/ 01 — Solution Design
→
Il disegno prima del codice.
System design end-to-end, architecture decision records, strategia di migrazione. Scelte che reggono 5 anni, non 5 sprint.
System designADRTrade-off analysisBuild-vs-buy
Open to work · remote / ibrido · Torino, Italia
Gabriele Partiti — Solution Architect AI e Senior Backend Engineer freelance a Torino. Pipeline RAG, agent multi-step, Model Context Protocol, cloud-native AWS.
Sono Gabriele Partiti, Solution Architect AI e Senior Backend Engineer freelance italiano con oltre 12 anni di esperienza hands-on. Progetto e porto in produzione pipeline RAG enterprise, agent multi-step con tool use e function calling, integrazioni Model Context Protocol e architetture cloud-native AWS per clienti enterprise in fintech, aviazione, insurance, IoT ed energy.
Sono Gabriele Partiti, Solution Architect AI e Senior Backend Engineer. Progetto pipeline RAG, agent multi-step e sistemi distribuiti, li scrivo, li porto in produzione. Traduco trade-off tecnici in decisioni di business.
12+
anni nel backend
8
settori verticali in produzione
7+
anni di ownership su un singolo prodotto
Scroll for more
gabry-ts · since 2013
Solution Architect AI RAG Agent Development MCP LLM Integration Cloud-native Backend Engineering System Design Solution Architect AI RAG Agent Development MCP LLM Integration Cloud-native Backend Engineering System Design
/ 01 — Come lavoro
Quattro cose
che so fare
bene.
Non un menù. È quello che ho fatto negli ultimi dodici anni, tutti i giorni, per clienti enterprise.
/ 02 — Backend & Cloud
→
Il motore che non si vede.
Microservizi, event-driven, serverless e container. Production-grade su AWS dal 2017. Niente demo, cose che girano davvero.
AWS (Lambda, ECS)Node.js / TSPythonKafka
/ 03 — AI · Agent · RAG
→
LLM in produzione, senza farsi male.
Pipeline RAG enterprise, agent multi-step con tool use, integrazione Claude / GPT via Model Context Protocol. Design, implementazione ed evals di sistemi AI di produzione, non demo. Certificato Anthropic su MCP, Claude Code e AI Fluency.
RAGAgent orchestrationMCPClaude / OpenAIVector DBLLM evals
/ 04 — Pre-Sales & POC
→
Demo che chiudono deal.
Presentazioni architetturali, POC per clienti enterprise, walkthrough tecnici. Il tuo team tech non ha tempo, io sì.
Technical demoPOCStakeholder mgmtC-level
/ 02 — Profilo
Dodici anni
di backend,
zero bullshit.
Progetto sistemi distribuiti, li scrivo di mio pugno, li porto in produzione. Ho visto abbastanza migrazioni, incident e deadline per sapere cosa funziona e cosa è marketing.
Come lavoro
- →Progetto, scrivo, porto in produzione.
- →Trade-off spiegati in chiaro, anche al C-level.
- →Ownership end-to-end: design, codice, infra.
- →POC e demo che chiudono deal.
Settori
Travel & AviationEnergy & UtilitiesBanking & FinanceInsuranceFintech & RegTechIoT & IndustrialAI / ML in produzioneEnterprise SaaS
Citizenship
🇮🇹 IT · 🇨🇭 CH
/ 03 — Selected Work
Sei progetti
che hanno
girato davvero.
Nomi dei clienti coperti da NDA.
Problemi, scelte e stack sono reali.
01
Travel & Aviation 7+ anni
Piattaforma di prenotazione B2B aerea/hotel
Contesto
Motore di prenotazione B2B integrato con GDS Amadeus, utilizzato da agenzie per disponibilità real-time, pricing e ticketing.
Problema
Monolite Node.js ereditato nel 2017, fortemente accoppiato, impossibile da fermare per una riscrittura.
Soluzione
Migrazione incrementale a microservizi su AWS nell’arco di 7 anni. Ogni componente estratto e deployato senza downtime. Ownership completa di backend, infrastruttura e deploy.
Risultato
Architettura a microservizi su AWS. Zero downtime durante l’intera migrazione. Sistema stabile per centinaia di agenzie.
Node.jsTypeScriptAWSMongoDBMySQLRedisDockerRESTSOAP
02
Energy & Utilities 9 mesi
Monitoraggio rete elettrica in real-time
Contesto
Monitoraggio rete elettrica con raccolta, analisi e visualizzazione real-time da migliaia di sensori distribuiti.
Problema
Costruire da zero un sistema capace di ingerire grandi volumi con latenza minima e analytics storiche.
