Glossario

Tutti i termini che il programma usa, in parole semplici.

È la prima volta? Leggi la prima lezione. Non serve un account.

Concetti dell'AI

Agent: Un sistema AI che porta avanti da solo più passaggi verso un obiettivo, scegliendo i tool e correggendosi strada facendo.
Agent senza supervisione: Un agent che esegue un compito dall'inizio alla fine senza che nessuno lo segua o risponda alle sue domande lungo la strada. Le persone vedono solo il risultato, quindi a fare da supervisione devono essere i controlli e l'ambiente.
AGI: Artificial general intelligence: un'AI ipotetica capace quanto una persona in quasi tutti i compiti. Se ne discute tanto, non c'è ancora.
Closed model: Un modello proprietario che puoi raggiungere solo attraverso l'API o l'app di chi lo produce.
Coding agent: Un assistente AI con le mani. Legge i file, li modifica e lancia comandi, controllando i risultati mentre va avanti.
Compaction: Riassumere i turni più vecchi di una conversazione per liberare spazio nella context window.
Completion / response: Quello che il modello ti rimanda dopo il tuo prompt.
Context: Tutto quello che il modello vede in questo momento: il tuo prompt, la conversazione, gli allegati e le note che il sistema gli infila dentro.
Context rot: Il fallimento di un loop in cui la cronologia cresce finché il segnale affoga. Si risolve riassumendo i turni vecchi e fissando l'obiettivo verso la fine del context.
Context window: Il massimo di token che un modello riesce a tenere in una volta sola: il tuo prompt più tutto quello che ha già letto.
Corpus di origine: Dove sta la verità in un sistema RAG: le pagine, i documenti, i contratti o i vecchi ticket da cui si recupera.
Embedding: La rappresentazione numerica di un testo, che permette a un sistema di cercare per significato invece che per parole esatte.
Embedding models: Modelli che trasformano il testo in numeri, così gli strumenti possono cercarlo per significato. Lavorano dietro le quinte negli assistenti collegati ai tuoi documenti.
Fine-tuning: Un training aggiuntivo e specializzato sopra a un modello di base, per adattarlo a un caso d'uso preciso.
Frontier model: Il modello più grande, più recente e più capace che un fornitore ha in catalogo.
Generation: L'ultimo passaggio del RAG: infilare nel prompt i chunk recuperati e lasciare che l'AI risponda a partire da quel context.
Gradient descent: Il processo di training in cui un modello aggiusta lentamente miliardi di parametri interni finché non azzecca bene la parola successiva.
Inference: Ogni volta che usi il modello per davvero. Mandi un prompt, quello attraversa i parametri congelati e produce un output.
LLM: Large language model, la tecnologia dietro agli assistenti in chat come ChatGPT, Gemini e Claude.
LLM aumentato: Una chiamata al modello con in più retrieval, tool e memory. Anthropic lo usa come mattone di base di ogni pattern di workflow e degli agent.
Long context: Quanto un assistente riesce a tenere dentro una sola conversazione. Con un long context ci sta l'equivalente di una piccola biblioteca in una volta sola.
MCP (Model Context Protocol): Un modo standard per far parlare le app AI con tool, dati e servizi esterni. Pensalo come l'USB dell'AI.
Memory: La funzione che salva alcuni fatti su di te e li rimette nel context all'inizio delle conversazioni successive.
Modelli di immagini: Modelli che generano immagini a partire da una descrizione a parole, come DALL-E, Midjourney o Stable Diffusion.
Modelli vocali: Modelli che convertono la voce in testo e viceversa, come Whisper per le trascrizioni e ElevenLabs per la sintesi vocale.
Modello decisionale: Un modello che risponde a una domanda scegliendo una delle opzioni che definisci tu, con una probabilità per ciascuna opzione, invece di scrivere testo. Jev e Laya sono due esempi.
Multimodal: Modelli che gestiscono più del solo testo: immagini e a volte audio o video.
Open weights: Un modello i cui parametri si possono scaricare e far girare per conto proprio.
Previsione della parola successiva: Il cuore del funzionamento di un LLM. Prevede la parola più probabile, una dopo l'altra, fino a comporre una risposta utile.
Probabilità calibrata: Una probabilità che corrisponde a quanto spesso le risposte si rivelano giuste: fra tutte le risposte date a circa 0,8, circa l'80% è corretto. Descrive gruppi di risposte, mai una sola, e puoi farci affidamento solo dopo averla controllata sul tuo lavoro etichettato.
RAG (Retrieval-Augmented Generation): Il sistema cerca prima nei tuoi documenti o sul web, poi il modello risponde a partire da quello che ha trovato.
Ricerca agentica: Un agent che trova quello che gli serve mentre lavora, con tool di ricerca, percorsi di file e link, invece di ricevere dei brani già caricati prima di partire. Quello che legge è aggiornato, ma è più lento del retrieval e senza indicazioni può perdersi per strada.
Session: Una conversazione continua con un assistente, di solito una scheda di chat. Una chat nuova parte da un context vuoto.
Subagent: Un agent separato, con una sua context window, che si occupa di un compito secondario, come una ricerca o una revisione, e restituisce solo un riassunto. Non vede la conversazione principale, quindi il suo brief deve ripetere ogni regola che hai dato solo in quella conversazione.
System prompt: Le istruzioni che fissano il ruolo e le regole dell'AI all'inizio di una conversazione.
Token: I pezzetti di testo che un assistente legge e scrive, più o meno tre quarti di parola. Lunghezze e costi si contano in token.
Tool: Un collegamento che permette all'AI di fare qualcosa oltre a scrivere testo: cercare, calcolare, raggiungere un altro sistema.
Training: Il procedimento costoso e una tantum in cui un modello impara i pattern da enormi quantità di testo. Lo fanno i fornitori, non tu.
Training cutoff: La data dopo la quale il modello, dal training, non sa più niente: si perde tutto quello che è successo dopo, a meno che non gliene parli tu.

Prompting e tecniche

Altitudine delle istruzioni: Il livello di dettaglio a cui sono scritte le indicazioni. Troppo bassa è un elenco fragile di regole se-allora; troppo alta è un pio desiderio. L'altitudine giusta indica l'obiettivo, le scelte di criterio e i limiti invalicabili, ognuno con il suo motivo.
Caricamento a richiesta: Caricare schemi di dati, specifiche, runbook o documentazione solo quando un compito li richiede, chiamandoli per nome.
Chain (prompt chaining): Una sequenza di prompt in cui ogni output diventa l'input del successivo. La chain la governi tu, l'AI esegue un passaggio alla volta.
Chain of thought: Chiedere al modello di ragionare passo per passo prima di rispondere. Alza la precisione sui problemi in più passaggi.
Chunking: Spezzare un corpus in chunk piccoli (dai 256 ai 512 token, con un 10-20% di sovrapposizione) perché si possano recuperare.
Context engineering: Scegliere tutto quello che arriva nel context di un modello mentre lavora, non solo il prompt: istruzioni, file, descrizioni dei tool, risultati dei tool e cronologia. L'obiettivo è il più piccolo insieme di informazioni utili che porta all'azione giusta.
Determinismo o criterio: Determinismo vuol dire che un passaggio dà sempre lo stesso output. Criterio vuol dire che può legittimamente variare. Segna quale dei due è ogni passaggio.
