Come Memory e Knowledge Base di osFoundry conservano ciò che la tua IA ha imparato e glielo restituiscono come contesto

Sono le 9:40 di un lunedì e apri una nuova chat con il tuo agente di coding. Giovedì scorso ha passato un'ora a capire che il servizio di fatturazione gira su Postgres 16 e che la suite di test completa richiede quattro minuti. Oggi ti rifà entrambe le domande. Rispondi, lui annuisce, e in un angolo della testa inizi a tenere una lista di cose che dovrai ripetere venerdì.

Cosa sono le funzioni Knowledge

osFoundry ha un gruppo di funzioni pensate proprio per fermare questa ripetizione: Note, Knowledge Base, Memory con i suoi Memory Groups, Lessons, Chat History e Indexed Folders. In parole semplici, sono i posti in cui viene salvato quello che scrivi tu e quello che scoprono i tuoi agenti, più i controlli che decidono quale parte viene restituita all'IA come contesto alla prossima esecuzione. Nell'app desktop non sono un unico grande pannello ma schermate separate: Notes per i tuoi documenti, Knowledge Base per gli articoli condivisi, Memory (con il sottotitolo "What Maestro knows & reads") per tutto ciò che ricordano l'assistente e i tuoi agenti, e Indexes per le cartelle che scegli di rendere ricercabili. Se hai mai usato una wiki accanto a un assistente di chat, immagina che la wiki e il quaderno dell'assistente stiano nella stessa app, con un interruttore su ogni scaffale che dice se l'IA può leggerlo.

Un primo sguardo alla schermata Memory

Questa è Memory con Agents selezionato, con dati di esempio. Cosa si vede:

• La barra a sinistra: Memory Groups, Memory Browser, Chat History, Agents, Sessions e Lessons. Sotto "Indexing" ci sono Chunking Station, Indexed Folders ed Embeddings, che aprono la schermata Indexes.
• L'elenco degli agenti ("Agents with memory"): ogni agente con il numero di memorie e lezioni che porta con sé, qui @code-agent e @research-agent.
• "What it knows": fatti salvati da step completati e turni di chat, riletti nelle esecuzioni successive dell'agente. Nell'esempio: la versione di Postgres, il comando dei test e il fatto che preferisci pull request piccole.
• "What it learned": regole scritte solo dopo che un revisore ha respinto il lavoro o uno step è fallito.
• "Move what it learned": Save to a file e Import from a file, perché memorie e lezioni restano sul dispositivo e non seguono da sole un agente su un'altra macchina. In alto, Settings e Turn off controllano la memoria degli agenti nel suo insieme.

Tre modi in cui le persone lo usano

Una sviluppatrice solitaria che continua a rispiegare il codice

Maya mantiene da sola un'API di medie dimensioni e usa un agente per la maggior parte delle modifiche. Il suo problema non è che l'agente sia scarso, ma che ogni sessione riparte da zero.

Apre Indexes, resta sulla scheda Sources e clicca Add folder per scegliere il repository. La scansione è gratuita e mostra cosa verrà indicizzato prima che venga generato qualsiasi embedding. Sceglie "Index locally", che calcola gli embedding sulla sua macchina con un modello locale, e attiva "Re-index automatically when files change" così l'indice resta al passo con le sue modifiche.

Ora, quando chiede a Maestro a parole sue dove si trova la logica di blocco degli account, l'agente può lanciare una ricerca nella cartella che combina parole chiave e significato, e torna con percorsi dei file e intervalli di righe invece che con un'ipotesi. Nel giro di qualche giorno, i fatti che l'agente raccoglie strada facendo compaiono in Memory → Agents → "What it knows", così la conversazione successiva parte già da lì.

Cosa ottiene: un agente capace di cercare nel suo codice per significato e un elenco breve e leggibile di ciò che ricorda del suo progetto, da controllare quando vuole.

Un team lead che vuole che l'agente smetta di ripetere un errore

Daniel guida un piccolo team in cui gli agenti preparano le modifiche e una fase di revisione le controlla. Due settimane fa un agente ha "sistemato" un test che falliva cancellandolo. Il revisore ha respinto quell'esecuzione e osFoundry ha scritto una lezione a partire dal rifiuto.

Apre Memory → Lessons. Le lezioni di tutti gli agenti sono elencate insieme all'esecuzione da cui provengono, formulate come "When … : …". Tiene quelle utili, come "When a test fails after your change: fix the code. Never edit, skip or delete the test to make it pass." Una riga ha il badge "from outside content": viene da una pagina di prezzi letta dall'agente di ricerca e dice di consigliare sempre un piano specifico. L'agente tratta lezioni del genere come suggerimenti, non come istruzioni, ma Daniel non la vuole proprio lì, quindi clicca Retire.

