Come il recupero trova la conoscenza giusta

Un workspace può contenere migliaia di memorie, regole e skill. Il compito del recupero è mettere nel contesto dell'assistente le poche che contano prima che inizi a lavorare, lasciando fuori tutto il resto. Questa pagina descrive cosa fa questa selezione e come migliora nel tempo. Il modo in cui viene calcolata la priorità fa parte del motore proprietario di Pathrule e non è pubblicato.

Prima di tutto, il percorso

Il primo filtro è la posizione. Ogni memoria, regola e skill risiede in un percorso di nodo. Quando l'assistente lavora in /apps/api/payments, Pathrule parte da ciò che è fissato su quel percorso e da ciò che eredita dai percorsi superiori. Un piccolo ritocco alla UI in /apps/web/dashboard non si porta dietro le regole sulle migrazioni del database.

È lo stesso ambito di percorso descritto in Concetti fondamentali, applicato come primo taglio. Quando entra in gioco qualcosa di più costoso, l'insieme dei candidati è già ridotto.

Significato e parole chiave, insieme

Una volta che il percorso ha ristretto il campo, Pathrule confronta la tua intenzione con i candidati in due modi contemporaneamente.

• La corrispondenza per parole chiave coglie i riscontri esatti: un nome di file, un nome di funzione, una frase letterale tratta dal titolo di una memoria.
• La corrispondenza per significato coglie il resto: una domanda formulata in modo diverso da come è stata scritta la memoria, un sinonimo, una parafrasi, un concetto che non ha parole in comune con la voce.

La seconda non è una ricerca testuale con qualche passaggio in più. Ogni voce e la tua richiesta vengono confrontate in base a ciò che significano anziché alle parole che hanno in comune, ed è per questo che una corrispondenza può esserci anche senza alcuna stringa condivisa. Vedi cosa calcola Pathrule.

Nessuna delle due basta da sola. La ricerca per parole chiave si perde una memoria che dice la stessa cosa con altre parole. La ricerca per significato può rendere meno netta una corrispondenza esatta sul nome di un file. Pathrule le combina, così una corrispondenza esatta mantiene la sua priorità e una che esprime la stessa idea con parole diverse emerge comunque.

Su un workspace Cloud, l'hook del prompt invia l'inizio del prompt (circa i primi 1.000 caratteri) a Pathrule Cloud, così si può dare priorità alla conoscenza in base al significato. Se quella chiamata è lenta o fallisce, per quel prompt l'hook ripiega sull'indice locale. In modalità locale, senza account, la corrispondenza si appoggia sull'ambito di percorso e sulle parole chiave.

I file accanto a quello su cui lavori

Ambito di percorso e significato partono entrambi da dove sta lavorando l'assistente. Un ulteriore segnale allarga leggermente questo raggio: Pathrule impara quali file il tuo team modifica abitualmente nello stesso lavoro e fa emergere anche la conoscenza associata a quei file vicini.

In questo modo una decisione registrata una sola volta, sul file in cui è stata presa, raggiunge comunque le sessioni che ne hanno bisogno, anche quando il prompt non nomina mai quel file. Il segnale è costruito dai percorsi dei file, non dal loro contenuto: i percorsi toccati dal lavoro registrato dei tuoi agenti e, su un workspace Cloud, un'inizializzazione una tantum basata sui percorsi dei file della cronologia git recente, così è utile prima ancora che il tuo team abbia registrato molto lavoro. Si attenua quando quelle relazioni smettono di verificarsi. Su un workspace Cloud, quando un file vicino cambia insieme a quello davanti all'assistente in modo particolarmente frequente, il contesto richiesto da un agente include anche un avviso di una riga che lo nomina. Vedi file che cambiano insieme.

Funziona tra lingue diverse

La corrispondenza per significato non è legata a una sola lingua. Un prompt in turco può far emergere una memoria scritta in inglese, e un prompt che mescola più lingue può comunque trovare la voce giusta.

È proprio il caso che la semplice ricerca per parole chiave non riesce a gestire. Quando prompt e memoria condividono un'idea ma nessuna parola, la corrispondenza deve basarsi sul significato e non sulla grafia.

Le corrispondenze migliori arrivano pronte all'uso

Il recupero consegna su due livelli. Le voci chiaramente pertinenti al prompt arrivano come contenuto completo, così l'assistente lavora direttamente sulla conoscenza del tuo team invece di doverla andare a leggere. A ogni turno vengono inviate solo le poche più rilevanti, entro un budget per prompt, e il contenuto che l'assistente ha già non viene inviato di nuovo, così l'assistente riceve ciò che gli serve senza portarsi dietro l'intera base di conoscenza.

Tutto il resto che si qualifica arriva come nome, id e una riga di descrizione, quanto basta perché l'assistente lo riconosca e ne richiami il corpo quando si rivela importante; così una voce rilevante che non trova spazio viene comunque elencata invece di essere scartata. Le skill vengono proposte per nome, perché una procedura va richiesta, non imposta. Un prompt che chiede due cose distinte viene abbinato parte per parte, così entrambe le parti ricevono conoscenza. Cosa arriva per intero e cosa arriva solo come nome tratta tutti e tre gli aspetti.

