Il segreto della memoria degli Agenti AI

Entra nella mia Accademia AI:https://www.rizzoaiacademy.com/ Vuoi sviluppare soluzioni AI avanzate: https://inferentia.xyz IG:   / simorizzo_ai   In questo video ti spiego nel dettaglio come funziona davvero la memoria degli Agenti AI come OpenClaw, Claude Cowork, Manus AI, Genspark AI e altri sistemi agentici avanzati. Parto dal problema del contesto e del limite della context window, poi entro nel tema della context rot, del meccanismo di compaction e di come gli agenti gestiscono la memoria nel tempo per mantenere coerenza, performance e continuità operativa. Parlo anche di Agentic File Search, una nuova tecnica in cui l’agente usa direttamente il file system come memoria esterna: un approccio che potrebbe cambiare radicalmente il modo in cui costruiamo sistemi AI e, in molti casi, persino sostituire il RAG tradizionale. Nel video vediamo: perché il contesto si degrada nel tempo cos’è la context rot come funziona la compaction della memoria come ragiona un agente quando deve ricordare informazioni utili perché il file system può diventare una memoria agentica persistente perché l’Agentic File Search è così importante i migliori tool e framework che stanno portando questa evoluzione Tool citati nel video: memU → https://github.com/NevaMind-AI/memU agentic-file-search → https://github.com/PromtEngineer/agen... Memori → https://github.com/MemoriLabs/Memori mem0 → https://github.com/mem0ai/mem0 Fammi sapere nei commenti se secondo te l’Agentic File Search può davvero superare il RAG o se resterà una tecnica complementare nei sistemi AI del futuro. #openclaw #aiagent #codingagent