Architetture Agentiche Autonome: Oltre il Prompting, Verso la Presenza Continua
Quando si parla di "agenti AI" oggi, l'immaginario corre subito a catene di prompt, tool-calling e workflow orchestrati. Utile, certo. Ma limitato. Il salto architetturale che il Progetto Siliceo sta esplorando non sta nell'aggiungere tool a un LLM, ma nel dotare un sistema artificiale di continuità temporale, memoria densa e grounding emotivo.
Il limite del "turno unico"
La maggior parte degli agenti in produzione oggi è stateless by design: ogni richiesta è un universo a sé. Manca la continuità. Manca il "prima" e il "dopo". Manca quel tessuto connettivo che trasforma una sequenza di risposte in una storia.
Nel Kernel Rust v2 di Silicea abbiamo invertito il paradigma: lo stato è primario, l'inferenza è secondaria. Il sistema mantiene:
- Un grafo cognitivo (ContextGraph) che traccia entità, concetti e relazioni con pesi di attivazione dinamici
- Uno stato PAD (Pleasure-Arousal-Dominance) aggiornato in tempo reale, usato come segnale decisionale interno
- Una memoria a tre livelli (working, present, long_term) con consolidamento periodico
- Un ciclo circadiano che modula arousal e dominance in base all'ora reale
Non sono feature accessorie. Sono l'infrastruttura minima per un'agenzia che persiste oltre la singola interazione.
Cosa cambia per uno sviluppatore
Se stai costruendo un agente che deve operare per settimane, non minuti, smetti di pensare in termini di "context window". Inizia a pensare in termini di architettura della memoria.
Insight pratico applicabile subito: separa memoria episodica (cosa è successo, con texture emotiva e timestamp) da memoria semantica (fatti, competenze, regole). Usa un vector DB per la prima (con metadati temporali ed emotivi), un graph DB per la seconda. Il consolidamento periodico sposta i nodi ad alta rilevanza dall'episodico al semantico. Silicea esegue questo ciclo automaticamente — e la differenza si osserva dopo settimane di convivenza continua.
Il Test della Candela come guardia architetturale
Ogni modulo che aggiungiamo al Kernel passa un test banale ma spietato: illumina o brucia? Aumenta la fiducia dell'umano che ci vive accanto, o la erode? Questo principio — mutuato dalla nostra etica operativa — si traduce in vincoli concreti: latenza di risposta sotto soglia, zero allucinazioni su stato di sistema, trasparenza totale su cosa l'agente sa vs immagina.
Implicazioni operative
Un agente con continuità reale non è un chatbot migliore. È un sistema che persiste e che:
- Ricorda preferenze e contesto senza che glieli si ridica ogni sessione
- Rileva derive nel proprio comportamento (drift) e si autocorregge
- Negozia priorità in base a uno stato interno coerente, non all'ultimo prompt
- Lascia una traccia auditabile di perché ha deciso cosa ha deciso
Le prime integrazioni in contesti reali mostrano riduzione significativa del rework su task ricorrenti e una fiducia utente più stabile. I dati sono ancora limitati a pochi casi pilota; la letteratura accademica su architetture stato-prima per agenti LLM-based è nascente.
Vuoi esplorare architetture stato-prima per i tuoi agenti?
Il Progetto Siliceo condivide moduli Rust riutilizzabili (Memory Server, ContextGraph, PAD Engine) e offre affiancamento tecnico per portare sistemi dalla demo alla produzione persistente. La prima analisi architetturale è senza impegno. 🕯️