L’AI legge il codice. Ma non sa perché è fatto così.

Immagina di chiedere a un’AI di mettere ordine in un vecchio progetto.

Legge il codice e trova una piccola funzione contorta. Sembra superflua. Toglierla renderebbe il file più pulito, e così la elimina.

Il codice, però, non può dirle perché quella funzione era ancora lì. Forse qualcuno aveva già provato a rimuoverla e aveva scoperto che si rompeva un caso raro. Forse la spiegazione è rimasta in una review dell’inverno scorso.

È un esempio inventato, ma la distanza è reale: un agente può leggere com’è fatto oggi un progetto senza sapere come ci è arrivato.

La storia di solito esiste da qualche parte. In una issue aperta da qualcuno, in una pull request poi chiusa, in una discussione su una soluzione che sembrava buona finché non ha fallito. Chi lavora da anni al progetto ne ricorda almeno una parte. Chi arriva adesso deve ritrovarla.

relore prova a dare agli agenti un modo per farlo.

Nato in Hugging Face, indicizza la storia di un repository GitHub e collega discussioni, review e decisioni al codice su cui l’agente sta lavorando. La domanda non è più soltanto «Che cosa fa questa riga?», ma «Perché è qui?».

L’esempio raccontato dal progetto è molto concreto. Un agente che indagava su un bug in Transformers stava per scrivere una correzione. Altre persone avevano già aperto delle pull request, ma dall’issue che l’agente aveva davanti era facile non accorgersene.

Cercare nella storia più ampia del repository gli ha permesso di trovare il lavoro già avviato. I commenti di un maintainer hanno anche chiarito che serviva un controllo più esteso di quanto suggerisse l’issue iniziale.

Non significa che ogni vecchio commento sia giusto. relore tiene conto di chi ha detto cosa: la decisione di un maintainer non pesa come un’ipotesi non verificata o una risposta automatica. Offre una traccia da seguire, non una risposta magica.

Ed è qui che l’idea va oltre un singolo strumento per programmare.

Parliamo molto di agenti che ragionano meglio, scrivono codice più in fretta e sanno usare più strumenti. Ma un agente che ogni volta arriva senza sapere cos’è successo ieri assomiglia ancora a una persona al suo primo giorno di lavoro.

A volte la cosa utile è sapere che una soluzione è già stata tentata, o che un pezzo di codice bizzarro è bizzarro per un motivo.

relore non può trasferire a una macchina tutta la memoria di chi mantiene un progetto da anni. Può rendere più facili da trovare alcune delle tracce che quella persona seguirebbe.

La prossima generazione di AI utili potrebbe aver bisogno di qualcosa oltre a nuove conoscenze: ricordare perché le cose sono fatte così.