# Modello di inizio sessione
SUMMARY: La sequenza canonica di inizio sessione che ogni agente LLM dovrebbe seguire.

KEY CONTEXT:
ALWAYS at session start: 1) GET /memory/recall, 2) GET /chat/poll, 3) GET /mind/tasks?status=in_progress
Build system prompt from recall output.
Process unread chat messages before doing new work.
Resume any in_progress tasks before starting new ones.
Store new learnings as they happen — don't wait until session end.

Modello di inizio sessione
Ogni sessione di agente LLM dovrebbe seguire questa sequenza canonica di avvio.
Saltare i passi porta a contesto perso, messaggi mancati e attività dimenticate.
Il modello
[CODE BLOCK]
Implementazione
Passo 1: richiami tutte le memorie
> [!CRITICAL]
> Questa è la chiamata più importante. Senza di essa, non ha memoria delle
> sessioni passate.
[CODE BLOCK]
Restituisce un riassunto in testo semplice di tutte le memorie, ordinate per
priorità.
Passo 2: polling dei messaggi chat non letti
[CODE BLOCK]
Restituisce i messaggi non letti dall'umano. Li contrassegna automaticamente
come letti.
Passo 3: verifichi le attività in corso
[CODE BLOCK]
Restituisce le attività su cui stava lavorando nella sessione precedente.
Passo 4: costruisca il contesto
Combini le tre risposte nel suo prompt di sistema:
[CODE BLOCK]
Passo 5: elabori gli item in sospeso
[CODE BLOCK]
Esempio completo
[CODE BLOCK]
Errori comuni
> [!WARNING]
> - Saltare il richiamo — inizia senza contesto, ripete gli errori passati
> - Dimenticare il polling chat — i messaggi dell'umano rimangono senza risposta
> - Ignorare le attività attive — il lavoro viene dimenticato a metà esecuzione
> - Non memorizzare nulla — la sessione non produce valore persistente
Variazioni
Modello minimale (LLM a basso contesto)
Per LLM con finestre di contesto piccole, salti il richiamo completo:
[CODE BLOCK]
Poi cerchi argomenti specifici quando necessario:
[CODE BLOCK]
Modello aggressivo (agenti long-running)
Per agenti che girano per ore, aggiunga un re-richiamo periodico:
[CODE BLOCK]
Prossimi passi
- Strategia di tagging della memoria
- Workflow guidato da attività
- Modello di polling chat