Sono Gabriele Partiti, Senior Backend Engineer, Cloud & Platform Architect e Solution Architect AI freelance italiano con oltre 12 anni di esperienza hands-on. Progetto, scrivo e porto in produzione sistemi distribuiti su AWS, pipeline di automazione CI/CD con GitHub Actions e Terraform, migrazioni legacy-to-cloud zero downtime, server MCP (Model Context Protocol), pipeline RAG enterprise, agent multi-step con tool use e function calling per clienti enterprise in fintech, aviazione, banking, insurance, IoT ed energy. Oltre 70 microservizi portati in produzione tra tutti i progetti, oltre 170 workflow CI/CD shipped. AI in produzione dal 2022. Claude Community Ambassador per Anthropic e co-founder di ClaudeTorino. Base Torino, remote o ibrido su tutta Italia ed Europa.
Sono Gabriele Partiti, Senior Backend Engineer, Cloud Architect e Solution Architect AI. Costruisco backend, automazioni e pipeline AI che non si rompono. Progetto, scrivo e porto in produzione. Traduco trade-off tecnici in decisioni di business.
Quello che ho fatto negli ultimi dodici anni, tutti i giorni, per aziende grandi e piccole. Backend, infra, automazioni, AI in produzione dal 2022.
System design end-to-end, architecture decision records, strategia di migrazione. Scelte che reggono 5 anni, non 5 sprint. Trade-off spiegati in chiaro, anche al C-level.
Microservizi, event-driven, serverless e container su AWS dal 2017. Oltre 70 microservizi portati in produzione tra tutti i progetti, ognuno ereditato, estratto o scritto da zero e portato live.
Pipeline CI/CD, infrastructure-as-code con Terraform, workflow automation per processi di business, server MCP che collegano LLM a sistemi interni. Oltre 170 workflow GitHub Actions che girano tutti i giorni al posto di qualcuno.
Strategia, piano ed esecuzione di migrazioni legacy-to-cloud e monolite-to-microservizi. Strangler fig, feature flag, deploy progressivi, niente big-bang. Da un monolite Node.js ereditato nel 2017 ho estratto da solo 12 microservizi su AWS in 2 anni, e in 7 anni non c’è stato un solo incident customer-facing.
Pipeline RAG, agent multi-step con tool use e function calling, integrazione Claude e GPT via Model Context Protocol. Dal design agli evals, fino al deploy in produzione.
Presentazioni architetturali, POC per clienti enterprise, walkthrough tecnici di fronte a buyer e CTO. Se il tuo team non ha tempo di seguire il pitch tecnico, me ne occupo io fino al POC funzionante.
Progetto sistemi distribuiti, li scrivo di mio pugno, li porto in produzione. Dodici anni di backend hands-on, 70+ microservizi portati in produzione, 170+ pipeline CI/CD shipped, zero downtime su migrazioni multi-anno. Ho visto abbastanza incident e deadline per sapere cosa funziona e cosa è marketing.
Nomi coperti da NDA.
I settori e i sistemi sono reali. Tutti in produzione, tutti enterprise.
Piattaforma B2B con centinaia di agenzie su GDS Amadeus
Istituto bancario italiano, API layer unificato, auth multi-livello e integrazioni legacy
Monitoraggio rete elettrica real-time con Kafka e time-series database
Pipeline AI per analisi documentale e knowledge retrieval su volumi enterprise
Piattaforme enterprise multi-cliente in lead tecnico cross-funzionale
Architetture MQTT ed edge, ingestion ad alto volume da sensori distribuiti
Vector matching su Qdrant, 100k+ record processati in minuti
Migrazioni cloud multi-paese e modernizzazione legacy-to-cloud
Nomi dei clienti coperti da NDA.
Problemi, scelte e stack sono reali.
Motore di prenotazione B2B integrato con GDS Amadeus, utilizzato da agenzie per disponibilità real-time, pricing e ticketing.
Monolite Node.js ereditato nel 2017, fortemente accoppiato, impossibile da fermare per una riscrittura.
Migrazione incrementale a microservizi su AWS con strangler fig pattern: 12 microservizi estratti da solo in 2 anni. Ogni componente estratto e deployato senza downtime. Ownership completa di backend, infrastruttura e deploy.
Architettura a microservizi su AWS. Zero downtime durante l’intera migrazione. Sistema stabile per centinaia di agenzie.
Monitoraggio rete elettrica con raccolta, analisi e visualizzazione real-time da migliaia di sensori distribuiti.
