Hackathon | Stefano Blando

Multi-Agent Orchestration

Wed, 18 Mar 2026 00:00:00 +0000

Questo progetto puo essere letto come un sistema di coordinamento economico in tempo reale sotto fasi mutevoli, informazione parziale e vincoli temporali stringenti.

Il sistema e strutturato come un livello di orchestrazione multi-agente event-driven. Ascolta il gioco tramite eventi SSE, mantiene una rappresentazione runtime dell’ambiente e cambia strategia in base alla fase corrente: aggiornamento della policy, asta di procurement, riconciliazione dell’inventario e fulfillment.

Cio che rende interessante il progetto non e solo l’uso di piu agenti, ma il modo in cui l’orchestrazione e legata alla robustezza operativa. In fasi diverse si attivano insiemi diversi di capacita, mentre persistenza locale, metriche e replay analysis aiutano a rendere le decisioni piu stabili in condizioni runtime rumorose.

In pratica, e un buon esempio di progetto in cui il design agentico doveva poggiare sull’affidabilita esecutiva e non soltanto su prompting generico. Il pattern piu profondo e il coordinamento basato su aste con vincoli di inventario e gestione della domanda.

Interactive Explorer

L’app interattiva si concentra sul nucleo ingegneristico del progetto: event loop live, stato runtime condiviso, interazione stilizzata tra agenti, agenti specifici per fase, partizionamento delle capacita, memoria limitata e replay dei KPI.

E presentata intenzionalmente come runtime architecture explorer, non come una falsa dashboard di benchmark. L’obiettivo e rendere leggibile la logica di orchestrazione nello stesso linguaggio visivo usato per le app Island Model e PFSE, con enfasi su coordinamento, aste e fulfillment.

RiskSentinel - Simulatore Agentico di Rischio Sistemico

Sun, 15 Mar 2026 00:00:00 +0000

RiskSentinel e un simulatore agentico di rischio sistemico costruito attorno a una domanda che trovo insieme pratica e concettualmente interessante: se un grande nodo finanziario viene colpito da uno shock, come possiamo rendere la propagazione di quello stress visibile, confrontabile e spiegabile in tempo reale?

Sviluppato per il Microsoft AI Dev Days Hackathon 2026, il progetto combina tre modelli di contagio, analytics topology-aware e un workflow multi-agente bounded sopra dati di rete di mercato di livello research-grade. Lo scopo non e solo simulare le cascades, ma renderle piu facili da ispezionare tramite interazione in linguaggio naturale, visualizzazione interattiva e confronto tra modelli.

Cio che fa funzionare il progetto e la combinazione di livelli che spesso restano separati: un vero motore di simulazione di rete, un’interfaccia che rende i risultati esplorabili e un livello agentico che aiuta a interpretare cio che sta accadendo senza fingere di sostituire il motore quantitativo sottostante.

Il risultato e un prototipo pratico per il monitoraggio del rischio sistemico, a cavallo tra finanza quantitativa, sistemi complessi e supporto decisionale assistito da AI.

Puoi esplorare il progetto qui:

RiskSentinel for Microsoft AI Dev Days 2026

Sun, 15 Mar 2026 00:00:00 +0000

RiskSentinel e il progetto che ho sviluppato per il Microsoft AI Dev Days Hackathon 2026.

L’idea di fondo era creare un sistema capace di rendere il rischio sistemico piu esplorabile e piu tangibile: invece di trattare il contagio come un output astratto in un paper o in un notebook, volevo un’interfaccia in cui gli shock potessero essere lanciati, propagati, confrontati e interpretati in tempo reale.

Il progetto combina network science, contagion modeling e agentic AI su dati di rete finanziaria di livello research-grade che coprono 210 titoli dell’S&P 500 e 3.081 snapshot giornaliere. Sotto il cofano integra tre modelli di propagazione, interactive network analytics con Streamlit e Plotly e un workflow agentico costruito con Microsoft Agent Framework e Azure OpenAI.

Quello che mi piace di piu di questo progetto e che si colloca esattamente al confine tra i miei interessi di ricerca e la prototipazione pratica: reti finanziarie, sistemi complessi, supporto decisionale e agenti AI nello stesso strumento.

👉
GitHub:
App:

Previsione del Rischio nelle Reti Gas

Fri, 01 Nov 2024 00:00:00 +0000

Questo progetto e stato sviluppato per l’Hera Group Hackathon, dove ha ottenuto il 2 posto. Il compito era rilevare il rischio di perdite gas in un contesto dominato da forte sbilanciamento, eventi rari e incertezza operativa.

La pipeline combina feature engineering geospaziale-temporale con data augmentation sintetica tramite CTGAN e TimeGAN, e usa poi SHAP per mantenere il modello finale interpretabile e non soltanto predittivo.

Quello che continuo ad apprezzare di questo progetto e il suo equilibrio tra pragmatismo e metodo: e un progetto da hackathon, ma riflette gia un approccio che uso spesso, cioe rendere piu robusti problemi predittivi difficili senza rinunciare alla spiegabilita.