Chatbot AI con memoria persistente — cosa ti compra davvero quella frase

"Memoria persistente" è l'espressione più sovraccarica di significati del mercato chatbot del 2026. È sulla landing page di OpenAI, nella documentazione di Claude Projects, in ogni lancio open source e nella tabella prezzi di ogni wrapper che infila un prompt dentro GPT-4 e lo chiama "AI compagna". Tecnicamente non stanno mentendo — e stanno tutti descrivendo cose diverse. Qui sotto trovi il quadro che separa la memoria a lungo termine reale dalla sua versione commerciale.

Breve termine contro lungo termine — la confusione da cui parte tutto

La memoria a breve termine è la finestra di contesto. Tutto quello che tu e il modello vi siete appena detti nel turno corrente, con un tetto in token — 200k, 1M, quello che il modello consente. Quando il turno finisce, il modello di per sé non conserva niente. Il turno successivo parte in bianco; è il client (l'interfaccia di chat, il bot) a ricaricare la cronologia dentro la finestra.

La memoria a lungo termine è ciò che il client conserva fuori dal modello — in un database, in un file, in un indice vettoriale — e riporta dentro ogni nuovo turno per tuo conto. È questo il livello che le persone intendono quando digitano "chatbot AI con memoria persistente". Una finestra di contesto gigante non è memoria persistente; rende soltanto più larga la conversazione in corso.

Ogni discorso onesto sulla memoria parte scegliendo quale dei due stai davvero chiedendo. Se vuoi che il bot si ricordi di te nei mesi, stai chiedendo il lungo termine. Tutto quello che segue riguarda quello.

I quattro livelli che la memoria persistente può davvero avere

La memoria a lungo termine reale non è una cosa sola. Sono quattro livelli indipendenti, e prodotti diversi ne coprono sottoinsiemi diversi — di solito solo uno o due, in silenzio.

Livello 1 — Archivio completo delle conversazioni. Ogni messaggio che tu e il bot vi siete scambiati, conservato alla lettera e consultabile. È il "disco rigido" della memoria. Permette al bot di rispondere a "cosa avevamo deciso sul lancio il mese scorso?" ritrovando il turno esatto. Senza di esso, tutto quello che sta sopra è tirare a indovinare sopra dei riassunti.

Livello 2 — Fatti tipizzati su di te. Voci strutturate che il bot estrae e conserva man mano che impara — il tuo nome, il fuso orario, la tua attività, l'età dei figli, le preferenze, i progetti in corso. Non messaggi grezzi: fatti distillati. È questo che coprono quasi tutte le funzioni "memoria" dei fornitori, e solo questo. È utile, ma da solo dimentica l'esempio che rendeva quel fatto significativo.

Livello 3 — Lezioni imparate. Quando il bot viene corretto — "no, in realtà intendevo X" — annota l'errore e la correzione così da non ripeterlo. È il livello dell'"apprendimento". Quasi nessun prodotto commerciale lo espone come elemento di prima classe; il bot semplicemente ripete in silenzio la stessa classe di errore la settimana dopo.

Livello 4 — Modello emotivo / di interesse in movimento. Non "cos'è successo" ma "come stanno le cose tra noi adesso". Quali argomenti ti danno energia in questo periodo e quali te la tolgono; l'umore recente; quanto tempo è passato dall'ultima conversazione leggera. È questo che trasforma un chatbot in qualcosa che legge la situazione invece di ripartire da un tono neutro a ogni messaggio.

Un chatbot che ha solo il Livello 2 "ricorderà il tuo nome e il tuo lavoro" e dimenticherà tutto il resto. Un chatbot con tutti e quattro si ricorda di te come fa un collega competente.

Come si posizionano i chatbot di oggi rispetto a questi quattro livelli

ChatGPT (Memory attiva). Livello 2, con un tetto. OpenAI estrae fatti brevi dalle tue chat e li inietta nelle nuove sessioni da un archivio piccolo (qualche migliaio di token). Nessun archivio completo consultabile. Nessun livello delle lezioni. Nessun modello emotivo. Disattiva Memory e sparisce anche il Livello 2.

Claude Projects. Livello 1 ridotto, per progetto. Un documento/contesto fissato e condiviso tra le chat dentro un solo progetto. Meglio per uno spazio di lavoro delimitato che per un assistente generale. Non passa da un progetto all'altro e ricarica l'intero contesto a ogni nuovo turno (accettabile con la finestra di Claude, costoso in token).

GPT personalizzati, Copilot, bot di Poe. Livello 2 nel migliore dei casi, spesso niente — un system prompt statico senza archivio per utente. "Conoscono" il personaggio; non conoscono te.

App di compagnia in stile personaggio. Spesso Livello 2 più un frammento di Livello 4 (tracciano l'"umore" per l'engagement), sempre sul server del fornitore, sempre soggette a cambi di policy. La memoria è il prodotto, ma non è tua.

Assistenti self-hosted (Avelina, stack open source, realizzazioni su misura). Livelli 1–4 tutti presenti, se costruiti bene. Archivio completo nel tuo SQLite/Postgres, fatti tipizzati, una tabella delle lezioni, un modello di stato in movimento. Il disco è tuo. Gli aggiornamenti del fornitore non possono azzerarlo.

