# vasilopoulos-codified-context-infrastructure-ai-agents-2026-02-24

## Veille

Infrastruttura di contesto codificato per agenti IA: architettura a 3 livelli, memoria persistente, 283 sessioni, MCP, agenti specializzati, codebase complesso

## Titre Article

Codified Context: Infrastructure for AI Agents in a Complex Codebase

## Date

2026-02-24

## URL

https://arxiv.org/html/2602.20478v1

## Keywords

contesto codificato, infrastruttura per agenti IA, memoria persistente, architettura a 3 livelli, constitution, agenti specializzati, knowledge base, MCP, Model Context Protocol, Claude Code, sviluppo assistito da IA, specifiche, manutenzione della documentazione, instradamento dell'expertise, sessioni di sviluppo, C#, sistema distribuito

## Authors

Aristidis Vasilopoulos (Chercheur indépendant, USA)

## Ton

**Profilo**: prospettiva di ricercatore-praticante indipendente, registro accademico rigoroso, livello avanzato

**Descrizione**: Vasilopoulos adotta il tono di un paper di ricerca empirica, con abstract, metodologia, risultati quantitativi e limiti espliciti. Lo stile è metodico e onesto, riconoscendo i bias (singolo sviluppatore, singolo progetto, osservazionale) pur presentando dati concreti impressionanti (283 sessioni, 2.801 prompt, 16.522 turni autonomi). L'autore evita un tono evangelico e preferisce casi di studio osservazionali ad affermazioni categoriche. Il vocabolario attinge dall'architettura software (livelli, memoria hot/cold, instradamento) e dalla ricerca (fattori confondenti, metriche quantitative). Il pubblico target è costituito da sviluppatori che utilizzano agenti IA su progetti complessi e ricercatori nell'ingegneria del software assistita da IA.

## Pense-betes

- **Problema fondamentale**: gli agenti LLM non dispongono di memoria persistente tra le sessioni. Perdono la coerenza del progetto e ripetono gli stessi errori. È lo stesso problema affrontato da CLAUDE.md, AGENTS.md e dal Context Development Lifecycle di Patrick Debois.
- **Architettura a 3 livelli**:
- **Livello 1 — Constitution (Hot Memory)**: un singolo file Markdown di 660 righe, sempre caricato. Convenzioni di naming, comandi di build, pattern architetturali, modalità di fallimento note, tabelle di instradamento verso agenti specializzati.
- **Livello 2 — Agenti specializzati (Domain Experts)**: 19 specifiche di agenti (9.300 righe). Più della metà del contenuto consiste in fatti relativi al codebase, formule, pattern e modalità di fallimento — non istruzioni comportamentali.
- **Livello 3 — Knowledge Base (Cold Memory)**: 34 documenti di specifica su richiesta (16.250 righe) recuperati tramite un server MCP.
- **Metriche impressionanti**: 283 sessioni in 70 giorni, 2.801 prompt umani, 1.197 invocazioni di agenti, 16.522 turni autonomi. L'infrastruttura di contesto rappresenta il 24,2% della documentazione totale.
- **Pattern delle sessioni**: 87% ad-hoc con agenti specialisti opzionali, 13% strutturate (plan-execute-review). Oltre l'80% dei prompt è inferiore a 100 parole — il contesto precaricato riduce la necessità di spiegazioni.
- **Agenti più invocati**: Code reviewer (154 invocazioni), network-protocol-designer (85). Dimostra che i casi d'uso principali sono il controllo qualità e la correzione specifica di dominio.
- **4 casi di studio**: 1. Sistema di backup: specifica di 283 righe referenziata in 74 sessioni → zero bug di corruzione 2. Sincronizzazione UI: documentazione di pattern scoperti manualmente → successo al primo tentativo sulla funzionalità successiva 3. Sistema di drop: creazione di una specifica prima del refactoring → accelerazione di decine di interazioni successive 4. RNG deterministico: agente di 915 righe con teoria del determinismo → identificazione di 3 bug sottili dopo 5 tentativi falliti
- **6 linee guida pratiche**: 1. Una constitution di base fornisce miglioramenti sostanziali fin dal primo giorno 2. Gli agenti di pianificazione dovrebbero far emergere automaticamente le specifiche e gli specialisti necessari 3. Le tabelle di trigger codificano l'instradamento dell'expertise 4. Le spiegazioni ripetute segnalano la necessità di creare una specifica 5. La creazione di agenti specializzati sblocca le sessioni in stallo 6. Le specifiche obsolete fuorviano attivamente (principale modalità di fallimento)
- **Costo di manutenzione**: ~5 min per sessione interessata + revisione bisettimanale di 30-45 min = 1-2h/settimana
- **Conoscenza che si compone**: ogni sottosistema documentato accelera non solo le proprie future modifiche ma anche ogni funzionalità adiacente che ne dipende. Si collega al concetto di "Context Flywheel" di Patrick Debois.
- **Forte legame con il corpus di veille**: questo articolo è la versione empirica e quantificata di ciò che descrivono Debois (CDLC, Context Flywheel), le skills di Anthropic, CLAUDE.md e l'approccio spec-driven. Probabilmente il paper più ricco di dati sull'argomento.

