Memoria come infrastruttura
La memoria deve essere versionata, misurata, compressa e interrogata tramite contratti di retrieval espliciti.
Architetture di Memoria
Memory layer per sistemi AI: recall semantico, trace episodici, compressione, persistenza ed eval del retrieval.
diagramma di architettura: memory. Nodi: event, encode, episodic, semantic, recall, compress. Flusso: da event a encode (primario); da encode a semantic (primario); da semantic a recall (primario); da encode a episodic (di supporto); da episodic a recall (di supporto); da recall a compress (feedback).
Valutazione
La qualità del recall richiede test set stabili, non prompt aneddotici. Lo stesso vale per compressione e sintesi.
Livello di Memoria
Memoria episodica, retrieval semantico, compressione e contesto riproducibile per agenti che richiedono continuità.
diagramma di architettura: memory. Nodi: event, encode, episodic, semantic, recall, compress. Flusso: da event a encode (primario); da encode a semantic (primario); da semantic a recall (primario); da encode a episodic (di supporto); da episodic a recall (di supporto); da recall a compress (feedback).
Infrastruttura Retrieval
Pipeline embeddings, ricerca ibrida, filtri metadati, reranking ed eval set stabili per sistemi RAG.
diagramma di architettura: retrieval. Nodi: docs, chunks, vector, lexical, rerank, eval. Flusso: da docs a chunks (primario); da chunks a vector (primario); da vector a rerank (primario); da chunks a lexical (di supporto); da lexical a rerank (di supporto); da rerank a eval (feedback).
Approfondimenti
Progetti correlati
Sistemi in cui questo concetto gira in produzione.
Hai un progetto in mente?
Raccontami il problema operativo che vuoi risolvere. Bastano due righe sul contesto e sui sistemi coinvolti per una prima valutazione.