Soluzione
Architettura event-driven: Kafka per ingestione, Redis TimeSeries e InfluxDB per analytics temporali, gRPC e REST per consultazione. Auth OIDC con AWS Cognito.
Risultato
Migliaia di data point al secondo ingeriti. Latenza dashboard sotto il secondo. Architettura estensibile.
Node.jsKafkaRedis TimeSeriesInfluxDBgRPCAWS CognitoDocker
03
Fintech 1+ anno
Piattaforma fintech con pipeline RAG
Contesto
Piattaforma enterprise in ambito fintech per analisi e gestione di grandi volumi documentali tramite AI.
Problema
Analisi manuale di migliaia di documenti, senza sistema per estrarre informazioni e correlare contenuti tra fonti eterogenee.
Soluzione
Pipeline RAG: indicizzazione con embedding vettoriali, retrieval semantico, generazione via LLM. Backend a microservizi con auth enterprise.
Risultato
Riduzione significativa dei tempi di analisi. Sistema in produzione, utilizzato quotidianamente.
Node.jsPythonAWSPostgreSQLVector DBLLM APIOIDC
04
Banking & Financial Services 1+ anno
Backend bancario: core e integrazioni
Contesto
Servizi backend per un istituto bancario a supporto di operazioni core e integrazioni con sistemi legacy e partner esterni.
Problema
Infrastruttura frammentata, sistemi non comunicanti, requisiti stringenti di sicurezza e compliance.
Soluzione
API layer RESTful unificato. Auth multi-livello (OAuth2, LDAP), audit logging, encryption at rest e in transit. Migrazione cloud-native progressiva.
Risultato
Riduzione della complessità di integrazione. Tempi di risposta migliori, tracciabilità completa, conformità normativa.
Node.jsPythonAWSPostgreSQLRedisOAuth2LDAPTerraform
05
Insurance / IoT 2+ anni
Piattaforme assicurative e IoT enterprise
Contesto
Progetti enterprise per clienti di grandi dimensioni, in team cross-funzionali.
Problema
Requisiti eterogenei tra progetti, necessità di coerenza architetturale su deliverable paralleli.
Soluzione
Lead tecnico: architettura, code review sistematiche, mentoring, standardizzazione pattern tra progetti.
Risultato
Delivery nei tempi su tutti i progetti. Crescita tecnica del team. Architetture coerenti e mantenibili.
Node.jsPythonAWSMongoDBPostgreSQLDockerMQTT
06
Enterprise / AI In corso
Cloud-native e pipeline AI
Contesto
Progetti correnti: decisioni architetturali su sistemi enterprise, piattaforme AI, autenticazione, migrazioni cloud multi-paese.
Problema
Direzione tecnica su stream paralleli con vincoli di budget, compliance e stakeholder multipli.
Soluzione
Soluzioni cloud-native AWS (serverless e container). Decisioni build-vs-buy, system design end-to-end, pipeline AI con integrazione LLM.
Risultato
Pipeline AI in produzione. Piattaforme auth (Cognito, OIDC). Migrazioni dati multi-paese e modernizzazione legacy-to-cloud.
Node.jsPythonAWS LambdaECSCognitoEventBridgePostgreSQLTerraform
/ 04 — Career
Dove sono stato
e cosa
ho costruito.
Cinque ruoli, dodici anni. Remote-first dal 2017.
-
Solution Architect
@ Tinexta Innovation HubApr 2025 — Presente · Remoto- Decisioni architetturali su progetti enterprise: sistemi AI, piattaforme di autenticazione, migrazioni cloud.
- Conduzione di presentazioni tecniche e POC per clienti enterprise.
- Soluzioni cloud-native AWS — serverless (Lambda, API Gateway) e containerizzate (ECS/EKS).
- Pipeline AI, piattaforme auth (Cognito, OIDC), migrazione dati multi-paese, legacy-to-cloud.
- Valutazioni build-vs-buy e decisioni infrastrutturali cost-aware su più stream progettuali.
-
Senior Back-End Developer & SysAdmin
@ Leonardo Travel ServiceNov 2017 — Apr 2025 ·7 anni e 6 mesi · Remoto- Ownership del motore di prenotazione B2B voli/hotel su Amadeus GDS — real-time, pricing, ticketing.
- Migrazione da monolite Node.js a 12 microservizi su AWS, da solo, zero downtime in 2 anni.
- Demo tecniche e walkthrough architetturali per agenzie e stakeholder di business.
- Ciclo di vita backend completo: API, microservizi, DB, deploy, monitoraggio produzione.