Costruire da zero un sistema capace di ingerire grandi volumi con latenza minima e analytics storiche.
Architettura event-driven: Kafka per ingestione, Redis TimeSeries e InfluxDB per analytics temporali, gRPC e REST per consultazione. Auth OIDC con AWS Cognito.
Migliaia di data point al secondo ingeriti. Latenza dashboard sotto il secondo. Architettura estensibile.
Piattaforma enterprise in ambito fintech per analisi e gestione di grandi volumi documentali tramite AI.
Analisi manuale di migliaia di documenti, senza sistema per estrarre informazioni e correlare contenuti tra fonti eterogenee.
Pipeline RAG end-to-end: indicizzazione con embedding vettoriali su Qdrant, retrieval ibrido semantic + BM25, re-ranking, generazione via LLM, evals automatizzati. Backend a microservizi con auth enterprise.
Riduzione significativa dei tempi di analisi. Sistema in produzione, utilizzato quotidianamente.
Servizi backend per un istituto bancario a supporto di operazioni core e integrazioni con sistemi legacy e partner esterni.
Infrastruttura frammentata, sistemi non comunicanti, requisiti stringenti di sicurezza e compliance.
API layer RESTful unificato. Auth multi-livello (OAuth2, LDAP), audit logging, encryption at rest e in transit. Migrazione cloud-native progressiva con Terraform.
Riduzione della complessità di integrazione. Tempi di risposta migliori, tracciabilità completa, conformità normativa.
Oltre dieci progetti enterprise paralleli per clienti di grandi dimensioni, in team cross-funzionali.
Requisiti eterogenei tra progetti, necessità di coerenza architetturale, automation e velocità di delivery su deliverable paralleli.
Lead tecnico: architettura, code review sistematiche, mentoring, standardizzazione pattern tra progetti. Pipeline CI/CD GitHub Actions replicabili, test automation, release automation.
Delivery nei tempi su tutti i progetti. Crescita tecnica del team. Architetture coerenti e mantenibili.
Progetti correnti: decisioni architetturali su sistemi enterprise, piattaforme AI, autenticazione, automation di business e migrazioni cloud multi-paese.
Direzione tecnica su stream paralleli con vincoli di budget, compliance e stakeholder multipli.
Soluzioni cloud-native AWS (serverless e container). Decisioni build-vs-buy, system design end-to-end, pipeline AI con integrazione LLM, server MCP custom, automation di processi di business.
Pipeline AI in produzione. Piattaforme auth (Cognito, OIDC). Migrazioni dati multi-paese e modernizzazione legacy-to-cloud.
Quattro step, zero ambiguità.
Lo stesso processo su ogni progetto, dalla discovery all’handover. Che sia una PMI o un gruppo enterprise, cambia la scala e non il metodo.
Call da 30-45 minuti. Problema, contesto, vincoli, stakeholder, compliance. Se c’è fit preparo una scheda tecnica con scope, rischi, tempi e costi. Se non c’è fit te lo dico subito, senza farti perdere settimane.
Architecture Decision Records scritti, trade-off esplicitati, decisioni build-vs-buy, stima costi cloud, piano di migrazione. Presentazione tecnica al tuo team e al C-level se serve. Al termine tu hai una roadmap, io ho uno scope chiaro.
Scrivo io il codice. Deploy continuo in staging dalla settimana uno, review sprint-by-sprint. Test automatici su ogni PR, observability end-to-end, feature flag per deploy progressivi. Ownership totale sul delivery fino alla produzione.
Documentazione operativa, runbook per incident, training al tuo team, repository pulito e navigabile. Supporto continuativo opzionale via retainer, o handover completo a chi tiene il sistema long-term.
Cinque ruoli, dodici anni. Remote-first dal 2017.
Solo quello che uso in produzione adesso. Se non c’è nella lista, non l’ho mai messo live su un cliente.
Workshop in azienda tenuti da chi usa Claude in produzione tutti i giorni. Metodo, demo sul vostro contesto e poi si costruisce: ogni partecipante esce con qualcosa che funziona.
Setup del progetto, CLAUDE.md, hook, permessi e sub-agent. Come farlo lavorare su un repository vero senza perdere il controllo: task piccoli, review, test, integrazione in CI.
Il vostro repository configurato e un workflow di team già usato su task reali.
