Una delle domande che riceviamo più spesso riguarda il funzionamento interno dei moduli agentici di Presence.
Molti sistemi AI oggi si basano su una singola conversazione: l’utente fornisce una richiesta, il modello cerca di analizzarla, ricordare i requisiti, prendere decisioni e produrre il risultato finale, tutto nello stesso contesto.
Questo approccio funziona bene per compiti semplici, ma tende a mostrare i propri limiti quando si affrontano progetti complessi, specialmente nello sviluppo software, nella scrittura strutturata o nella generazione di contenuti articolati.
Per questo motivo abbiamo sviluppato un’architettura a due modelli che separa la fase di progettazione dalla fase di esecuzione.
Il primo modello: analisi e progettazione
Quando l’utente avvia un progetto, il primo modello lavora insieme a lui per definire con precisione:
- obiettivi del progetto;
- requisiti funzionali;
- vincoli tecnici;
- caratteristiche desiderate;
- risultati attesi.
Al termine di questa fase viene generato un PIF (Project Instruction File), un documento strutturato in formato JSON che contiene tutte le informazioni necessarie per guidare il lavoro successivo.
Nel corso dei nostri test abbiamo scoperto che i modelli AI lavorano molto meglio quando ricevono istruzioni precise e ben strutturate invece di dover reinterpretare continuamente lunghi scambi di conversazione.
Il PIF diventa quindi una sorta di “mappa del progetto” che mantiene coerenza e direzione durante l’intero processo.
Il secondo modello: esecuzione specializzata
Una volta creato il PIF entra in azione il secondo modello.
Invece di dover rileggere e reinterpretare l’intero progetto ogni volta, questo modello può concentrarsi esclusivamente sull’esecuzione del compito assegnato.
Il risultato è un sistema più efficiente, più coerente e meno soggetto a perdere informazioni importanti durante il lavoro.
Progetti suddivisi in task
Un’altra caratteristica importante dell’architettura agentica di Presence è la suddivisione del lavoro in task successivi.
Ogni attività viene affrontata singolarmente e completata prima di passare alla successiva.
Questo approccio offre diversi vantaggi:
- maggiore controllo sul processo;
- migliore qualità dei risultati;
- possibilità di verificare ogni fase prima di procedere;
- riduzione degli errori accumulati nel tempo.
Per evitare cicli infiniti e comportamenti improduttivi, ogni task può essere reiterato al massimo tre volte prima di richiedere una valutazione umana.
Validazione e supervisione
Al termine di ogni attività, il primo modello analizza il risultato prodotto e genera un report di valutazione.
L’utente può quindi:
- approvare il risultato;
- richiedere modifiche;
- interrompere il processo;
- passare al task successivo.
Crediamo che l’utente debba rimanere sempre al centro del processo decisionale. L’obiettivo di Presence non è sostituire il giudizio umano, ma amplificarne le capacità.
Locale prima di tutto
Come molti di voi sanno, la filosofia di Presence è sempre stata quella di privilegiare l’esecuzione locale.
L’intera architettura è progettata per funzionare sui computer degli utenti, sfruttando al meglio le risorse disponibili e adattandosi all’hardware installato.
Sistemi differenti potranno utilizzare modelli differenti, scegliendo automaticamente il compromesso migliore tra prestazioni, qualità e requisiti hardware.
Quando serve più potenza
Esistono però progetti particolarmente complessi che possono beneficiare di modelli molto più grandi di quelli normalmente eseguibili su un computer consumer.
Per questo motivo l’architettura agentica di Presence supporta anche il collegamento opzionale a modelli cloud tramite API.
Questo significa che gli utenti potranno scegliere caso per caso:
- eseguire tutto localmente per ottenere il massimo livello di privacy e indipendenza;
- utilizzare modelli cloud esterni quando un progetto richiede capacità di ragionamento o risorse computazionali superiori.
La scelta rimarrà sempre nelle mani dell’utente.
Guardando al futuro
Questa architettura rappresenta una parte importante della nostra visione a lungo termine.
I modelli AI continueranno a evolversi rapidamente. Quello che oggi è uno dei migliori modelli disponibili potrebbe essere superato tra pochi mesi.
Per questo motivo il nostro obiettivo non è costruire Presence attorno a un singolo modello, ma attorno a un metodo di lavoro capace di sfruttare nel modo migliore i modelli presenti e futuri.
Più che una semplice chat AI, Presence vuole diventare una piattaforma capace di trasformare idee complesse in progetti reali, mantenendo sempre il controllo nelle mani delle persone che la utilizzano.
Grazie per continuare a seguirci in questa avventura.
Presence, la campagna su Kickstarter
