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.

# Panoramica della cognizione aumentata con LLM
<a name="overview-of-llm-augmented-cognition"></a>

Fondamentalmente, il modulo cognitivo di un agente software può essere visto come un LLM avvolto da potenziamenti. L'agente può utilizzare i seguenti elementi costitutivi per ragionare in modo efficace all'interno del suo ambiente:
+ **Richiesta**: inquadra l'input utilizzando contesto, istruzioni, esempi e memoria
+ **Recupero: fornitura di conoscenze specifiche del dominio al** prompt LLM tramite la ricerca vettoriale up-to-date o la memoria semantica, ad esempio tramite la generazione aumentata di recupero (RAG)
+ **Utilizzo dello strumento**: consentire all'LLM di richiamare o richiamare funzioni per recuperare o agire in base alle informazioni APIs 
+ **Memoria**: incorporazione di uno stato persistente o basato sulla sessione nel ciclo di ragionamento, utilizzando database strutturati o riepiloghi contestuali

Questi miglioramenti sono composti da flussi di lavoro che definiscono il modo in cui l'LLM viene utilizzato nel tempo e tra le attività, trasformandolo da un motore stateless a un agente di ragionamento dinamico.

![Aumento del LLM.](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/agentic-ai-patterns/images/llm-augmentation.png)