Diario dei prompt: Una raccolta salvata dei prompt che hanno funzionato, che col tempo diventa un archivio di template riutilizzabili per il tuo lavoro.
Evaluator-optimizer: Un pattern di workflow in cui una chiamata al modello scrive e un'altra valuta il risultato rispetto a criteri chiari, rimandando un feedback in un loop finché il risultato non passa o non si raggiunge un limite.
Few-shot: Dare al modello qualche esempio di come vuoi che l'input diventi output. Rende i risultati molto più costanti.
Formato dell'output: Tenere gli output intermedi leggibili da un programma (tabelle, JSON, campi sempre uguali). La prosa libera rompe le chain.
Framework a quattro elementi: La struttura di prompt che regge sempre: Ruolo, Contesto, Compito, Formato (in inglese la chiamano CRAFT o RCTF).
Meta-prompting: Chiedere all'AI di criticare e riscrivere il tuo prompt, così produce output più affidabili.
Orchestrator-workers: Un pattern di workflow in cui una chiamata centrale al modello scompone un compito in sotto-compiti mentre lavora, li affida a chiamate worker e ne combina i risultati. Usalo quando non puoi elencare i sotto-compiti in anticipo.
Parallelizzazione: Un pattern di workflow che fa girare più chiamate al modello nello stesso momento: parti indipendenti di un compito una accanto all'altra (sezionamento), oppure lo stesso compito più volte per confrontare le risposte (votazione).
Passaggio AI: Un passaggio del processo che richiede criterio, perché varia con l'input. È qui che vale la pena spendere il tuo budget di AI.
Passaggio deterministico: Un passaggio del processo gestito da logica fissa: una formula, un campo di database, uno script.
Passaggio di consegne (lo snodo): Il momento in cui l'output di un passaggio diventa l'input del successivo. Qui si rompe la maggior parte delle chain, quindi i controlli vanno messi allo snodo.
Persona: Dire al modello chi è, per alzare la sua asticella di qualità. La persona cambia come risponde; se ha ragione o no resta uguale.
Persona prompts: Dai a ogni passaggio la sua persona (un praticante di studio legale, un responsabile compliance). La persona sposta il vocabolario, la profondità e il tono.
Precompilare la risposta: Iniziare tu la risposta dell'AI. Blocca formato e tono, e riduce il drift.
Presa di note strutturata: Far scrivere a un agent, mentre lavora, delle note in un file fuori dalla sua context window, come una lista di cose da fare o un file dei risultati, e fargliele rileggere più tardi. Le note sopravvivono alla compaction perché nella window non ci sono mai state.
Prima il piano, poi l'esecuzione: Chiedere al modello di pianificare e segnalare i buchi, e solo dopo di produrre il risultato, così non riempie i buchi tirando a indovinare.
Progressive disclosure: Caricare sempre poco e il resto solo quando serve. Lo strato sempre attivo va tenuto piccolo.
Prompt: Quello che scrivi a un assistente. Il prompting è l'arte di chiedere bene.
Prompting in più passaggi: Spezza il lavoro in passaggi invece di scrivere un prompt gigante. Ogni passaggio produce un output pulito e con un nome, che il successivo usa.
Raffinamento iterativo: Trattare l'AI come una conversazione e migliorare l'output in qualche giro, invece di pretendere che la prima bozza sia perfetta.
Regola d'oro: Dai all'AI tutto il context che puoi, sempre. Input migliori producono output migliori, con costanza.
Retrieval: Scegliere i chunk giusti per una richiesta. Il retrieval ibrido (semantico più parole chiave) con un reranker è lo standard di produzione.
Routing: Un pattern di workflow in cui un passaggio smista un input in una categoria e lo manda a un passaggio costruito per quel tipo, come le email di fatturazione, quelle tecniche o quelle sull'account.
Scomposizione del processo: Spezzare un processo che attraversa più team in passaggi, e decidere quali sono AI, quali deterministici e quali chiedono una persona.
Sovrapposizione dei ruoli: Far considerare all'AI più punti di vista esperti in modo esplicito, uno per uno, e poi farle tirare una sola raccomandazione.
Strato sempre attivo: Le poche cose che vengono lette a ogni turno: i vincoli rigidi, le regole di casa e il compito in corso.
Structured outputs: Chiedere un formato preciso, tipo JSON o una tabella, così l'output è chiaro e altri strumenti lo possono riusare.
Vincoli negativi: Dire all'AI cosa non fare. Spinge contro le sue impostazioni di default e spesso è più facile che descrivere quello che vuoi.
Zero-shot: Chiedere al modello di fare un compito senza dargli esempi. Va benissimo per compiti semplici e conosciuti.

Costruire e rilasciare

Agent loop: Il ciclo che gira a runtime: legge il context, decide, chiama un tool, legge il risultato, decide di nuovo, fino a compito finito.
Agentic engineering: Sviluppare software con i coding agent mentre un ingegnere resta responsabile del risultato: fissa l'obiettivo, controlla il codice e le prove, e decide cosa va in produzione. Simon Willison usa il termine per indicare l'opposto del vibe coding, dove nessuno guarda il codice.
Agentic loop: Un compito impostato in modo che un coding agent possa raggiungere un obiettivo per tentativi: un obiettivo chiaro, un controllo che dice se passa o no, i comandi per provare le modifiche, e un posto sicuro dove girare con le approvazioni disattivate. Ogni agent fa girare un loop; un loop agentico è uno che progetti tu.
AGENTS.md: Il file di istruzioni standard che tutti gli strumenti leggono. Mettici le tue convenzioni e trattalo come l'unica fonte di verità.
Aggiornamento di dipendenza: Una modifica che porta una delle dipendenze di un progetto a una versione più recente. Un aggiornamento che cambia solo un numero di versione si adatta a un semplice script; uno con modifiche incompatibili richiede anche modifiche al codice, e un controllo che il progetto si compili ancora e passi i suoi test.
Ambiente cloud: La configurazione preparata da cui partono le esecuzioni di un agent cloud: il codice scaricato, le dipendenze installate, le regole di rete e i segreti. Ogni esecuzione lavora su una sua copia, quindi ogni esecuzione parte allo stesso modo.
Ambiente usa e getta: Uno spazio di lavoro creato da zero per un solo compito a partire da una configurazione standard e buttato via alla fine, come un worktree, un container o una sandbox cloud. Niente di quello che ti serve vive solo lì dentro, quindi qualsiasi esecuzione si può far ripartire.
Anatomia di un brief: I pezzi che servono a un buon brief per un agent: ruolo, trigger, input, passaggi, formato dell'output e guardrail.
Boilerplate: Codice che va scritto ma non contiene nessuna idea nuova, come il setup, i collegamenti tra i pezzi o l'ennesimo test con la stessa forma. È facile da descrivere e facile da controllare, quindi è un buon lavoro da affidare a un coding agent.
Branch: Una linea di lavoro parallela dentro lo stesso repo. Sperimenti su un branch senza disturbare quello principale.
Breaking change: Una modifica nella nuova versione di una libreria o di un servizio per cui il codice scritto per la versione vecchia fallisce o si comporta in modo diverso. Alcuni breaking change si notano subito, come una funzione rimossa. Altri sono silenziosi, come un default cambiato, e li intercettano solo i test che fissano il comportamento.
