# monigatti-rag-to-agent-memory-evolution-2025-11-03

## Veille

Evoluzione da RAG ad Agent Memory - Operazioni di lettura-scrittura - Gestione dei dati durante l'inferenza - Vector databases - Memoria persistente per agenti IA - Leonie Monigatti

## Titre Article

The Evolution from RAG to Agentic RAG to Agent Memory

## Date

2025-11-03

## URL

https://www.leoniemonigatti.com/blog/from-rag-to-agent-memory.html

## Keywords

Retrieval-Augmented Generation, RAG, Agentic RAG, Agent Memory, Vector Databases, Ricerca Semantica, Tool Call, Operazioni di Lettura-Scrittura, Gestione della Memoria, Memoria Procedurale, Memoria Episodica, Memoria Semantica, Finestra di Contesto, Corruzione della Memoria, Gestione dei Dati, Apprendimento Persistente, Personalizzazione, Cronologia delle Conversazioni, Agenti LLM

## Authors

Leonie Monigatti

## Ton

**Profilo:** Tecnico-educativo | Terza persona esplicativa | Analitico-pedagogico | Intermedio

Monigatti adotta uno stile didattico da blog tecnico che ripercorre un'evoluzione tecnologica cronologica. Il tono pedagogico è strutturato attorno a una chiara progressione concettuale: RAG → Agentic RAG → Agent Memory. L'uso di pseudocodice per illustrare le transizioni tecniche rende concrete le astrazioni. Domande retoriche strutturano il ragionamento ("Come recuperare?" → "Devo recuperare?" → "Come vengono gestite le informazioni?"). Ammissioni di sfumatura ("introduce nuove sfide come la corruzione della memoria") stabiliscono una prospettiva equilibrata. Contenuto tipico di un practitioner ML che spiega pattern architetturali a un pubblico tecnico che conosce i concetti fondamentali ma esplora lo stato dell'arte.

## Pense-betes

- **RAG (2020)**: recupero one-shot da fonti di conoscenza esterne * Storage offline * Un recupero per query * Domanda: "Come recuperare?"
- **Agentic RAG**: recupero dinamico tramite tool call * L'agente determina se sono necessarie informazioni aggiuntive * Possibili più turni di recupero * Domanda: "Devo recuperare?"
- **Agent Memory**: operazioni di lettura-scrittura tramite tool * WriteTool accanto a SearchTool * Apprendimento persistente durante l'inferenza * Domanda: "Come vengono gestite le informazioni?" **Evoluzione concettuale in 3 fasi** 1. **Storage + recupero** (RAG vanilla) 2. **Recupero deciso dall'agente** (Agentic RAG) 3. **Gestione completa dei dati** (Agent Memory) **Applicazioni pratiche di Agent Memory**
- Esperienze utente personalizzate tramite la memorizzazione della cronologia delle conversazioni
- Creazione automatica della memoria a partire da dettagli importanti (preferenze, date, nomi)
- Sistemi di memoria multi-sorgente (procedurale, episodica, semantica) **Tipi di memoria**
- **Procedurale**: know-how, workflow
- **Episodica**: interazioni passate, cronologia del contesto
- **Semantica**: fatti, conoscenza di dominio **Nuove sfide**
- Corruzione della memoria che richiede strategie di gestione dedicate
- Validazione delle operazioni di scrittura
- Versioning della memoria e risoluzione dei conflitti
- Privacy e policy di conservazione dei dati **Cambiamento di paradigma**
- Da sistemi centrati sul recupero a una gestione completa dei dati
- Le informazioni fluiscono bidirezionalmente in entrata/uscita dalle finestre di contesto
- Le capacità di persistenza e apprendimento sono fondamentalmente cambiate

## RésuméDe400mots

In questo articolo tecnico, Leonie Monigatti presenta l'evoluzione architetturale dal RAG vanilla (2020) all'Agent Memory, ripercorrendo la progressione nel modo in cui i sistemi IA accedono e gestiscono la conoscenza esterna, con un focus sul flusso bidirezionale di informazioni in entrata e in uscita dalle finestre di contesto degli LLM.

**RAG vanilla (2020): lo strato fondativo**

La Retrieval-Augmented Generation ha introdotto il recupero one-shot da fonti di conoscenza esterne. Architettura semplice: storage offline + un singolo recupero per query. Domanda centrale: "Come recuperare?" La ricerca semantica tramite vector databases arricchisce l'LLM con informazioni esterne rilevanti. Limite: recupero deterministico, a passaggio singolo, senza raffinamento adattivo della query.

