Aggiornato il README.md per riflettere il nuovo obiettivo del progetto e migliorata la sezione di installazione. Spostata la demo di Ollama per mostrare funzionalità chiave.

demos/ollama_demo.py

@@ -0,0 +1,161 @@
+#!/usr/bin/env python3
+"""
+Demo di Ollama (Python) – mostra:
+    1. Elenco dei modelli disponibili
+    2. Generazione di testo semplice
+    3. Chat con streaming
+    4. Calcolo di embeddings
+    5. Esempio (opzionale) di function calling / tools
+
+Uso:
+    python ollama_demo.py
+
+Requisiti:
+    pip install ollama
+    Avviare il server Ollama (es. 'ollama serve' o l'app desktop) e avere i modelli già pullati.
+"""
+
+import ollama
+
+# Configurazione modelli
+MODEL = 'gpt-oss:latest'                # modello principale per testo/chat
+EMBEDDING_MODEL = 'mxbai-embed-large:latest'  # modello dedicato embeddings (richiede supporto embeddings)
+
+# 1. Elenco dei modelli -------------------------------------------------------
+
+def list_models():
+    """Stampa i modelli caricati nel server Ollama."""
+    print("\n[1] Modelli disponibili:")
+    try:
+        response = ollama.list()
+        models = getattr(response, 'models', []) or (response.get('models', []) if isinstance(response, dict) else [])
+        if not models:
+            print("  (Nessun modello trovato)")
+            return
+        for m in models:
+            name = getattr(m, 'model', None) or (m.get('model') if isinstance(m, dict) else 'sconosciuto')
+            details = getattr(m, 'details', None)
+            fmt = getattr(details, 'format', None) if details else 'unknown'
+            print(f"  • {name} – {fmt}")
+    except Exception as e:
+        print(f"  ❌ Errore durante il listing: {e}")
+
+
+# 2. Generazione di testo ------------------------------------------------------
+
+def generate_text(model: str, prompt: str, max_tokens: int = 200) -> str:
+    """Genera testo dal modello indicato."""
+    print(f"\n[2] Generazione testo con '{model}'")
+    response = ollama.chat(
+        model=model,
+        messages=[{"role": "user", "content": prompt}]
+    )
+    text = response['message']['content']
+    print("Risposta:\n" + text + "\n")
+    return text
+
+
+# 3. Chat con streaming --------------------------------------------------------
+
+def chat_streaming(model: str, messages: list) -> str:
+    """Esegue una chat mostrando progressivamente la risposta."""
+    print(f"\n[3] Chat (streaming) con '{model}'")
+    stream = ollama.chat(model=model, messages=messages, stream=True)
+    full = ""
+    for chunk in stream:
+        if 'message' in chunk and 'content' in chunk['message']:
+            part = chunk['message']['content']
+            full += part
+            print(part, end="", flush=True)
+    print("\n")
+    return full
+
+
+# 4. Embeddings ----------------------------------------------------------------
+
+def get_embedding(model: str, text: str):
+    """Calcola embedding del testo col modello specificato (se supportato)."""
+    print(f"\n[4] Embedding con '{model}'")
+    try:
+        r = ollama.embeddings(model=model, prompt=text)
+    except ollama.ResponseError as e:
+        print(f"  ⚠️ Il modello '{model}' non supporta embeddings o errore API: {e}")
+        return None
+    emb = r['embedding']
+    print(f"Dimensione embedding: {len(emb)} (prime 5: {emb[:5]})")
+    return emb
+
+
+# 5. Function calling / Tools (opzionale) --------------------------------------
+
+def try_tools(model: str):
+    """Esempio di function calling; se non supportato mostra messaggio informativo."""
+    print(f"\n[5] Function calling / tools con '{model}'")
+    tools = [
+        {
+            "type": "function",
+            "function": {
+                "name": "get_current_weather",
+                "description": "Ottiene condizioni meteo sintetiche di una località (demo)",
+                "parameters": {
+                    "type": "object",
+                    "properties": {
+                        "location": {"type": "string", "description": "Città"},
+                        "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
+                    },
+                    "required": ["location"]
+                }
+            }
+        }
+    ]
+    try:
+        response = ollama.chat(
+            model=model,
+            messages=[{"role": "user", "content": "Che tempo fa a Milano?"}],
+            tools=tools
+        )
+        msg = response['message']
+        if 'tool_calls' in msg and msg['tool_calls']:
+            tool_call = msg['tool_calls'][0]
+            print("Richiesta funzione:", tool_call['function']['name'])
+            print("Argomenti:", tool_call['function']['arguments'])
+        else:
+            print("Risposta modello senza tool call:", msg.get('content', ''))
+    except ollama.ResponseError as e:
+        if 'does not support tools' in str(e).lower():
+            print("Il modello non supporta i tools.")
+        else:
+            print("Errore API:", e)
+
+
+# Main -------------------------------------------------------------------------
+if __name__ == '__main__':
+    # 1. Elenco modelli
+    list_models()
+
+    # 2. Prompt semplice
+    generate_text(
+        model=MODEL,
+        prompt="Scrivi una poesia breve su un tramonto al mare. Usa circa 40 parole."
+    )
+
+    # 3. Chat con streaming
+    chat_streaming(
+        model=MODEL,
+        messages=[
+            {"role": "system", "content": "Sei un assistente conciso e utile."},
+            {"role": "user", "content": "Suggerisci 3 consigli per un cappuccino cremoso a casa."}
+        ]
+    )
+
+    # 4. Embedding (usa modello dedicato se diverso)
+    if EMBEDDING_MODEL:
+        get_embedding(
+            model=EMBEDDING_MODEL,
+            text="L'intelligenza artificiale accelera l'innovazione in molti settori."
+        )
+    else:
+        print("\n[4] Salto embedding: nessun modello embedding configurato.")
+
+    # 5. Function calling (opzionale)
+    try_tools(MODEL)