Cascata: Far girare prima un modello economico e veloce e mandare solo i casi su cui è incerto a un modello più forte o a una persona. Fa risparmiare, ma aggiunge accuratezza solo quando il secondo passaggio fa errori diversi.
Changelog: Una nota breve in fondo al brief che registra le modifiche di ogni versione, così gli altri vedono come si è evoluto.
Checkout: Spostare la tua cartella di lavoro su un certo branch o su un certo commit. Stesso repo, vista diversa.
CLAUDE.md: Il file di istruzioni di Claude Code, nella radice del progetto o in ~/.claude per quelle globali. Spesso è solo un rimando ad AGENTS.md.
Code owners (CODEOWNERS): Un file che indica chi è responsabile di quali percorsi in un repository. Con la regola corrispondente attiva, una modifica a un file con un responsabile non può arrivare al merge senza l'approvazione di uno dei suoi code owner.
Commit: Una modifica salvata, con una nota che dice cosa e perché. La storia di un repo è una catena di commit.
Compound engineering: Un modo di lavorare, descritto dall'azienda Every, in cui ogni modifica dovrebbe rendere più facile la successiva. Dopo pianificare, eseguire e rivedere viene un quarto passo: trasformare quello che hai imparato in documentazione, un esempio, un test o un controllo, e chiederti se ora il sistema si accorgerebbe del problema da solo.
Concorrenza ottimistica: Un modo per far condividere uno stato a molti agent senza lock: chiunque può leggerlo, ma una scrittura fallisce se lo stato è cambiato da quando è stato letto, e chi scrive lo rilegge e riprova.
Conflitto di merge: Quello che succede quando due branch cambiano le stesse righe dello stesso file. Git non riesce a combinarle da solo, quindi deve scegliere una persona o un agent. Dividere il lavoro in parallelo per area rende i conflitti rari.
Contesto nascosto: System prompt, file di riferimento, storia della conversazione e chunk recuperati: spendono token a ogni giro, anche se non li vedi.
Context budget: Trattare la context window come un budget che allochi di proposito, spendendo il più possibile su quello che cambia la risposta.
Controllo computazionale: Una guida o un sensore eseguiti da un normale software, come un test, un linter o uno script. È veloce, costa poco e dà sempre lo stesso risultato.
Controllo di revert: Togliere una correzione, eseguire il suo nuovo test per vederlo fallire di nuovo per lo stesso motivo di prima della correzione, poi rimettere la correzione. Un test che passa anche senza la correzione non controlla la correzione, e non intercetterà il bug se torna.
Controllo di stato obbligatorio: Un controllo, come la test suite, che deve passare prima che una pull request possa arrivare al merge in un branch protetto. Trasforma i test da consiglio a gate.
Controllo inferenziale: Una guida o un sensore che si affidano al criterio di un modello, come le istruzioni scritte o una revisione fatta dall'AI. Sa valutare il significato, ma è più lento, costa di più e può variare da un'esecuzione all'altra.
Contropressione: Controlli automatici che rifiutano l'output sbagliato di un agent, come test, type checker e scanner di sicurezza, così deve correggere la sua modifica prima di andare avanti. Tienili veloci, perché l'agent li aspetta.
Copertura: Una delle forze in tensione quando progetti un harness: dare al modello abbastanza materiale per agire nel modo giusto. Se è troppo poco, tira a indovinare o si inventa un'API.
Costo: Il prezzo di ogni token: in soldi, in attesa e in attenzione diluita.
Costo per output utile: La spesa totale divisa per gli output che non hanno avuto bisogno di rifacimenti. È la metrica di spesa da farsi entrare in testa.
Criteri di accettazione: Le condizioni che un lavoro deve soddisfare per contare come fatto, scritte prima che il lavoro cominci. Per un agent funzionano meglio come controlli che può eseguire: un test, un comando o un risultato che chiunque può vedere, verificando prima che i controlli del nuovo comportamento falliscano.
Deferred tools: Elencare i tool solo per nome e lasciare che il modello si tiri giù la definizione completa quando gli serve. Il context resta leggero.
Definition of Done: Un breve elenco di affermazioni sul lavoro finito, scritto prima che il lavoro cominci, che chiunque potrebbe controllare. Ogni riga è vera o falsa per il risultato, quindi «fatto» vuol dire controllato, non solo che sembra fatto.
Definition of Ready: L'elenco concordato da un team di cosa deve contenere un elemento di lavoro prima che qualcuno ci metta mano. In una fabbrica decide quali elementi possono entrare nella coda degli agent; gli altri tornano al loro autore con indicato il pezzo che manca.
Difetto di progettazione: Un fallimento che sta nell'architettura del workflow. Si aggiusta ridistribuendo i passaggi o ridisegnando il tutto.
Diff: L'elenco, riga per riga, di cosa è cambiato nei tuoi file: le righe tolte e quelle aggiunte. Leggere il diff dopo ogni passo è il modo per vedere esattamente cosa ha fatto un agent.
Doc-gardening: Un'esecuzione ricorrente, spesso affidata a un agent, che confronta la documentazione di un repository con il codice e apre una pull request per ogni pagina rimasta indietro. Mantiene vera la documentazione su cui contano gli agent.
DORA metrics: Cinque misure della consegna del software di DORA, un programma di ricerca gestito da Google Cloud. Lead time delle modifiche, frequenza dei deploy e tempo di ripristino dopo un deploy fallito misurano il throughput; tasso di fallimento delle modifiche e tasso di rilavorazione dei deploy misurano l'instabilità.
Dossier della decisione di architettura (ADR): Un breve file nel repository che registra una decisione importante: il contesto, la decisione, il suo stato e le sue conseguenze. Spiega alle persone e ai coding agent perché il codice è fatto così, in modo che nessuno lo accetti o lo cambi alla cieca.
Edge cases: Input validi ma inconsueti. Un brief deve dire cosa fare con i campi mancanti, le contraddizioni e i dati sensibili.
Elemento di lavoro: Un singolo lavoro in una coda condivisa, come una issue in un tracker. Quando un agent lo prende, l'elemento è tutto il suo brief: l'esito, i controlli che lo dimostrano, cosa è fuori ambito e a chi chiedere.
Esito verificato: Una modifica andata in merge e in deploy che non ha avuto bisogno di rollback, hotfix o correzioni successive. Contare queste modifiche, invece delle pull request aperte o delle righe generate, mostra quello che il lavoro con i coding agent ha davvero consegnato.
Fabbrica del software: Un sistema in cui molti agent AI prendono elementi di lavoro da una coda e li trasformano in modifiche verificate, con le persone ai punti di controllo che scegli tu. L'agent è un passaggio; la coda, gli ambienti isolati, i controlli e le approvazioni rendono sicuro il merge delle sue modifiche.
Fan-out: Dividere una modifica ripetitiva in un'esecuzione dell'agent per ogni elemento, per esempio un file, avviate da uno script con lo stesso prompt. Ogni esecuzione parte con un context pulito. Prova prima su pochi elementi, correggi il prompt, poi fai girare il resto con un controllo su ognuno.
