Il progetto AgenticSTS ha fatto vincere un agente AI al videogioco Slay the Spire 2, dove i modelli frontier usati in modalità classica (prompt con log di conversazione sempre più lungo) non avevano mai chiuso una partita. La differenza non sta nel modello — tutti usano Gemini 3.1 Pro — ma nell’architettura: l’agente non vede mai il proprio log di chat, ricostruisce ogni decisione da cinque slot di memoria separati (istruzioni fisse, schema dello stato attuale, regole recuperate al bisogno, riassunti di partite precedenti, libreria di strategie per situazioni ricorrenti). Il tasso di vittoria raddoppia quando la libreria di strategie è attiva, e con memoria persistente fra le partite l’agente raggiunge i livelli di difficoltà A6-A8, dove senza memoria si ferma ad A2-A4.

Perché ti riguarda. Un agente che accumula log di conversazione cresce in costo e latenza a ogni passo, fino a saturare la finestra di contesto o diluire l’attenzione del modello su centinaia di migliaia di token. AgenticSTS mostra che un’architettura con memoria strutturata esterna consuma 90 volte meno token per punto ottenuto rispetto agli agenti tradizionali, e finisce le partite in un quarto del tempo. È lo stesso pattern che usiamo nel corso quando parliamo di dare memoria agli agenti: il log non è lo stato, e se lo tratti come tale paghi un prezzo a ogni decisione.

Nel dettaglio

Il problema del log che cresce

Gli agenti classici come ReAct o Reflexion accodano ogni osservazione, chiamata a tool e auto-riflessione al prompt successivo. Funziona per task brevi, ma una partita a Slay the Spire 2 dura centinaia di decisioni (carte da scegliere, percorsi sulla mappa, combattimenti da pianificare). I modelli frontier testati su AGI-Eval non hanno mai vinto una partita su cinque configurazioni diverse. Il log cresce fino a saturare la finestra o a far perdere l’attenzione del modello su ciò che conta davvero.

I cinque slot di memoria

AgenticSTS rovescia il pattern. Ogni decisione parte da zero: niente log accumulato, ma cinque slot indipendenti riempiti al bisogno.

• L1: istruzioni fisse del protocollo, sempre uguali.
• L2: schema dello stato attuale con le azioni valide (carte in mano, nemici, statistiche).
• L3: regole del gioco recuperate quando servono.
• L4: riassunti delle partite precedenti, aggiornati fra una sessione e l’altra.
• L5: libreria di strategie per situazioni ricorrenti (skill), generate o scritte a mano.

Qualunque cosa l’agente voglia portare dal passo precedente deve prima finire in uno di questi slot. Il prompt resta corto a prescindere dalla lunghezza della partita, e ogni layer si può isolare per capire cosa migliora davvero.

I numeri

Il team ha testato cinque configurazioni a dieci partite ciascuna sul livello di difficoltà più basso, A0. Senza memoria, l’agente vince 3 partite su 10. Con la libreria di strategie attiva (L5), il tasso sale a 6 su 10, sia con skill scritte a mano sia generate da template. I ricercatori dichiarano che con dieci sole partite la varianza potrebbe spiegare il raddoppio, ma il salto è netto.

La memoria episodica (L4) non aiuta ad A0, ma diventa decisiva quando l’agente affronta difficoltà crescenti: con memoria persistente raggiunge A6-A8, senza si ferma ad A2-A4. Il test di trasferibilità mostra che la memoria costruita da Gemini 3.1 Pro non si porta su altri modelli: Qwen 3.6-27B migliora dell’84,5%, Deepseek V4-Pro cala del 18,1%, e nessuno dei due vince mai.

Il confronto con gli agenti a log crescente

Il confronto più interessante non è interno ma con due agenti pubblici che usano il log accumulato: STS2MCP e CharTyr. Tutti e tre gli agenti usano Gemini 3.1 Pro per le decisioni strategiche. I due competitor non vincono mai nelle cinque partite testate, e per ogni punto ottenuto spediscono da 66 a 90 volte più token al modello di quanti ne usi AgenticSTS. In STS2MCP, una singola chiamata al modello verso fine partita arriva a 527.000 token perché l’intero storico viene rispedito a ogni nuova decisione. AgenticSTS mantiene il prompt reale intorno ai 5.000 token per tutta la durata della partita.

L’accumulo costa anche in tempo: gli agenti tradizionali impiegano quattro volte più tempo per arrivare allo stesso punteggio, e secondo i log del provider il 96% della differenza viene dalla latenza del modello, non dal software di controllo.

Cosa resta aperto

Il paper non dice se i cinque slot sono universali o specifici per il videogioco. La memoria costruita da un modello non trasferisce ad altri, e questo limita il riuso. Il tasso di vittoria al livello più basso resta sotto il 60%, e i ricercatori ammettono che dieci partite per configurazione lasciano spazio alla varianza. Ma il pattern — memoria esterna strutturata invece di log accumulato — è lo stesso che compare nei sistemi agentici reali e nel paper sul memory agent, e qui lo vedi funzionare su un task con centinaia di decisioni concatenate.