Progettare server Model Context Protocol che espongono database, API interne e documenti come tool. Autenticazione, rate limiting, versioning degli schemi, test di conformità con mcp-harness.
Un server MCP funzionante collegato a un vostro sistema interno.
Tool use, retrieval, orchestrazione multi-step. Evals, guardrail, costi per token e osservabilità: tutto quello che separa una demo da un sistema che regge in produzione.
Un prototipo sul vostro caso d’uso, con evals misurabili.
Projects, Skills e connettori per ricerca, analisi, documenti e processi ripetitivi. Regole chiare su dati e sicurezza, per usarlo ogni giorno senza dipendere dall’IT.
Uno o due flussi di lavoro pronti, costruiti sulle vostre attività.
Testing toolkit per server che implementano il Model Context Protocol (MCP). Validazione dei tool esposti, test delle risposte, verifica della conformità al protocollo.
Piccole app native per macOS, open source con licenza GPL. Tuuli: temperature e controllo ventole su Apple Silicon. Kaiku: registra e trascrive le call, senza bot e senza abbonamento. Kiito: scroll con la trackball tenendo premuto un tasto.
Utility, tool interni, proof of concept. Sul profilo GitHub trovi tutto il codice pubblico, anche quello che non è su npm.
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.
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.
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.
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.
GitHub Actions come standard: oltre 170 workflow CI/CD in esercizio sui progetti in cui lavoro. Ogni pull request passa lint, type check, test unitari e integration test prima del merge. Deploy multi-stage con approval gate su produzione. Infrastructure-as-code con Terraform per AWS e manifest Kubernetes versionati su Git. Sul runtime: osservabilità strutturata (CloudWatch, logs JSON, tracing), rollback rapido su errori critici, feature flag per deploy progressivi. Sul motore di prenotazione B2B ho estratto da solo 12 microservizi dal monolite in 2 anni, e in 7 anni non ho avuto downtime customer-facing.
Tutto quello che toglie lavoro manuale ripetitivo. Sul lato developer, significa workflow GitHub Actions che generano release note, chiudono issue e fanno ship ogni giorno, hook Husky per i commit e code generation dove ha senso. Sul lato processi di business, collego CRM, ERP, tool interni, ticketing e posta con workflow tool (GitHub Actions con scheduler, serverless AWS, soluzioni low-code come n8n o Make a seconda del caso) o con un backend dedicato se il caso lo richiede. E sul lato AI, server MCP (Model Context Protocol) che espongono tool e risorse interne agli LLM, più agent che eseguono task multi-step. Il criterio è sempre lo stesso: se il costo della persona che fa il lavoro a mano supera il costo di costruire il sistema, automatizzo.
Sono autore di mcp-harness su npm, un toolkit di testing per server MCP che valida la conformità al protocollo, i tool esposti e le risposte. Ho progettato e implementato server MCP custom che espongono fonti dati proprietarie (database, API interne, knowledge base documentale) come tool consumabili da Claude Code e da agent di produzione. Gestione completa di autenticazione, rate limiting per client, logging e versioning degli schemi.
Sì. Terraform e AWS CloudFormation su tutti gli ambienti, Kubernetes (ECS/EKS) per workload containerizzati, Docker Compose per ambienti locali e staging. Setup multi-account AWS con guardrail IAM, multi-region per workload critici, cost monitoring via CloudWatch e budget alarm. Su Kubernetes: Helm chart versionati, GitOps via GitHub Actions, horizontal pod autoscaling. Lo stesso approccio è applicabile su Azure e GCP con stack equivalenti.
Via email diretta a gabriele@partiti.dev, oppure tramite LinkedIn. Rispondo entro 48 ore su ogni richiesta di progetto, consulenza o collaborazione.
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.
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.
Sì, da remoto o in modalità ibrida. Base operativa Torino, disponibile per trasferte puntuali su progetti enterprise in Italia ed Europa.
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.
Di regola scrivo io il codice. Non delego la parte hands-on a meno che non ci sia un motivo preciso. Trade-off tecnici tradotti in decisioni di business chiare, anche verso il C-level. Ownership end-to-end su design, codice e infrastruttura, e POC che funzionano sul serio quando arrivano in sala riunioni.
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 o 45 minuti per capire insieme se il progetto è adatto e come impostarlo.
Architetture cloud-native, migrazioni legacy, pipeline AI, sistemi distribuiti in produzione. Se uno di questi è il tuo problema, possiamo parlarne.
Torino, Italia
Cittadino italiano e svizzero