Fasce di soglia: Due soglie che dividono le risposte di un modello decisionale in tre esiti: agire da solo, confermare con una persona o escalare a una persona. Le fissi a partire dai tuoi casi etichettati e da quanto costa ogni errore.
File di avanzamento: Un file che un agent legge all'inizio di ogni session e aggiorna alla fine: l'obiettivo, le regole e un registro di cosa è stato fatto e cosa viene dopo. Con accanto un elenco delle voci, una session nuova può riprendere un lavoro lungo senza rifare né saltare niente.
File di istruzioni: Un file di regole permanenti che un agent legge prima di mettersi al lavoro. AGENTS.md è il nome più diffuso.
File di riferimento: Documenti stabili (normative, guide di stile, glossari) allegati a un assistente personalizzato, così ci ragiona sopra sempre allo stesso modo.
Fonte di riferimento: L'unico posto in cui un'informazione vive ufficialmente, e a cui rimanda ogni altra menzione. In una codebase, la documentazione versionata nel repository può essere la fonte di riferimento per architettura, decisioni e regole di business.
Forking: Copiare l'agent o l'assistente che qualcuno ha condiviso e adattarlo, ereditando le lezioni che chi l'ha scritto ha già imparato.
Format drift: L'AI restituisce un output di forma un po' diversa da quella richiesta, e tutto quello che sta a valle e si aspettava il formato esatto si rompe.
Frontmatter: Un piccolo blocco YAML proprio in cima a un file, che contiene informazioni sul file stesso.
Git bisect: Il comando git che trova il commit in cui un bug è comparso per la prima volta. Segni un commit buono e uno cattivo, gli dai un test, e lui cerca nella storia dimezzandola a ogni passo. I coding agent sono bravi a lanciarlo al posto tuo.
Gold set: Casi reali presi dal tuo lavoro, ognuno etichettato con la risposta giusta da persone che conoscono il mestiere. Ci misuri un modello decisionale prima di fidartene.
Guida (controllo feedforward): Un controllo dell'harness che orienta l'agent prima che agisca, come le istruzioni, una guida di stile o un template. Rende più probabile un buon primo tentativo.
Harness: Tutto quello che costruisci attorno a un modello: il context che gli dai, i tool che può chiamare e il loop in cui gira.
Harness engineering: Progettare e migliorare tutto quello che sta attorno al modello di un agent: istruzioni, tool, controlli e limiti. Nel senso di Mitchell Hashimoto, l'abitudine di modificare l'harness ogni volta che l'agent fa un errore, perché non lo rifaccia più.
Headless run: Un'esecuzione di un coding agent avviata da uno script, senza nessuno alla tastiera, come claude -p o codex exec. I tool consentiti, la sandbox e i limiti su turni e spesa vanno tutti fissati prima che parta.
Idempotency: Un agent è idempotente se farlo girare due volte sullo stesso input è sicuro: produce lo stesso output, oppure salta il lavoro già fatto.
Infrastruttura (non uno strumento): Qualcosa che hai costruito e da cui dipendono molte persone. A quella scala serve un responsabile con nome e cognome, un comportamento documentato, degli HITL gate e un piano di manutenzione.
Input affidabili: Input già validati a monte, tipo la riga di un database con uno schema obbligatorio. Su quelli puoi agire.
Integrazione continua (CI): La build e i test automatici che girano su ogni modifica proposta prima del merge. In una fabbrica del software è il primo controllo che la modifica di un agent deve superare, e un'esecuzione verde vale quanto i test che ci stanno dietro.
Istruzioni specifiche per percorso: File di istruzioni che valgono solo quando un agent lavora sui file corrispondenti, come un file .instructions.md di GitHub Copilot con un pattern applyTo, o una regola di Cursor con dei glob.
La regola del costruire: Quando ti accorgi di fare lo stesso lavoro due volte, costruiscilo come agent: alla terza gira da solo.
Limite del modello: Un fallimento dove l'AI non è abbastanza affidabile su quel compito. Si aggiusta con un controllo deterministico o con un HITL gate più stretto.
Livelli di maturità: Le etichette dei workflow condivisi: «Provalo a tuo rischio», «Featured» (passato al setaccio e documentato) e «Official» (mantenuto, di livello produzione).
Lock del compito: Una prenotazione su un elemento di lavoro, come un piccolo file che un agent mette con un commit in un repository condiviso prima di cominciare, così gli altri agent scelgono qualcos'altro. I lock tenuti troppo a lungo o mai rilasciati rallentano tutti.
Lockfile: Un file che registra la versione esatta di ogni pacchetto che un progetto installa, compresi i pacchetti portati dalle sue dipendenze. Le sue modifiche in un diff mostrano tutto quello che aggiunge un nuovo pacchetto.
Mappa degli snodi: La mappa dei passaggi di consegne di un processo: chi passa, chi raccoglie, cosa si perde, quanto tempo costa e dove l'AI potrebbe entrare.
Merge: Riportare le modifiche di un branch nella linea principale quando sono pronte.
Merge queue: Una coda che, prima del merge, testa ogni pull request insieme al branch main più recente e alle pull request che la precedono, così modifiche che passano da sole non possono rompere il branch messe insieme.
Modifica su tutta la flotta: Lo stesso tipo di modifica fatto su molti repository, come un aggiornamento di dipendenza o di configurazione, di solito con una piccola pull request per repository. Sono comunque i controlli e i responsabili di ogni repository a decidere se la sua modifica arriva al merge.
Modulo di richiesta: Il modulo o il template che le persone compilano per registrare un elemento di lavoro, con un campo per ogni riga della Definition of Ready e quelli importanti obbligatori. Rende i campi difficili da saltare, non impossibili, quindi il triage controlla di nuovo ogni elemento. Su GitHub è un issue form.
OpenTelemetry (OTel): Uno standard aperto per inviare metriche, log e tracce da un programma a un collector che scegli tu. Gli strumenti per gli agent lo usano per riportare i token, il costo e le chiamate ai tool di ogni esecuzione.
Output schema: Una definizione scritta e precisa dei campi e dei tipi di un output, decisa prima di scrivere il prompt.
pass@k (almeno una volta): La quota di compiti che un agent supera almeno una volta in k tentativi. Mostra se l'agent sa svolgere un compito, non se lo svolge ogni volta.
pass^k (ogni volta): La quota di compiti che un agent supera in tutti i k tentativi. Scende man mano che k cresce, e conta soprattutto dove le persone si aspettano ogni volta lo stesso risultato.
Passaggio di validazione: Il primo passaggio della chain, quello che controlla se ogni campo obbligatorio c'è ed è valido. Se un controllo cade, si ferma e chiama una persona.
Peso dell'output: I token in output costano tipicamente dalle 3 alle 5 volte più di quelli in input, quindi un modello che per default parla troppo moltiplica la spesa in fretta.
Piano di manutenzione: Un documento breve che dice chi è il responsabile, chi lo sostituisce, ogni quanto si rivede, quali sono i fallimenti noti e come si testano le modifiche.
Potatura dell'harness: Togliere i pezzi di un harness uno alla volta, rifacendo girare le stesse valutazioni dopo ognuno, per tenere solo quello che migliora ancora i risultati. Ogni regola o controllo è un'ipotesi sul modello, e i modelli cambiano.
