Ogni volta che inizi una nuova sessione assistita dall’AI, i tuoi agenti partono da zero. Non ricordano la decisione architetturale presa la settimana precedente. Non sanno perché hai scelto un determinato pattern tre progetti fa. Non sono consapevoli che la sessione precedente si è interrotta prima che il lavoro fosse completato. Così ti ritrovi a spiegare tutto da capo.

La context engineering è la disciplina che risolve questo problema: stabilisce quali informazioni gli agenti devono conoscere, quando devono conoscerle e come queste conoscenze possano sopravvivere ai confini tra una sessione e l’altra e ai cambi di strumenti. È un concetto distinto dalla prompt engineering e, probabilmente, rappresenta la competenza con il maggiore impatto quando si sviluppano applicazioni basate su agenti AI.

In questo intervento verranno presentate le tecniche alla base della memoria persistente per gli agenti AI: il caricamento index-first, la sintesi iterativa ancorata (anchored iterative summarization) e il caricamento del contesto basato sulle fasi (phase-based context loading). Verranno inoltre illustrate le decisioni architetturali che hanno portato a queste soluzioni e spiegato perché, alla fine, l’approccio corretto si è rivelato molto più semplice di quanto ci si potesse aspettare.