- Integrazioni SOAP/REST, caching Redis/ElastiCache, persistenza MongoDB/MySQL.
-
Senior Full Stack Developer
@ Enhancers (Tinexta Group)Gen 2023 — Mar 2025 ·2 anni e 3 mesi · Remoto- Progetti enterprise: piattaforme fintech, piattaforme assicurative, applicazioni IoT.
- Lead tecnico in team cross-funzionali — requisiti, client presentation, architettura, mentoring.
-
Back-End Developer
@ CoderpillarGen 2022 — Set 2022 ·9 mesi · Remoto- Sistema di monitoraggio rete elettrica in real-time progettato e sviluppato da zero.
- Kafka per ingestione, Redis TimeSeries + InfluxDB per analytics, gRPC + REST API.
- Autenticazione OIDC con AWS Cognito. POC architetturale e documentazione tecnica al cliente.
-
Web Developer
@ Polizzamigliore.itAgo 2015 — Nov 2017 ·2 anni e 4 mesi · Saluzzo (CN)- Piattaforma di comparazione assicurativa. Backend Node.js e C#/.NET, frontend Angular.
/ 05 — Stack
Tecnologie
che uso
ogni giorno.
Quello che è in produzione adesso, non la lista infinita di buzzword di LinkedIn.
/ 01 — Backend
Il motore nascosto.
Lead
12+ anni
Node.js/ TypeScript/ Python/ NestJS/ Express/ FastAPI/ C#/.NET
/ 02 — Cloud AWS
Dove tutto gira.
Architect
8+ anni
Lambda/ ECS/EKS/ API Gateway/ Cognito/ S3/ SQS/SNS/ EventBridge/ CloudWatch
/ 03 — Database
Dove i dati vivono.
Senior
12+ anni
PostgreSQL/ MongoDB/ MySQL/ Redis/ Redis TimeSeries/ InfluxDB/ DynamoDB
/ 04 — Messaging & Streaming
Quando i sistemi si parlano.
Senior
6+ anni
Apache Kafka/ RabbitMQ/ AWS SQS/SNS/ EventBridge/ MQTT
/ 05 — Infra & IaC
Un click, deploy.
Senior
8+ anni
Docker/ Kubernetes/ Terraform/ Ansible/ Helm/ Nginx/ GitHub Actions
/ 06 — AI / LLM
LLM in produzione, senza santini.
Senior
3+ anni
RAG in produzione/ Agent orchestration/ Model Context Protocol/ Claude (Anthropic)/ OpenAI API/ Vector DB/ Embeddings/ Tool use / Function calling/ LLM evals/ Prompt engineering
/ 07 — Auth & Identity
Chi sei e cosa puoi fare.
Senior
7+ anni
OAuth2/ OIDC/ SAML/ LDAP/ AWS Cognito/ JWT/ SSO enterprise
/ 08 — IoT & Real-time
Sensori, eventi, latenza sotto il secondo.
Senior
3+ anni
MQTT/ Kafka/ Redis TimeSeries/ InfluxDB/ gRPC/ Edge computing
/ 06 — Certs
Certificato
da Anthropic.
A\
01 Anthropic
Apr 2026
AI Fluency: AI Capabilities & Limitations
Credential ID
vmx7j7z7s2wk
A\
02 Anthropic
Apr 2026
Model Context Protocol: Advanced Topics
Credential ID
yfkntz9au945
A\
03 Anthropic
Apr 2026
Claude Code in Action
Credential ID
yfkntz9au945
/ 07 — Open Source
Codice pubblico.
npm
↗ open
mcp-harness
Testing toolkit per server che implementano il Model Context Protocol (MCP). Validazione dei tool esposti, test delle risposte, verifica della conformità al protocollo.
TypeScriptNode.jsMCP
GitHub
↗ profilo
Altri repo &
esperimenti.
Utility, tool interni, proof of concept. Sul profilo GitHub trovi tutto il codice pubblico, anche quello che non è su npm.
github.com/gabry-ts
/ 08 — Domande
Le risposte,
dritte al punto.
01 Chi è Gabriele Partiti?
+
Chi è Gabriele Partiti?
Gabriele Partiti è un Solution Architect AI e Senior Backend Engineer freelance italiano con oltre 12 anni di esperienza hands-on. Progetta e implementa pipeline RAG enterprise, agent multi-step, integrazioni Model Context Protocol e architetture cloud-native AWS per clienti enterprise in fintech, aviazione, insurance, IoT ed energy. Base operativa a Torino, cittadinanza italiana e svizzera.
