5 livelli di evoluzione degli agenti AI. Negli ultimi anni, siamo passati da semplici LLM → a sistemi agentici completamente sviluppati con ragionamento, memoria e utilizzo di strumenti. Ecco una suddivisione passo dopo passo. 1) LLM con piccola finestra di contesto - Input: Testo → LLM → Output: Testo - Primi chatbot basati su transformer. - Potevano elaborare solo piccoli frammenti di input (conversazioni brevi). - Quando è uscito ChatGPT, aveva una finestra di contesto di soli 4k token. 2) LLM con grande finestra di contesto - Input: Testo/Documenti grandi → LLM → Output: Testo - Modelli come Claude/ChatGPT aggiornati per gestire migliaia di token. - Permesso di analizzare documenti più grandi e conversazioni più lunghe. 3) LLM + utilizzo di strumenti (era RAG) - Input: Testo → LLM + Recupero/Strumento → Output: Testo - La Generazione Aumentata da Recupero ha dato accesso a dati freschi + esterni. - Strumenti come API di ricerca, calcolatrici e database hanno potenziato gli output degli LLM. 4) LLM multimodale + utilizzo di strumenti + memoria - Input: Testo + Immagini + altre modalità → LLM + Strumento + Memoria → Output: Multimodale - Gli agenti potevano elaborare più tipi di dati (testo, immagini, audio). - La memoria ha introdotto persistenza attraverso le interazioni. 5) Agenti con ragionamento e memoria - Input: Multimodale → LLM → Decisione → Output: Multimodale - Dotati di: → Memoria a breve termine, a lungo termine e episodica → Chiamata di strumenti (ricerca, API, azioni) → Ragionamento e decisioni basate su ReAct - Essenzialmente, questa è l'era degli agenti AI in cui viviamo oggi. 👉 A te la parola: Come pensi sarà il prossimo livello da qui in poi?