Perché la "memoria" dei fornitori crolla in silenzio al secondo mese

Il tetto. Gli archivi di memoria dei fornitori sono piccoli di proposito — qualche migliaio di token per la memoria in stile OpenAI. Quando l'archivio si riempie, le voci più vecchie cadono. Nessuno te lo dice; ti accorgi soltanto che il bot ha dimenticato il tuo progetto di novembre.

La distillazione perde l'esempio. Il Livello 2 conserva "l'utente gestisce uno studio di tatuaggi". Non conserva il caso specifico della primavera scorsa che ha plasmato il modo in cui parli di prezzi. Il fatto sopravvive; la ragione del fatto no.

Reset di policy o di modello. Il fornitore cambia il livello di memoria, migra a un nuovo modello, oppure tu cambi abbonamento — l'archivio viene rimodellato o cancellato. All'improvviso il tuo bot ti saluta come nella prima settimana.

Nessun livello delle lezioni. L'errore che hai corretto ad aprile verrà rifatto a ottobre. Senza un archivio persistente delle lezioni, "imparare" è una parola di marketing, non un meccanismo.

Com'è fatto sotto il cofano un chatbot con memoria persistente vera

Niente magia. Uno stack noioso, ma completo:

Database. SQLite o Postgres con (come minimo) tre tabelle: messages (ogni turno, alla lettera), claims (fatti tipizzati sull'utente con la loro provenienza), lessons (errori + correzioni, etichettati per importanza). Facoltativamente una quarta: state (canali emotivi / di interesse in movimento).

Recupero. Ricerca full-text (FTS5 in SQLite basta per un bot su scala personale) più un indice vettoriale per la ricerca semantica — "cosa ci siamo detti su X" funziona anche se lo parafrasi.

Costruttore di contesto. A ogni nuovo turno, una piccola routine sceglie: gli ultimi N messaggi, le prime K corrispondenze semantiche dall'archivio, le lezioni fissate ad alta importanza, i claims attuali, lo stato attuale. Il tutto assemblato in un messaggio di sistema. Inviato al modello. È tutto qui il trucco.

Scrittura di ritorno. Dopo la risposta, un'altra routine estrae i fatti nuovi, registra le lezioni se l'utente ha corretto il bot e aggiorna i canali di stato. Niente di esotico — piccole pipeline guidate da prompt che lo stesso modello esegue in background.

Se vuoi vedere la forma disegnata con nomi di file e schemi di tabella concreti, l'approfondimento sui quattro livelli di memoria e la pagina della funzione Memoria sono la mappa.

Schema rapido per decidere

Come si colloca Avelina

Avelina AI è un chatbot con tutti e quattro i livelli di memoria persistente integrati fin dal primo giorno. L'archivio di ogni conversazione vive in un file SQLite sul tuo VPS (Livello 1). I fatti tipizzati su di te stanno in una tabella claims con i turni di origine come prova (Livello 2). Una tabella lessons registra le correzioni così lo stesso errore smette di ripetersi (Livello 3). Un modello di stato a otto canali tiene traccia di come sta andando la relazione (Livello 4). A ogni nuovo turno le porzioni rilevanti vengono reidratate prima ancora che il modello veda il tuo messaggio — nessun promemoria manuale, nessun gioco con la finestra di contesto. Lo installi in circa venti minuti con un installer guidato, e la memoria è tua — nessun fornitore può azzerarla. Se preferisci la versione fai-da-te della stessa forma, la guida su come far sì che l'AI si ricordi di te la costruisce da zero, e l'articolo sulla memoria dell'assistente affronta la stessa idea dal lato assistente.

FAQ

Cosa significa "memoria persistente" in un chatbot AI?
Il bot conserva qualcosa delle vostre conversazioni dopo la fine della sessione e lo riusa più avanti senza che tu debba riscriverlo. Quel "qualcosa" è uno dei quattro livelli possibili — trascrizioni, fatti, lezioni, stato emotivo. Quasi tutti i fornitori ne distribuiscono uno solo.

Una finestra di contesto lunga non è la stessa cosa della memoria?
No. Un contesto da 1M di token allarga il turno corrente ma non conserva nulla tra un turno e l'altro. La memoria persistente è ciò che un client ricarica in ogni nuovo turno per tuo conto.

ChatGPT e Claude hanno una vera memoria persistente?
In parte. ChatGPT Memory copre il Livello 2, con un tetto. Claude Projects copre un Livello 1 ridotto e fissato dentro un solo progetto. Nessuno dei due offre tutti e quattro i livelli.

Posso costruirmi da solo un chatbot con memoria persistente vera?
Sì — SQLite + FTS + un piccolo indice vettoriale + una routine che costruisce il contesto. Vedi la guida fai-da-te.

Perché il mio chatbot mi "dimentica" dopo un po'?
Di solito per uno di tre motivi: il tetto della memoria del fornitore si riempie e sovrascrive in silenzio, i fatti distillati perdono l'esempio che li rendeva significativi, oppure un aggiornamento di policy o di modello rimodella l'archivio. Un archivio di memoria su hardware che possiedi evita tutti e tre.