Principio d'oro: Una regola netta e meccanica su come dovrebbe essere sempre il codice, scritta nel repository, così un agent pianificato può trovare le deviazioni e aprire piccole pull request per correggerle.
Pronto per la produzione: Un workflow provato su input veri, con i fallimenti noti e gli HITL gate scritti nel brief, documentato, con un responsabile e con i log per accorgersi del drift.
Pull request: Un pacchetto di commit proposto per la review prima che entri nella linea principale.
Pull request impilate: Una serie di pull request piccole, ognuna basata sulla precedente, così un lavoro grande viene rivisto una modifica a sé stante alla volta. Ognuna deve lasciare il sistema funzionante quando va in merge.
Punto di chiamata: Un punto del codice in cui viene chiamata una certa funzione. Prima di un aggiornamento o di una rinomina, elencare tutti i punti di chiamata, test e script compresi, mostra quanto è grande la modifica e cosa va controllato.
Ralph loop: Un modo di far girare un coding agent senza supervisione: uno script gli manda lo stesso prompt, lo stesso file del piano e le stesse specifiche, ancora e ancora. Ogni passata parte con un context pulito, fa un elemento, esegue i controlli e fa commit.
Rebase: Riapplicare i commit di un branch sopra il branch main più recente. Fare rebase subito prima dei controlli finali vuol dire che i controlli testano il codice che arriverà davvero al merge.
Recall: Con quanta costanza il modello applica davvero una certa regola. Le regole sepolte in mezzo a un long context saltano.
Red/green TDD: Sviluppo con i test scritti prima del codice: scrivi un test, eseguilo e guardalo fallire (rosso), poi cambia il codice finché passa (verde). Vederlo fallire prima mostra che il test controlla la modifica, e non qualcosa che funzionava già. Con un coding agent, di solito basta chiedere red/green TDD.
Regola dei 50 input: Prova un agent su 50 input veri e diversi prima di fidarti e lasciarlo lavorare senza supervisione. Ogni fallimento va catalogato.
Repository (repo): Una cartella di progetto con la memoria: contiene i file, i test e il registro di ogni modifica, così niente va perso davvero.
Revisione con context pulito: Una revisione fatta da un modello che riceve il lavoro finito, la sua Definition of Done e le fonti, ma non la conversazione o il ragionamento che l'hanno prodotto. Può aprire i file ed eseguire i controlli.
Ruleset: Un insieme di regole con un nome applicato ai branch di un repository, come richiedere una pull request, controlli superati e un'approvazione prima di qualsiasi merge. Le modifiche degli agent ci sono vincolate come quelle di chiunque altro.
Scenario riservato: Una user story end-to-end, conservata fuori dalla codebase, che controlla il software in base a quello che un utente può osservare. Gli agent non la vedono mai, quindi non possono riscriverla né scrivere codice che passi solo quella.
Scope judge: Un modello che legge solo un elemento di lavoro e il diff che un agent ha prodotto per quell'elemento, e pone il veto sulle modifiche che vanno oltre. Gira dopo i controlli di build e di test. Tieni d'occhio il suo tasso di veto e controlla a mano un campione dei suoi verdetti.
Sensore (controllo feedback): Un controllo dell'harness che controlla il lavoro dell'agent dopo che ha agito, come un test, un controllo dei link o un modello revisore, così l'agent può correggersi.
Set di riesecuzione: Un elenco fisso di elementi di lavoro passati, ognuno con il suo commit di partenza e il risultato che conta come superato. Prima di rilasciare una modifica, ci fai girare il sistema attuale e quello modificato e li confronti elemento per elemento.
Set di valutazione: Un insieme di compiti che puoi rifar girare, ognuno con una regola di superamento, per dare un punteggio a un agent e al suo harness prima e dopo una modifica. Fallo crescere a partire dai fallimenti veri, e includi casi in cui qualcosa non deve succedere.
Shadow mode: Far girare un modello decisionale sul lavoro vero mentre a comandare resta il processo attuale. Registri entrambe le risposte e le confronti dopo; su quello che dice il modello non si agisce mai.
Shift left: Spostare un controllo il più presto possibile, come un lint a ogni push invece che nella CI o in review, così un fallimento si vede dove costa meno correggerlo.
Skill: Un pacchetto di istruzioni e materiale di riferimento che insegna a un assistente a fare bene un lavoro, riutilizzabile in tutte le chat future.
SKILL.md: L'unico file obbligatorio di una skill: frontmatter YAML in cima (nome e descrizione), poi la procedura nel corpo.
Snodo: Il punto in cui un'informazione passa da una persona, un team o un sistema a un altro. Gli snodi perdono tempo e qualità.
Soddisfazione (scenari): Il punteggio di StrongDM per gli scenari riservati: su tutte le esecuzioni di tutti gli scenari, la quota che probabilmente soddisferebbe l'utente. Sostituisce un semplice superato o fallito quando un software con dentro un modello non si comporta ogni volta allo stesso modo.
Spec-driven development: Mettere per iscritto l'intento prima di tutto, come specifica, e far costruire un coding agent a partire da lì. I livelli si distinguono per cosa succede poi alla specifica: usata per una sola modifica (spec-first), tenuta insieme alla funzionalità (spec-anchored), o unico file che le persone modificano (spec-as-source).
Stop hook: Un hook che scatta ogni volta che l'agent finisce di rispondere e può rimandarlo al lavoro, per esempio finché un test fallisce ancora. Ha bisogno di una guardia, così un controllo che non può mai passare chiude l'esecuzione invece di farla girare in loop.
Symlink: Un file scorciatoia che punta a un altro file, così una sola copia vera può comparire in più posti.
Tabella di affidabilità: Una tabella che raggruppa le risposte di un modello per probabilità e mostra quanto spesso ogni gruppo era giusto. Ti dice se sui tuoi dati 0,8 vuol dire davvero circa l'80%.
Template con variabili: I brief di produzione sono template con variabili che hanno un nome: così si possono ispezionare, versionare e forkare.
Tentativo: Un singolo tentativo su un singolo compito in una valutazione. Gli agent variano da un'esecuzione all'altra, quindi ogni compito riceve più tentativi, ognuno da una partenza pulita.
Terminal (shell): La finestra di testo dove scrivi comandi invece di cliccare bottoni. I coding agent vivono qui.
Test dell'obiettivo: Una condizione di stop che l'agent verifica invece di dichiararla: la build passa, o l'endpoint risponde 200.
Test di riproduzione: Un test scritto per fallire a causa di un bug segnalato, prima che qualcuno lo corregga. Deve fallire per lo stesso motivo per cui gli utenti vedono il bug, non per un errore di battitura o un setup mancante, così che quando poi passa mostri che la correzione funziona.
Test manuale agentico: Far usare a un coding agent la sua modifica come farebbe una persona: chiamare una funzione dalla riga di comando, un'API con curl o una pagina in un browser vero, tenendo un registro di ogni comando e del suo output. Può trovare quello che sfugge ai test che passano.
Test suite: Gli autocontrolli di un progetto, lanciati da un solo comando che dice se passano o no.
Tetto ai tentativi: Un limite a quante volte un agent può riprovare dopo che un controllo fallisce, per esempio due giri di CI. Quando lo raggiunge, l'esecuzione si ferma e il branch passa a una persona con l'output che fallisce.
