Google e Meta, e ci sono 17 analisi di casi di compiti da casa reali. Se stai considerando di diventare ingegnere AI o vuoi comprendere sistematicamente la realtà di questo ruolo, questa guida è da tenere a mente.

Oggi il progetto open source Hermes Agent è in cima alla classifica di GitHub, molto interessante. Un AI Agent con un meccanismo di ciclo di apprendimento completo integrato, in grado di auto-evolversi e crescere insieme a noi. Creerà automaticamente abilità dall'uso reale, si migliorerà durante l'esecuzione e si ricorderà di informazioni importanti. Inoltre, può accumulare la comprensione di te stesso attraverso la cronologia delle conversazioni e tra le sessioni, il che significa che più lo usi, più ti comprende. GitHub: In aggiunta, ha un pianificatore di attività integrato che può impostare compiti automatizzati come report giornalieri e backup regolari in linguaggio naturale. Fornisce anche un'interfaccia terminale completa, supportando l'editing multi-linea, il completamento automatico dei comandi, la cronologia delle sessioni e altre funzionalità. Se desideri un assistente AI personale con memoria e crescita accompagnata, questo progetto può essere implementato per un'esperienza di prova.

Gestire più agenti intelligenti AI, desiderando vedere in tempo reale cosa stanno facendo, le cronologie delle chat, i progressi delle attività e persino i costi. Ma gli strumenti esistenti hanno funzionalità disperse o richiedono configurazioni aggiuntive delle chiavi API, risultando piuttosto complicati. Ho visto per caso ClawPort, un progetto open source, un centro di comando visivo progettato per il team di agenti intelligenti OpenClaw, un'interfaccia per gestire tutti gli agenti. Basta collegare il gateway OpenClaw locale per ottenere una mappa organizzativa, le conversazioni degli agenti, un kanban, il monitoraggio delle attività programmate, il tracciamento dei costi, il flusso di log in tempo reale e un browser della memoria. GitHub: Fornisce una mappa organizzativa interattiva, supporta chat testuali in streaming, riconoscimento visivo degli allegati delle immagini e riproduzione delle forme d'onda dei messaggi vocali. Inoltre, offre un kanban per l'assegnazione delle attività tramite drag-and-drop, monitoraggio in tempo reale dello stato delle attività programmate e un cruscotto per l'analisi dell'uso dei token e dei costi, inclusi grafici dei costi giornalieri, rilevamento delle anomalie e tendenze settimanali. Scoperta automatica degli agenti nell'area di lavoro OpenClaw, senza necessità di file di configurazione, offre cinque temi da cambiare, e può essere avviato rapidamente tramite installazione globale di npm.