El autor desarrolló "streamhub", una solución en Go que usa Redis Streams para permitir flujos de LLM reanudables a través de SSE. Aborda problemas como desconexiones de clientes, consumo de tokens no deseado y señales de cancelación distribuidas para backends en Go, llenando un vacío de herramientas existente.
Tras quince años de experiencia, el autor decidió crear un framework Go de código abierto para agentes de IA, llamado eywa. Notó la falta de soluciones robustas y listas para producción en Go, más allá de simples envoltorios de SDKs.
Este artículo destaca cuatro proyectos Go populares en la página de tendencias de GitHub, tres de los cuales están directamente relacionados con la inteligencia artificial. Incluye un hub unificado de modelos de IA, un servicio para compartir suscripciones de API de IA y una puerta de enlace de IA empresarial de alto rendimiento.
El artículo detalla el desarrollo de "qrrot", una base de datos en memoria basada en Go que integra un asistente de IA Gemini para interacciones en lenguaje natural y ejecución autónoma de consultas. Ofrece una visión profunda de la arquitectura del proyecto, puntos de referencia y funcionamiento de la IA, abordando también puntos débiles y fallos arquitectónicos.
Este artículo describe un motor de redacción de PII de cero-asignación y ejecución local, construido en Go, diseñado para sanear grandes archivos de registro antes de alimentarlos a LLMs. La herramienta identifica y redacta eficientemente datos sensibles como correos electrónicos y direcciones IP, abordando desafíos comunes de privacidad y rendimiento en los flujos de trabajo de IA.
El autor construyó HAL-Proxy, una pasarela de Capa de Abstracción de Hardware de confianza cero en Go, para mitigar los riesgos de las alucinaciones de IA en robots físicos. Aborda la diferencia crítica entre fallas de IA en software y hardware, donde los errores pueden causar daños físicos.
El comportamiento agresivo de pánico de Go genera rastros de pila extensos, donde el 97% de las más de 2.000 líneas son ruido. Esto dificulta la depuración y la capacidad de las IAs para identificar rápidamente la información relevante.