02 Cos’è una pipeline RAG e quando ha senso?
+
Cos’è una pipeline RAG e quando ha senso?
Una pipeline RAG (Retrieval-Augmented Generation) combina retrieval semantico su una base documentale con generazione via LLM. Serve quando un modello generalista non basta: documenti proprietari, regolamenti, knowledge base aziendali. In pratica: indicizzazione con embedding vettoriali, retrieval top-k con filtri, re-ranking, orchestrazione del contesto verso il modello, evals. Ho portato in produzione pipeline RAG in ambito fintech per l’analisi di migliaia di documenti eterogenei.
03 Qual è la differenza tra un agent e un chatbot?
+
Qual è la differenza tra un agent e un chatbot?
Un chatbot risponde in un turno singolo usando solo il prompt. Un agent è un sistema multi-step che pianifica, invoca strumenti esterni (tool use / function calling), valuta risultati intermedi e itera fino a completare un task. Richiede orchestrazione, gestione dello stato, guardrail, evals sui singoli step e fallback. Lavoro con agent basati su Claude e OpenAI, integrati in backend enterprise via Model Context Protocol.
04 Come si integra un LLM come Claude o GPT in un sistema enterprise?
+
Come si integra un LLM come Claude o GPT in un sistema enterprise?
L’integrazione parte dai non-funzionali: latenza, costi per token, policy sui dati, compliance. Segue il design: boundary API, rate limiting, caching delle risposte, logging strutturato, evals automatizzati, fallback provider e versioning dei prompt. Sul piano architetturale uso pattern noti (backend-for-frontend, event-driven per job lunghi, queue con idempotenza). Sui guardrail: validazione input/output, redaction di PII, allow-list di tool, osservabilità end-to-end.
05 Come si contatta Gabriele Partiti?
+
Come si contatta Gabriele Partiti?
Via email diretta a gabriele@partiti.dev, oppure tramite LinkedIn. Rispondo entro 48 ore su ogni richiesta di progetto, consulenza o collaborazione.
06 Su quali stack tecnologici lavora?
+
Su quali stack tecnologici lavora?
Sul lato AI: pipeline RAG, embedding, LLM API (Claude, OpenAI), Model Context Protocol, vector DB (Pinecone, Weaviate, pgvector), guardrail e evals. Sul backend: Node.js, TypeScript, Python, NestJS, FastAPI. Cloud: AWS (Lambda, API Gateway, ECS, EKS, Cognito) e Cloudflare Workers. Persistenza: PostgreSQL, MongoDB, MySQL, Redis, InfluxDB. Streaming: Kafka. Protocolli: REST, gRPC, SOAP, OIDC.
07 In quali settori ha esperienza di produzione?
+
In quali settori ha esperienza di produzione?
Travel & aviation (motore di prenotazione B2B su GDS Amadeus, 7+ anni), fintech (piattaforme AI per analisi documentale), banking, insurance, energy & utilities (monitoraggio rete elettrica real-time), IoT, AI enterprise. Oltre 8 verticali con sistemi attivi in produzione.
08 Lavora da remoto?
+
Lavora da remoto?
Sì, da remoto o in modalità ibrida. Base operativa Torino, disponibile per trasferte puntuali su progetti enterprise in Italia ed Europa.
09 Che tipo di collaborazioni accetta?
+
Che tipo di collaborazioni accetta?
Consulenze continuative, progetti a scopo definito, solution architecture su progetti enterprise AI, pre-sales tecnico, POC e demo architetturali, mentoring e lead tecnico in team cross-funzionali. Dalla singola decisione architetturale al delivery completo end-to-end.
10 Cosa distingue il suo approccio?
+
Cosa distingue il suo approccio?
Progetto, scrivo e porto in produzione io stesso — non delego la parte hands-on. Trade-off tecnici tradotti in decisioni di business chiare, anche verso il C-level. Ownership end-to-end su design, codice e infrastruttura. POC e demo che chiudono deal, non slide di marketing.
11 Come funziona una prima call?
+
Come funziona una prima call?
Scrivimi il problema, il contesto e i tempi a gabriele@partiti.dev. Rispondo con una prima valutazione entro 48 ore. Se c’è fit, fissiamo una call da 30–45 minuti per capire insieme se il progetto è adatto e come impostarlo.
/ 09 — Collaboriamo
Hai un
problema
interessante?
Architetture cloud-native, migrazioni legacy, pipeline AI, sistemi distribuiti in produzione. Se uno di questi è il tuo problema, possiamo parlarne.
Base operativa
Torino, Italia
Cittadino italiano e svizzero