Il modello in sé, analizzato: famiglie, architetture, compromessi.
Gerarchia a cinque livelli delle conoscenze per la memoria degli agenti.
Un agente con un unico file di memoria piatto non dimentica le cose; non riesce a smettere di ricordare informazioni su cui non gli è stato chiesto di soffermarsi. La soluzione è un contesto a livelli in cui ogni strato di conoscenza entra attraverso un trigger diverso.
Limita il lavoro in volo, non limitarti ad annullarlo.
Il fan-out illimitato è la modalità di fallimento predefinita nella concorrenza di Go: ogni istruzione go è un ulteriore task in esecuzione, senza limiti e senza un proprietario. Questo articolo si occupa di fornire entrambi gli elementi.
Cinque stack Go HTTP, un unico banco di prova, numeri reali.
Go include un server HTTP di livello production nella sua libreria standard, e dal Go 1.22 il router integrato gestisce da solo l’abbinamento dei metodi e i parametri del percorso. La questione relativa ai framework non è scomparsa, ma si è ristretta.
«Quando le conclusioni ricordate diventano nuove prove.»
La memoria persistente trasforma un agente da uno strumento che va continuamente spiegato a uno che porta avanti il contesto — ma apre un modello di guasto che la chat stateless evita: un’interpretazione può diventare memoria, essere recuperata come fatto e giustificare una versione più forte di sé stessa.
Memoria locale Hermes con scritture controllate.
Mnemosyne è un provider di memoria local-first per Hermes Agent, che archivia memoria operativa, fatti strutturati, dati temporali e storico episodico in SQLite locale — nessun servizio gestito, nessuna chiamata di rete obbligatoria e un controllo delle scritture insolitamente granulare.
Nessun stato di rifiuto. Ecco il workaround.
Un agente che ha proposto e implementato “spostare la persistenza in una libreria condivisa” sei mesi fa proporrà volentieri di nuovo la stessa idea il prossimo trimestre, a meno che non esista un registro durevole che gli indichi come l’idea sia già stata indagata e rifiutata – e OpenSpec al momento non ha uno stato interno per questo scopo.
Specifica le modifiche come incrementi, non in un PRD di 40 pagine.
OpenSpec è una CLI gratuita e open source di Fission AI che consente a te e al tuo agente di coding di concordare una modifica in Markdown semplice prima che venga scritto qualsiasi codice, evitando la cerimoniale fase-gated dei framework spec-driven più pesanti.
Che cosa segue gli LLM? L'era post-transformer.
L’eccitazione attorno all’IA segue un ritmo: all’incirca ogni tre anni, l’architettura su cui tutti stanno scommettendo viene sostituita da qualcosa di più recente. La prossima transizione si sta già delineando nei laboratori di ricerca.
Abilità SDD applicate, installate con un singolo comando.
Superpowers incapsula un’intera metodologia guidata da specifiche in Claude Skills installabili, imponendo il brainstorming, la pianificazione, l’implementazione guidata da subagenti e il TDD rigoroso, invece di lasciare quella struttura a tua discrezione.
Perché il vostro stack AI diventa sempre più appiccicoso ogni mese.
Ogni chiamata API sembra una semplice transazione - finché non si accumulano abbastanza da far sì che i dati di fine-tuning, gli harness di valutazione e gli schemi degli strumenti siano tutti modellati attorno a un singolo vendor, e cambiare diventi altro che una modifica al routing.
Impedisci agli agenti AI di allontanarsi dalle specifiche, dai test e dal codice.
Gli agenti di coding AI rilasciano funzionalità rapidamente, ma specifiche, test e codice tendono a divergere silenziosamente. Questa guida illustra un modello di tracciabilità, il mapping da specifiche a test e da specifiche a codice, e i controlli CI che individuano queste divergenze prima del merge.
Arresta le anomalie a catena nei microservizi Go.
Un circuit breaker impedisce al tuo servizio Go di martellare una dipendenza in avaria, prevenendo failure a cascata che consumano goroutine, socket e memoria fino al collasso dell’intero sistema.
Profondità di processo vs portabilità, non lo strumento migliore.
Gli sviluppatori che confrontano i setup di Spec-Driven Development nel 2026 di solito non si chiedono quale modello sia il più intelligente. Si chiedono quale flusso di lavoro terrà allineato un agente AI senza seppellirli sotto una montagna di rituali.
Cinque fasi: dall'intento al codice verificato.
Lo sviluppo basato su specifiche funziona quando la specifica è un flusso di lavoro, non un documento da archiviare dopo l’avvio. L’obiettivo non è produrre un ampio documento dei requisiti di prodotto.
La sicurezza del protocollo riguarda chi può agire, non il modello.
L’iniezione di prompt riceve la maggior parte dell’attenzione in termini di sicurezza nei sistemi LLM e merita attenzione, ma non è l’unico problema una volta che gli agenti iniziano a chiamare strumenti e a delegare il lavoro ad altri agenti.