I candidati sono indizi, non risposte

Quando il recupero non è sicuro, non finge di esserlo. Pathrule presenta le voci probabili come candidati e chiede all'assistente di leggerne il corpo completo prima di agire su una di esse. Un candidato è un riferimento da verificare, non un fatto da ripetere.

Questo deriva dalla regola di fondo di Pathrule secondo cui un contesto sbagliato è peggio di nessun contesto. In un caso ambiguo Pathrule mostra un candidato invece di affermare una risposta.

Impara da come la conoscenza viene usata davvero

Il recupero non resta congelato al momento in cui una memoria viene scritta. Nel tempo Pathrule osserva quali voci sono state davvero utili per quali tipi di lavoro e lascia che questo influenzi i risultati futuri. Una voce che continua a dimostrarsi utile per un certo tipo di attività ha più probabilità di emergere in lavori simili in seguito.

L'osservazione è concreta, non un voto dato da qualcuno. Ogni consegna viene registrata insieme all'andamento del turno: quali delle voci consegnate l'assistente ha effettivamente consultato e non solo ricevuto, quante chiamate di strumenti ha richiesto il lavoro, quante sono fallite e su quali file. Un turno che ha ricevuto conoscenza e ha comunque incontrato errori pesa contro la conoscenza che gli è stata fornita.

Quel registro viene raccolto dal livello che ha effettuato la consegna, non richiesto. L'assistente non deve chiamare uno strumento né collaborare in alcun modo perché il turno venga misurato, e questo mantiene il ciclo coerente tra i diversi client.

Poiché il registro è tenuto per tipo di lavoro, il risultato non è un unico punteggio per voce. La stessa memoria può avere priorità alta per una migrazione e bassa per un ritocco alla UI. Un singolo campo di importanza, gestito a mano, non può esprimere questa differenza.

L'apprendimento è prudente per scelta progettuale.

• I risultati poco chiari non insegnano nulla. Un turno con esito ambiguo non viene usato come lezione.
• Un errore evidente riduce, non cancella. Un singolo errore evidente abbassa la posizione di una voce per quel tipo di lavoro, senza azzerarne la storia.
• L'influenza si attenua col tempo. Una voce che smette di corrispondere al codice attuale perde terreno invece di continuare a inquinare i risultati.

Inoltre cambia la scelta, non la quantità. Ciò che una voce ha dimostrato può farla passare davanti a una rivale altrettanto rilevante, ma non la spinge oltre la soglia di rilevanza che decide se inviare qualcosa. Nel tempo un workspace consegna a ogni turno poche voci migliori nella stessa quantità di contesto. Qui l'apprendimento porta precisione, non spazio.

Come cresce la conoscenza nel tempo descrive questo ciclo dall'inizio alla fine, e Suggerimenti e autoverifica spiega come le voci obsolete vengono segnalate per la revisione.

Lo stesso per tutto il team

Su un workspace Cloud, la priorità si basa sui dati condivisi del workspace in Pathrule Cloud anziché su una copia separata nel client di ciascuno. Due colleghi che chiedono la stessa cosa sullo stesso percorso ottengono risultati coerenti, qualunque agente di programmazione usino. Claude Code e Codex ricevono la selezione ordinata in base al prompt tramite il loro hook di invio del prompt. Cursor e GitHub Copilot non hanno un hook di invio del prompt, quindi sono i loro hook di sessione e degli strumenti a portare la conoscenza legata al percorso. Qualsiasi client, Windsurf compreso, riceve una selezione ordinata per priorità quando chiede contesto al server MCP con pathrule_get_context.

Significa anche che l'apprendimento è condiviso. Quando una voce si dimostra utile, emerge meglio per tutto il team, non solo per la persona che l'ha attivata.

Cosa il recupero non vede

Il recupero lavora sulle memorie, regole e skill scritte dal tuo team, oltre che sul percorso in cui stai lavorando, sulle parole della tua richiesta e sul registro di come sono andati i lavori precedenti. Non legge, non indicizza e non carica il contenuto dei tuoi file sorgente. La corrispondenza avviene sulla conoscenza che il tuo team ha scelto di mettere per iscritto, non sul repository in sé.

Da un checkout, un workspace Cloud acquisisce i percorsi dei file: la prima volta che un agente chiede un contesto approfondito, Pathrule legge i percorsi dei file della cronologia git recente per stabilire quali file cambiano insieme, e i nomi dei file vicino alla radice dell'albero delle cartelle per riconoscere le tecnologie in uso. A parte, pathrule snapshot, quando lo esegui tu o il tuo agente, carica l'albero dei file, i manifest, brevi estratti della documentazione e i metadati git recenti. Cosa calcola Pathrule elenca cosa viene letto e cosa viene conservato.

Dove si colloca

• Concetti fondamentali definisce l'ambito di percorso, il primo filtro usato dal recupero.
• Come funzionano gli hook descrive come la porzione selezionata raggiunge l'assistente prima della sua prima chiamata a uno strumento.
• Come cresce la conoscenza nel tempo colloca il recupero all'interno del ciclo di consegna, acquisizione e valutazione.