Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Riutilizzare il ragionamento nelle richieste successive

Lezione 6 di 12 Aggiornata il 28 luglio 2026 Sviluppatore
In questa pagina
  1. Cache dei pensieri
  2. Come funziona
  3. Implementazione passo dopo passo
  4. Vantaggi della cache dei pensieri
  5. Vincoli e limitazioni
  6. Casi d’uso in produzione
  7. Punti chiave

Cache dei pensieri

Una delle funzionalità più potenti del sistema di ragionamento crittografato di xAI è la capacità di reiniettare il ragionamento di una richiesta precedente in una nuova. Questo meccanismo, simile a una «cache dei pensieri», permette al modello di riprendere il proprio ragionamento esattamente da dove si era interrotto.

Come funziona

Il processo si articola in tre passaggi:

  1. Richiesta iniziale: invii una domanda con include=["reasoning.encrypted_content"]
  2. Archiviazione: conservi il contenuto crittografato restituito nella risposta
  3. Richiesta successiva: reinietti questo contenuto crittografato nella nuova richiesta

Il modello riconosce il ragionamento crittografato e lo utilizza come contesto per la sua nuova riflessione. Non riparte da zero: ha «memoria» del suo precedente processo di pensiero.

Implementazione passo dopo passo

Passaggio 1: Richiesta iniziale con recupero del ragionamento

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.x.ai/v1"
)

# Prima richiesta
response_1 = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Explain Bayes' theorem and give a medical example.",
    include=["reasoning.encrypted_content"]
)

# Estrai il ragionamento crittografato
encrypted_reasoning = None
for item in response_1.output:
    if item.type == "reasoning":
        encrypted_reasoning = item.encrypted_content

Passaggio 2: Richiesta successiva con reiniezione

# Seconda richiesta che beneficia del ragionamento precedente
response_2 = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=[
        # Reinietta il ragionamento crittografato dalla richiesta precedente
        {
            "type": "reasoning",
            "encrypted_content": encrypted_reasoning
        },
        # Nuovo messaggio
        {
            "type": "message",
            "role": "user",
            "content": "Now, apply this theorem to a COVID test with 95% sensitivity and 99% specificity."
        }
    ],
    include=["reasoning.encrypted_content"]
)

Vantaggi della cache dei pensieri

Continuità del ragionamento

Il modello non ha bisogno di ricostruire l’intero contesto di pensiero. Se ha già ragionato sul teorema di Bayes, può applicarlo direttamente al nuovo problema senza ripetere la dimostrazione.

Risparmio di token

Riutilizzando il ragionamento crittografato, eviti che il modello rigeneri i token di ragionamento per la parte già trattata. Nelle conversazioni lunghe, il risparmio può essere significativo.

Coerenza

Il modello mantiene la coerenza tra le sue risposte successive. Non si contraddirà, poiché dispone della traccia del proprio ragionamento.

Vincoli e limitazioni

  • Stesso modello: il ragionamento crittografato di un modello non può essere riutilizzato da un altro modello. Il ragionamento prodotto da grok-4.5 non funzionerà con grok-4.20-0309-reasoning.
  • Dimensioni: il contenuto crittografato può essere voluminoso. Monitora le dimensioni delle tue richieste.
  • Scadenza: il contenuto crittografato potrebbe avere un periodo di validità limitato. Non archiviarlo indefinitamente senza verificare.
  • Nessuna modifica: non puoi alterare il contenuto crittografato. Qualsiasi modifica lo rende invalido.

Casi d’uso in produzione

Conversazioni complesse a più turni

Per un chatbot che risolve problemi matematici attraverso diversi scambi, la cache dei pensieri mantiene il filo del ragionamento senza dover reinviare tutto nel contesto.

Pipeline di validazione

Una pipeline che analizza il codice in più passaggi può riutilizzare il ragionamento del primo passaggio (identificazione dei problemi) per il secondo passaggio (proposta di correzioni).

Tutor interattivo

Un sistema di tutoraggio può memorizzare il ragionamento del modello sulla spiegazione di un concetto, per poi riutilizzarlo quando lo studente pone domande di approfondimento.

Punti chiave

  • Il ragionamento crittografato può essere reiniettato nelle richieste successive tramite il campo input
  • Questo meccanismo mantiene la continuità del ragionamento senza rigenerare token
  • Il ragionamento crittografato è legato al modello che lo ha prodotto
  • Non modificare mai il contenuto crittografato: diventerebbe invalido
  • Utile per conversazioni a più turni, pipeline e sistemi interattivi