Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Agenti con memoria aumentata
<a name="memory-augmented-agents"></a>

Gli agenti con memoria aumentata sono potenziati dalla capacità di archiviare, recuperare e ragionare utilizzando la memoria a breve e lungo termine. Ciò consente loro di mantenere il contesto tra più attività, sessioni e interazioni, il che produce risposte più coerenti, personalizzate e strategiche.

A differenza degli agenti stateless, gli agenti con memoria aumentata si adattano facendo riferimento a dati storici, imparano dai risultati precedenti e prendono decisioni in linea con gli obiettivi, le preferenze e l'ambiente dell'utente.

## Architecture
<a name="architecture-memory-augmented"></a>

Un agente con memoria aumentata è illustrato nel diagramma seguente:

![\[Agenti con memoria aumentata.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/agentic-ai-patterns/images/memory-augmented-agents.png)


## Description
<a name="description-memory-augmented"></a>

1. Riceve input o eventi
   + L'agente riceve una richiesta dell'utente o un evento di sistema. Può trattarsi di un testo, di un trigger dell'API o di una modifica ambientale.

1. Recupera la memoria a breve termine
   + L'agente recupera la cronologia delle conversazioni recenti, il contesto delle attività o lo stato del sistema pertinenti alla sessione o al flusso di lavoro.

1. Recupera la memoria a lungo termine
   + L'agente interroga la memoria a lungo termine (ad esempio, database vettoriali e archivi chiave-valore) per informazioni storiche, come le seguenti:
     + Preferenze dell'utente
     + Decisioni e risultati passati
     + Concetti, riassunti o esperienze appresi

1. Motivi tramite il LLM
   + Il contesto di memoria è incorporato nel prompt LLM e consente all'agente di ragionare in base sia agli input correnti che alle conoscenze precedenti.

1. Genera uscite
   + L'agente produce una risposta, un piano o un'azione contestualmente consapevoli e personalizzati in base alla cronologia delle attività e agli input dell'utente.

1. Aggiorna la memoria
   + Nuove informazioni, come obiettivi aggiornati, segnali di successo e fallimento e risposte strutturate, vengono archiviate per attività future.

## Funzionalità
<a name="capabilities-memory-augmented"></a>
+ Continuità della sessione tra conversazioni o eventi
+ Persistenza degli obiettivi nel tempo
+ Consapevolezza contestuale basata su uno stato in evoluzione
+ Adattabilità basata su successi e fallimenti precedenti
+ Personalizzazione in linea con le preferenze e la cronologia dell'utente

## Casi di utilizzo comune
<a name="common-use-cases-memory-augmented"></a>
+ Copiloti conversazionali che ricordano le preferenze dell'utente
+ Agenti di codifica che tengono traccia delle modifiche alla codebase
+ Agenti del flusso di lavoro che si adattano in base alla cronologia delle attività
+ Gemelli digitali che si evolvono a partire dalla conoscenza del sistema
+ Agenti di ricerca che evitano recuperi ridondanti

## Implementazione di agenti con memoria aumentata
<a name="implementing-memory-augmented-agents"></a>

Utilizza i seguenti strumenti e Servizi AWS per gli agenti con memoria aumentata:


| 
| 
| **Livello di memoria** | **Servizio AWS** | **Scopo** | 
| --- |--- |--- |
| A breve termine | Contesto Amazon DynamoDB, Redis, Amazon Bedrock | Recupero rapido degli stati di interazione recenti | 
| A lungo termine (strutturato) | Amazon Aurora, Amazon DynamoDB, Amazon Neptune | Fatti, relazioni e registri | 
| A lungo termine (semantico) | OpenSearch, PostgreSQL, Pinecone | Recupero basato sull'incorporamento (ovvero RAG) | 
| Archiviazione | Simple Storage Service (Amazon S3) | Archiviazione di trascrizioni, memorie strutturate e file | 
| Orchestrazione | AWS Lambda oppure AWS Step Functions | Gestione dell'iniezione di memoria e del ciclo di vita degli aggiornamenti | 
| Ragionamento | Amazon Bedrock | Claude o Mistral antropico con richieste di memoria | 

## Implementazione dei prompt iniettati dalla memoria
<a name="implementing-memory-injected-prompting"></a>

Per integrare la memoria nel ragionamento degli agenti, utilizzate una combinazione di stati strutturati e iniezione di contesto potenziata dal recupero:
+ Includi lo stato più recente dell'agente e la cronologia recente dei dialoghi come input strutturato durante la creazione del prompt per il modello linguistico, in modo che possa ragionare con il contesto completo.
+ Usa la generazione aumentata di recupero (RAG) per estrarre documenti o fatti pertinenti dalla memoria a lungo termine.
+ Riassumi i piani, il contesto e le interazioni precedenti per la compressione e la pertinenza.
+ Inserisci moduli di memoria esterni, come archivi vettoriali o log strutturati, durante l'inferenza per guidare il processo decisionale.

## Riepilogo
<a name="summary-memory-augmented"></a>

Gli agenti con memoria aumentata mantengono la continuità del pensiero imparando dall'esperienza e ricordando il contesto dell'utente. Questi agenti superano l'intelligenza reattiva utilizzando la collaborazione a lungo termine, la personalizzazione e il ragionamento strategico. In termini di intelligenza artificiale agentica, la memoria consente agli agenti di comportarsi più come controparti digitali adattive e meno come strumenti stateless.