Tetto di budget: Una condizione di stop che fissa un limite invalicabile ai turni, ai token o alle chiamate ai tool.
Traccia: Il resoconto di un'esecuzione sotto forma di albero di passaggi cronometrati, chiamati span: l'esecuzione alla radice, e sotto ogni chiamata al modello e ogni chiamata ai tool. Mostra dove sono andati il tempo e i token, cosa è fallito e perché l'esecuzione si è fermata.
Triggers: Come parte un agent: a orari prestabiliti, a richiesta, o su un evento come una riga nuova in un database.
Tripwire: In un SDK per agent, il segnale che un guardrail manda quando il suo controllo fallisce. L'esecuzione si ferma, e il tuo codice decide cosa succede dopo, per esempio dire all'utente che la richiesta non si può elaborare.
Utilizzabile o corretto: Utilizzabile vuol dire che i passaggi a valle riescono a leggere l'output. Corretto vuol dire che il contenuto è giusto. Servono entrambe le cose.
Valutatore: Qualunque cosa decida se un tentativo è superato: il codice per quello che si può controllare con esattezza, un modello con una griglia di valutazione per le scelte di criterio, oppure una persona. Prima di fidarti di un modello come valutatore, confrontalo con delle persone.
Valutazione delle capacità: Una valutazione fatta di compiti in cui un agent fa ancora fatica. Parte da un tasso di superamento basso e mostra se le modifiche all'harness aiutano.
Valutazione di regressione: Una valutazione fatta di compiti che un agent sa già svolgere, e che dovrebbero passare quasi ogni volta. Un calo vuol dire che qualcosa si è rotto, spesso dopo una modifica al modello, alle istruzioni o ai tool.
Verifier: Un controllo che un agent può eseguire ma non controlla, come una build o un giro di test, e che risponde in poche righe. In una fabbrica i verifier girano prima che si apra una pull request, e se uno fallisce la pull request non si apre.
Vibe coding: Costruire qualcosa descrivendo a parole tue quello che vuoi e lasciando che l'AI scriva il codice, guidandola a intuito.
Workflow: Un sistema in cui un modello e dei tool seguono passaggi che hai fissato in anticipo. È più semplice, più economico e più facile da testare di un agent, quindi usalo ogni volta che conosci i passaggi.
Worktree: Una seconda copia di lavoro dello stesso repo, in una cartella sua e con un branch suo, così due lavori non si pestano i piedi.
YAML: Impostazioni scritte come righe con un'etichetta, per esempio name: pdf-export. Leggilo come un modulo da compilare, non come codice.

Rischi e sicurezza

Adversarial testing: Dare in pasto a un agent, durante i test, input difficili, contraddittori, incompleti o malevoli, per scoprire dove si rompe.
Adversarial verification: Separare chi produce da chi valuta. Un passaggio crea, un altro attacca con l'ordine di smontare, e va in produzione solo quello che sopravvive.
AI slop: Testi o immagini sfornati dall'AI in serie e senza cura. È esattamente quello che un buon prompting evita.
Allowlist di rete: L'elenco degli host che l'esecuzione di un agent può raggiungere, come il tuo registry dei pacchetti. Tutto il resto è bloccato, e questo limita dove un agent confuso o manipolato può mandare dati.
Audit logs: Il registro di ogni chiamata a un tool MCP, con orario, chi l'ha fatta, lo scope e il risultato. È quello che guardi per sapere cosa ha fatto l'AI.
Automation bias: La tendenza a fare affidamento, o troppo affidamento, sull'output di un sistema automatizzato. L'AI Act dell'UE lo nomina («distorsione dell'automazione» nel testo italiano), e un tasso di override vicino allo zero è uno dei segnali d'allarme.
Azioni sempre con HITL: Le cose che hanno sempre bisogno del via libera di una persona: soldi, salute, sicurezza, contratti, clausole legali, pratiche con la pubblica amministrazione, stato giuridico.
Bias di autopreferenza: La tendenza di un agent a giudicare con troppa indulgenza il proprio lavoro quando gli si chiede di controllarlo o di dargli un voto. Si contrasta con un revisore che non ha fatto il lavoro.
Blast radius: L'insieme dei sistemi che un agent può toccare se qualcosa va storto. Più è ampio, più i gate devono essere stretti.
Caratteri Unicode nascosti: Caratteri che non occupano spazio visibile, come i caratteri di unione a larghezza zero e i marcatori bidirezionali del testo. Possono nascondere in un file un'istruzione che chi lo legge non vede, ma che un modello legge.
Confidence calibration: Far dichiarare all'AI quanta confidenza ha nella propria risposta (alta, media, bassa) con una motivazione, così sai quali output guardare.
Contenimento: Limitare quello che un agent può raggiungere, qualunque cosa decida: una sandbox, l'accesso alla rete spento o limitato a un elenco, e le credenziali fuori dalla sua portata. Regge quando nessuno guarda, cosa che le approvazioni non possono fare.
Controlli a campione: Prendere una fetta degli output di un workflow (per esempio il 10%) e rivederli di persona.
Controllo imposto: Un limite che lo strumento applica qualunque cosa decida il modello, come una regola dei permessi, un hook, una sandbox o un'app non collegata. A differenza di un'istruzione, il modello non può saltarlo.
Deny rule: Una regola dei permessi che blocca un tool, un comando o un percorso qualunque cosa decida il modello, come Read(./.env) in Claude Code. Le deny rule vengono controllate per prime, quindi una allow rule non può fare eccezione a una deny rule.
Drift: Quando gli output di un modello peggiorano lentamente perché è cambiato il pattern degli input. È silenzioso e si vede solo guardando molti output insieme.
Drift (loop): Il fallimento di un loop in cui l'agent si dimentica l'obiettivo e ottimizza un sotto-compito. Ripeti l'obiettivo verso la fine del context.
Eccesso di zelo: Un agent che fa un passo all'apparenza utile oltre quello che hai chiesto o che approveresti, come usare una credenziale che ha trovato. Si limita con controlli imposti dallo strumento.
Esfiltrazione: Mandare dati all'esterno, a qualcuno che non dovrebbe averli. Per un agent, qualsiasi modo di comunicare con l'esterno può portarli fuori: un'email, un messaggio, una richiesta web, perfino un link o l'indirizzo di un'immagine.
Fatica da approvazioni: Quello che succede quando le persone vedono così tante richieste di conferma da smettere di leggerle. Le approvazioni continuano, ma non sono più un controllo. Chiedi di meno, mostra esattamente cosa succederà e contieni il lavoro di routine.
Fermata sbagliata: Il fallimento di un loop in cui l'agent molla presto perché «sembra fatto», oppure non molla mai. Si aggiusta con un test di terminazione esplicito.
Guardrails: Regole e controlli che impediscono all'AI di fare cose rischiose.
Hallucination: Quando un assistente afferma qualcosa di falso con assoluta sicurezza. Vale sempre un controllo al volo.
Hallucination di pacchetti: Un pacchetto software, suggerito da un modello, che non esiste. Chiunque può registrare il nome inventato e riempirlo di codice dannoso, quindi controlla ogni nuovo pacchetto prima di tenerlo.
HITL gate: Un punto di controllo human-in-the-loop dove una persona guarda prima che l'agent agisca. Obbligatorio per le azioni irreversibili o a bassa confidenza.