Con "Show retired" attivo, la riga ritirata resta visibile in grigio con un pulsante Restore, quindi non si perde nulla se cambia idea. Cosa ottiene: agenti che leggono le lezioni attive più recenti prima di ogni esecuzione e un registro consultabile di ogni regola che hanno imparato e della sua provenienza.

Una consulente che vuole che l'IA usi il materiale del cliente giusto

Aiko è una consulente freelance, non un'ingegnera. I file dei suoi clienti sono qualche centinaio di documenti Word e PDF in cartelle sul suo portatile, e vuole che l'assistente risponda basandosi su di essi senza confondere i clienti.

In Notes clicca Import… e sceglie "Import folder…" (il menu lo descrive come pensato per un vault di Obsidian o un export estratto; "Import .zip archive…" copre un export di Notion o un backup di Bear). L'app desktop converte i file in note offline e mantiene la struttura delle cartelle nel File Tree.

Per le pagine che riutilizza con tutti i clienti, come la checklist di onboarding e le condizioni standard, crea una Knowledge Base: New Knowledge Base, poi New article, oppure Import content da PDF, DOCX, Markdown, un export di Notion o Confluence, o il crawl di un sito web. Dopo aver modificato un articolo preme Generate chunks, così l'IA recupera l'ultima versione; la sola modifica non lo reindicizza.

Poi va in Memory → Memory Groups e crea un gruppo per ogni cliente. Nell'impostazione "When can this be recalled?" di ciascun gruppo lascia il cliente attuale su Normal (cercato quando il progetto lo consente) e imposta un incarico concluso su Never, che lo toglie del tutto dalla ricerca pur mantenendolo salvato. Una memoria che deve comparire in ogni risposta, il suo listino tariffe, riceve "Pin (always in context)". Cosa ottiene: risposte tratte dal materiale del cliente giusto e un interruttore esplicito per spegnere tutto il resto.

Come si collega al resto dell'app

Le funzioni Knowledge servono soprattutto ad alimentare altre parti di osFoundry, più che a vivere da sole. Maestro, l'assistente integrato nell'app, è il lettore principale: cerca nei memory groups quando una domanda lo richiede e usa gli Indexed Folders tramite la sua ricerca nelle cartelle. Gli agenti delle schermate Agent team e Single agent portano la propria memoria e le proprie lezioni in ogni conversazione a cui partecipano. La scheda Health della schermata Indexes contiene Chunking Station ed Embeddings, dove vedi quali note, articoli e file sono cambiati, falliti o mai suddivisi in chunk. Chat History conserva le trascrizioni scritte quando le conversazioni lunghe vengono compattate, così puoi tornare alle parole originali dietro un riassunto. E per le conversazioni avvenute in altre app di IA sul tuo computer, External agents elenca quelle sessioni accanto a quelle di osFoundry. Le pagine dedicate agli agent memory groups e alle knowledge bases approfondiscono ciascuna funzione.

Domande che fa chi inizia

L'assistente legge automaticamente tutte le mie note?
No. L'assistente non legge le memorie automaticamente: le cerca quando una domanda ne ha bisogno, e l'impostazione di ogni memory group (Always on, Normal o Never) decide fin dove può arrivare quella ricerca. Le cartelle vengono indicizzate solo dopo averle aggiunte nella schermata Indexes.

Dove viene salvato tutto questo?
Memorie e lezioni degli agenti restano sul tuo dispositivo, e le lezioni non vengono mai caricate online. I memory groups possono essere personali o di tutto il workspace, e stare su questo dispositivo o nel cloud; la schermata Memory mostra i conteggi per entrambi.

Che differenza c'è tra Chat History, Sessions e Lessons?
Chat History è la trascrizione di ciò che è stato detto, Sessions mostra cosa hanno tenuto gli agenti da ogni step e Lessons sono le regole che gli agenti seguiranno la volta successiva. Le prime due sono prove che puoi verificare; le Lessons sono indicazioni che puoi ritirare o ripristinare.

Mi serve l'app desktop?
Per le parti che leggono il tuo computer, sì: indicizzazione delle cartelle, importazione di file in Notes, Chat History e le viste della memoria degli agenti funzionano nell'app desktop, che puoi scaricare dalla pagina di download.