**Agentic RAG: capacità di recupero dinamico**

L'evoluzione introduce le tool call che permettono all'agente di determinare se sono necessarie informazioni aggiuntive. Lo pseudocodice illustra la transizione:

```
SearchTool disponibile → L'agente valuta la rilevanza → Possibili più turni di recupero
```

La domanda si sposta: "Come recuperare?" diventa "Devo recuperare?" L'agente decide autonomamente quando e dove recuperare le informazioni. Il recupero diventa più strategico, contestuale e iterativo. Ma le operazioni restano di sola lettura: le informazioni fluiscono solo verso la finestra di contesto.

**Agent Memory: gestione completa dei dati**

"Il passo logico successivo dopo l'evoluzione dal RAG vanilla all'Agentic RAG." Introduce un WriteTool accanto al SearchTool. Cambiamento di paradigma importante: operazioni di lettura-scrittura. La domanda diventa: "Come vengono gestite le informazioni?"

Lo pseudocodice mostra la trasformazione:
```
SearchTool (lettura) + WriteTool (scrittura) → Flusso di informazioni bidirezionale → Apprendimento persistente
```

Le informazioni fluiscono in entrambe le direzioni: non solo recupero, ma anche memorizzazione e modifica durante l'inferenza. Le capacità di apprendimento persistente degli agenti ne risultano fondamentalmente cambiate.

**Applicazioni pratiche dimostrate**

**Esperienze utente personalizzate**: la memorizzazione della cronologia delle conversazioni garantisce continuità tra le sessioni. Le preferenze dell'utente e i pattern di interazione vengono resi persistenti.

**Creazione automatica della memoria**: il sistema estrae e memorizza dettagli importanti (preferenze, date, nomi) senza un comando esplicito dell'utente. Gestione proattiva della memoria.

**Sistemi di memoria multi-sorgente**: architettura che supporta tipi di memoria distinti:
- **Memoria procedurale**: workflow, know-how
- **Memoria episodica**: interazioni passate, cronologia del contesto
- **Memoria semantica**: fatti, conoscenza di dominio

La separazione consente strategie di recupero specializzate per ciascun tipo di memoria.

**Nuove sfide introdotte**

L'articolo, equilibrato nella trattazione, evidenzia le sfide:

**Corruzione della memoria**: le operazioni di scrittura possono introdurre errori e informazioni obsolete. Sono necessarie strategie di validazione.

**Complessità di gestione**: diventano necessarie il versioning, la risoluzione dei conflitti e le policy di retention. Più potere = governance più complessa.

**Privacy**: la memorizzazione persistente solleva questioni di conservazione dei dati, consenso e diritto all'oblio.

**Cambiamento di paradigma in sintesi**

L'evoluzione rappresenta un cambiamento fondamentale da sistemi centrati sul recupero a una gestione completa dei dati. RAG recuperava la conoscenza, Agentic RAG decideva quando recuperare, Agent Memory gestisce l'intero ciclo di vita della conoscenza.

Citazione chiave: "L'Agent Memory rappresenta un cambiamento di paradigma da sistemi focalizzati sul recupero a una gestione completa dei dati."

Progressione del framework: aumento statico → recupero dinamico → apprendimento persistente. Ogni fase si basa sulle capacità precedenti aggiungendo un livello di autonomia. Agent Memory consente agli agenti di apprendere dalle interazioni, costruire basi di conoscenza e personalizzare le risposte in base all'esperienza accumulata. La trasformazione da strumento di recupero a piattaforma di gestione dei dati ridefinisce fondamentalmente l'architettura degli agenti LLM.

## GrapheDeConnaissance

- Leonie Monigatti —publie→ analyse de l'évolution RAG vers Agent Memory (DOCUMENT, 0.98)
- Agentic RAG —est_basé_sur→ RAG (TECHNOLOGIE, 0.97)
- Agent Memory —est_basé_sur→ Agentic RAG (TECHNOLOGIE, 0.97)
- Agent Memory —utilise→ opérations lecture-écriture (CONCEPT, 0.95)
- RAG —utilise→ vector databases (TECHNOLOGIE, 0.93)
- Agentic RAG —utilise→ tool calls dynamiques (CONCEPT, 0.94)
- Agent Memory —permet→ apprentissage persistant (CONCEPT, 0.92)
- Agent Memory —utilise→ mémoire procédurale (CONCEPT, 0.9)
- Agent Memory —utilise→ mémoire épisodique (CONCEPT, 0.9)
- Agent Memory —utilise→ mémoire sémantique (CONCEPT, 0.9)
- Agent Memory —permet→ corruption mémoire (CONCEPT, 0.88)
- gestion complète des données —remplace→ systèmes centrés récupération (CONCEPT, 0.92)

---
Canonical: https://www.thekb.eu/it/fiches/monigatti-rag-to-agent-memory-evolution-2025-11-03/