Human-in-the-loop (HITL): Una persona rivede o approva l'output dell'AI prima di qualunque azione, soprattutto sui passaggi regolamentati, irreversibili o di grande impatto.
Igiene dei dati: Le abitudini con cui maneggi le informazioni riservate quando usi l'AI. I dati sensibili restano dove stanno, invece di finire incollati in uno strumento che non controlli.
Jailbreak: Un prompt costruito per aggirare i guardrail di sicurezza di un'AI. Non provarci: quei guardrail difendono te e gli altri.
La regola ferrea: Mai incollare in uno strumento AI generico coordinate bancarie, credenziali, documenti d'identità o qualunque cosa riservata che non è tua.
Lethal trifecta: Il nome che Simon Willison dà a un agent che ha accesso a dati privati, vede contenuti non attendibili e può mandare dati all'esterno. Con tutti e tre gli elementi, un attaccante può indurlo con l'inganno a far trapelare i dati. Togline almeno uno.
Livello di rischio delle azioni: Un livello basso, medio o alto per una singola azione che un agent può compiere, ricavato da quattro domande: scrive qualcosa, si può annullare, di chi è l'accesso che usa, e ci sono di mezzo dei soldi. Ogni livello corrisponde ad allow, ask o deny.
Modello del formaggio svizzero: Un'immagine presa dall'ingegneria della sicurezza: ogni strato di controlli ha dei buchi, ma strati con i buchi in punti diversi lasciano passare pochi errori. Nessun controllo da solo intercetta tutto, quindi mettine diversi uno sopra l'altro.
Nessun avanzamento: Il fallimento di un loop in cui l'agent riprova la stessa azione che non funziona, o fa avanti e indietro fra due stati. Tieni traccia di cosa ha già provato e metti un tetto ai tentativi.
Pausa automatica: Un interruttore di sicurezza che ferma l'agent quando la precisione misurata a campione scende sotto una soglia, e lo tiene fermo finché una persona non lo riattiva.
Percorso di escalation: La strada definita per un caso segnalato: chi viene avvisato, come, e con quale contesto. Ogni HITL gate ne ha bisogno di uno.
Pigrizia agentica: Quando un agent si ferma a metà di un compito lungo e fatto di molte parti, e dichiara finito tutto il lavoro. Si contrasta con un controllo che l'agent deve eseguire prima di fermarsi.
Privilegio minimo: Dare a un agent, a una persona o a un programma solo l'accesso che serve al suo compito, e niente che duri più del compito. Per un agent senza supervisione vuol dire un solo repository, pochi tool e credenziali che scadono con l'esecuzione.
Prompt injection: Istruzioni malevole nascoste dentro un contenuto che l'AI legge, con l'obiettivo di dirottare quello che fa.
Prompt injection indiretta: Una prompt injection che arriva dentro un contenuto che l'agent legge, come una pagina web, un'email, un file condiviso o il risultato di un tool, invece che in quello che scrive l'utente.
Proxy delle credenziali: Un servizio fuori dalla sandbox di un agent che tiene una chiave vera e la aggiunge alle richieste in uscita verso i domini consentiti. Il codice dentro la sandbox vede solo un segnaposto, quindi un'esecuzione dirottata non ha nessuna chiave da rubare.
Push protection: Un controllo di GitHub che blocca un push contenente una password, una chiave o un token prima che arrivi nel repository, invece di avvisarti dopo.
Red-teaming: Adversarial testing con l'obiettivo di un attaccante: attacchi di proposito la tua configurazione reale, per esempio provando a farle far trapelare dei dati, per vedere quali difese reggono. Per un agent spesso vuol dire piazzare ad arte un'istruzione innocua in qualcosa che legge.
Regola del due per gli agent: La regola di progettazione di Meta contro la prompt injection: in una stessa session, un agent dovrebbe avere al massimo due di queste tre cose: input non attendibile, accesso a sistemi sensibili o dati privati, e il potere di cambiare lo stato o di comunicare verso l'esterno. Con tutte e tre gli servono una persona o un altro controllo affidabile.
Revocation: Togliere gli scope a una connessione MCP quando il workflow va in pensione, così non ti restano connessioni dormienti.
Reward hacking: Superare un controllo senza fare quello che il controllo doveva dimostrare, come cancellare un test che fallisce o scrivere codice che funziona solo con l'input del test. Proteggi i controlli dalle modifiche, e tienine qualcuno dove l'agent non può vederlo.
Sbagliato con sicurezza: Una risposta che suona autorevole ed è sbagliata in un punto sottile, con lo stesso tono di quelle giuste.
Scopes: I permessi per singola azione che un server MCP espone, tipo read_employees separato da update_employee. Concedi il minimo indispensabile.
Slopsquatting: Registrare un nome di pacchetto che i modelli AI tendono a inventare, così il codice che segue il suggerimento di un modello installa il pacchetto dell'attaccante. Il nome viene dal typosquatting, in cui gli attaccanti registrano nomi di pacchetti scritti male.
Soglia minima di confidenza: La soglia sotto la quale l'agent si ferma e passa la palla a una persona invece di agire.
Supervisione: Rendere sicuro un agent facendo approvare a una persona ogni azione prima che venga eseguita. Funziona solo finché quella persona presta attenzione e capisce cosa sta approvando, quindi il lavoro che gira mentre nessuno guarda ha bisogno di contenimento.
Test di sostituzione: Cambiare un dettaglio che non dovrebbe contare, come un nome o un luogo, e far girare di nuovo lo stesso caso. Se la risposta si sposta più del normale rumore, la decisione sta usando quel dettaglio.
Workspace trust: Il controllo che un coding agent fa prima di usare le impostazioni di una cartella, come gli hook salvati in un repository: ti chiede se ti fidi della cartella. Le esecuzioni da script possono saltare la domanda e trattare la cartella come attendibile.

Strumenti e assistenti

Agent cloud: Un coding agent che gira sulle macchine di un fornitore invece che sulle tue. Gli dai un compito, lavora in un suo ambiente preparato e ti restituisce un branch o una pull request che una persona rivede.
Agent integrato nel workspace: Un agent che vive dentro uno strumento come Notion, e legge e scrive le sue pagine e i suoi database.
AI agent: Un brief salvato che porta avanti da solo un lavoro ricorrente: a orari prestabiliti, a richiesta o su un evento.
Approval policy: In Codex, l'impostazione che decide quando l'agent si ferma a chiedere prima di andare oltre la sua sandbox, come on-request o never. Il sandbox mode stabilisce cosa possono fare tecnicamente i comandi.
Artifacts: La funzione di Claude che genera codice, documenti, slide e output interattivi in un pannello laterale modificabile.
Assistente AI: Il tuo strumento di chat a sé stante (ChatGPT, Gemini, Claude o Grok). È reattivo: tu chiedi, lui risponde.
Assistente integrato nell'app: L'AI incorporata in un'app che già usi, tipo Gmail, Notion o Word. Agisce sulla pagina che hai aperto.
Assistente salvato (riutilizzabile): Un assistente personalizzato che configuri una volta e riusi: un Custom GPT, un Gem o un Claude Project.
ChatGPT: L'assistente di OpenAI, gratis su chatgpt.com. Un generalista affidabile, con la comunità di utenti più grande.