## RésuméDe400mots

Aristidis Vasilopoulos presenta un'infrastruttura di **contesto codificato** sviluppata durante la costruzione di un sistema distribuito C# di 108.000 righe, affrontando un problema fondamentale: gli agenti LLM non dispongono di memoria persistente tra le sessioni, perdendo la coerenza del progetto e ripetendo gli stessi errori.

L'architettura è organizzata in **tre livelli**. Il Livello 1 (Constitution) è un singolo file Markdown di 660 righe, sempre caricato in memoria, che codifica convenzioni, pattern, modalità di fallimento e tabelle di instradamento verso agenti specializzati. Il Livello 2 comprende 19 agenti specializzati (9.300 righe) che fungono da meccanismi di priming di dominio — più della metà del loro contenuto consiste in fatti relativi al codebase piuttosto che in istruzioni comportamentali. Il Livello 3 è una base di conoscenza di 34 documenti (16.250 righe) recuperata su richiesta tramite un server **MCP** (Model Context Protocol).

La valutazione quantitativa copre **283 sessioni** in 70 giorni, 2.801 prompt umani che generano 1.197 invocazioni di agenti e 16.522 turni autonomi. L'infrastruttura di contesto rappresenta il 24,2% della documentazione totale. L'87% delle sessioni è ad-hoc e il 13% strutturato (plan-execute-review). Oltre l'80% dei prompt è inferiore a 100 parole, a dimostrazione che un contesto precaricato riduce considerevolmente la necessità di spiegazioni.

Quattro **casi di studio osservazionali** illustrano il valore del sistema. Una specifica di backup di 283 righe, referenziata in 74 sessioni, non ha prodotto alcun bug di corruzione. La documentazione dei pattern di sincronizzazione dell'interfaccia utente ha permesso il successo al primo tentativo sulla funzionalità successiva. La creazione di una specifica prima di un refactoring del sistema di drop ha accelerato decine di interazioni successive. Un agente di rete di 915 righe ha identificato tre bug di sincronizzazione sottili che avevano resistito a cinque tentativi precedenti.

L'autore propone **sei linee guida**: una constitution di base fornisce benefici immediati; gli agenti di pianificazione dovrebbero far emergere automaticamente le specifiche necessarie; le tabelle di instradamento sostituiscono la memoria umana; le spiegazioni ripetute segnalano la necessità di creare una specifica; gli agenti specializzati sbloccano le sessioni in stallo; e le specifiche obsolete costituiscono la principale modalità di fallimento.

Il costo di manutenzione è stimato in 1-2 ore a settimana. L'articolo dimostra che la conoscenza documentata **si compone**: ogni sottosistema documentato accelera sia le proprie future modifiche sia ogni funzionalità adiacente che ne dipende. L'autore riconosce i limiti (singolo sviluppatore, osservazionale) ma fornisce una delle valutazioni quantitative più dettagliate sullo sviluppo assistito da agenti IA su un progetto reale e complesso.

## GrapheDeConnaissance

- Aristidis Vasilopoulos —a_créé→ infrastructure contexte codifié (METHODOLOGIE, 0.98)
- infrastructure contexte codifié —utilise→ Claude Code (TECHNOLOGIE, 0.97)
- infrastructure contexte codifié —utilise→ Model Context Protocol (TECHNOLOGIE, 0.97)
- conventions, patterns, tables routage —fait_partie_de→ Tier 1 Constitution (CONCEPT, 0.96)
- 19 spécifications domain experts —fait_partie_de→ Tier 2 Agents spécialisés (CONCEPT, 0.96)
- Tier 3 Knowledge Base —utilise→ serveur MCP (TECHNOLOGIE, 0.95)
- infrastructure contexte codifié —améliore→ cohérence agents IA entre sessions (CONCEPT, 0.95)
- specs obsolètes —réduit→ qualité output agents IA (CONCEPT, 0.93)
- connaissance documentée —améliore→ productivité développement agentique (CONCEPT, 0.92)
- infrastructure contexte codifié —est_basé_sur→ architecture 3 tiers hot/warm/cold (CONCEPT, 0.95)
- Aristidis Vasilopoulos —affirme_que→ constitution basique améliore output dès jour 1 (AFFIRMATION, 0.94)
- Tier 2 Agents spécialisés —fait_partie_de→ infrastructure contexte codifié (METHODOLOGIE, 0.96)

---
Canonical: https://www.thekb.eu/it/fiches/vasilopoulos-codified-context-infrastructure-ai-agents-2026-02-24/