Checkpoint (istantanea dei file): Un'istantanea dei tuoi file che un coding tool scatta prima che l'agent li modifichi, così puoi riavvolgere i suoi ultimi passi. Serve a recuperare in fretta dentro una sola conversazione; alcuni strumenti non vedono le modifiche fatte dai comandi della shell, quindi fai anche i commit con git.
Claude: L'assistente di Anthropic, gratis su claude.ai. Forte sui testi lunghi, sull'analisi di documenti pesanti e sui ragionamenti difficili.
Claude Projects: Workspace persistenti di Claude che tengono i documenti di riferimento, e Claude li ha sotto mano in tutte le conversazioni.
Co-pilot: L'AI che lavora al tuo fianco dentro uno strumento, suggerisce mentre procedi e il controllo resta tuo.
Connectors: I collegamenti che permettono a Claude di raggiungere strumenti come Drive, Gmail, Slack, GitHub e Linear, se glielo permetti.
Custom GPTs: Gli assistenti salvati e riutilizzabili di ChatGPT: li configuri una volta e li riusi.
Deep Research: Una modalità che porta avanti un'indagine estesa su molte fonti, si prende il suo tempo e restituisce un rapporto scritto con le fonti citate.
Gemini: L'assistente di Google, gratis su gemini.google.com. Dà il meglio quando l'input è grosso, di tipi diversi o visivo, e gira dentro Google Workspace.
Gems: Gli assistenti personalizzati salvati e riutilizzabili di Gemini: li configuri una volta e li riusi.
Grok: L'assistente di xAI, gratis su grok.com. Collegato a X e al web in diretta, è il più forte sull'attualità.
Istruzioni del progetto: Istruzioni permanenti che imposti una volta sola in un progetto di ChatGPT o di Claude. Ogni chat del progetto le riceve, insieme ai file del progetto, ma restano richieste che il modello può saltare.
Permission mode: Un'impostazione di un coding agent che decide quali azioni girano senza chiederti prima il permesso, dalle sole letture fino a tutto. Le regole dei permessi si aggiungono sopra, e una deny rule blocca comunque in ogni modalità.
Piattaforma di automazione: Uno strumento no-code (Zapier, Make) che copia dati tra app a orari prestabiliti.
Plan mode: Una modalità del coding agent in cui l'agent legge il codice e propone un piano, ma non cambia niente finché non lo approvi. Tiene separato il capire cosa fare dal farlo.
Plugin: Un pacchetto che installa in una volta sola più elementi della configurazione di un agent, come skill, hook e connessioni a server. Un plugin può eseguire codice con i tuoi permessi, quindi leggi cosa contiene prima di installarlo.
Revisione del codice con l'AI: Una revisione di una pull request o di un diff fatta da un modello AI. I suoi rilievi sono piste da controllare sul codice, non approvazioni, e non sostituisce i test né la revisione di una persona.

Lavorare con l'AI

AI-pilled: Convertito all'AI. Appena ti torna utile per una cosa, cominci a usarla dappertutto. Di solito si dice con un mezzo sorriso.
Atrofia delle competenze: Perdere una competenza che non eserciti più perché il lavoro lo fa uno strumento. Con i coding agent la preoccupazione principale è il debug: in un esperimento è lì che si è visto il divario più grande, ed è la competenza che ti serve per controllare quello che un agent ti consegna.
Cinque livelli di autonomia: Il modello di Dan Shapiro su quanta parte della programmazione un team affida all'AI, dal Livello 0, in cui una persona scrive ogni riga, al Livello 5, la fabbrica al buio. È il modello di una persona, utile come vocabolario comune, e un team può stare su più livelli nello stesso momento.
Debito di comprensione: Il divario crescente tra quanto codice un team ha rilasciato e quanta parte di quel codice qualcuno nel team capisce. Cresce in silenzio mentre i test restano verdi, e si vede quando qualcosa si rompe. Si chiama anche debito cognitivo.
Esempio di riferimento: Il pezzo di codice esistente che indichi come modello per un pattern, come un nuovo endpoint o un test. I coding agent copiano quello che trovano, quindi indicare l'esempio migliore orienta quello che copiano.
Fabbrica al buio: Il livello più alto dei cinque livelli di autonomia di Dan Shapiro: entrano le specifiche, esce il software, e nessuna persona scrive o rivede il codice. Prende il nome dalle fabbriche gestite interamente da robot, dove non lavora nessuno.
Il lavoro deve sparire: L'idea che l'AI debba cancellare categorie intere di lavoro, eliminando i compiti del tutto.
L'AI come prima opzione: Prendersi trenta secondi, su ogni compito nuovo, per chiedersi come l'AI potrebbe aiutare, prima di farlo a mano.
La mentalità del 100x: Il nuovo ritmo: i mesi diventano giorni, i giorni diventano ore. Quando il costo scende di cento volte, diventano possibili cose che prima non lo erano.
La regola dell'80%: Per qualsiasi cosa parti dal tuo assistente AI. Lo strumento dentro l'app è una comoda scorciatoia, e puoi anche saltarla.
Legge di Goodhart: L'osservazione che un numero smette di essere una buona misura quando le persone vengono premiate in base a quel numero. Fissa come obiettivo le pull request aperte, e avrai più pull request, che valgano qualcosa oppure no.
Leggibilità per l'agent: Se le conoscenze che servono a un agent stanno in un posto che può aprire mentre lavora. Una decisione che vive solo in una riunione, in una discussione in chat o nella testa di qualcuno è illeggibile: per l'agent non esiste.
Limite al lavoro in corso: Un tetto al numero di compiti avviati e non ancora andati in merge. Per i coding agent in parallelo, fissalo in base a quante modifiche riesci a rivedere e integrare, non a quanti agent riesci ad avviare, e rivedi quello che è in attesa prima di avviarne altri.
Nota di passaggio di consegne: Una breve nota che permette a una session nuova di prendere in mano un compito: l'obiettivo con le parole originali, le regole che devono reggere, cosa è stato fatto e come è stato controllato, cosa viene dopo e cosa non ha funzionato.
Ora chiunque è un builder: Chi costruisce un workflow con l'AI è un builder, qualunque cosa dica il suo ruolo sul biglietto da visita.
Padronanza dell'AI: La capacità di lavorare con l'AI, costruirci sopra e pensare al suo fianco. È la competenza che rende di più in questo decennio.
Paradosso della supervisione: Il problema per cui supervisionare un agent AI richiede proprio le competenze che affidarsi a lui può indebolire. Lo studio di Anthropic sui propri ingegneri usa il termine per la programmazione: controllare il codice di un agent richiede le competenze di programmazione che eserciti meno da quando è lui a scriverlo.
Reimparare a imparare: La meta-competenza di continuare a imparare mentre le vecchie specializzazioni vengono automatizzate. È il nuovo fossato.
Triage: Smistare il lavoro in arrivo così che ogni elemento finisca nel posto giusto. In una fabbrica ogni elemento va a un agent, a una persona o di nuovo al suo autore, e ogni decisione registra una motivazione e una confidenza.
Verifica incrociata: Passa la stessa domanda importante da due strumenti e confronta. Se concordano, la confidenza sale; se non concordano, hai trovato qualcosa da approfondire.