HyperAgent — Cognition Engine: costruire un sistema di IA che pensa come un essere umano

L’HyperAgent Cognition Engine è un’architettura duale di hyper-agent in cui due pipeline cognitive complete — un Solver e un Critic — lavorano insieme, combinando pensiero laterale, ragionamento da esperti di dominio, verifica indipendente e raffinamento iterativo in un unico sistema coerente. Ogni agente di questa architettura gira sul proprio modello, con la propria temperature, il proprio reasoning effort e hyperparameters regolati sulla natura del suo compito specifico.

Non si tratta di un singolo design pattern. Sono diversi pattern collaudati — orchestrati insieme in qualcosa che si comporta più come una mente che come un workflow.

Nota dell’autore: l’architettura presentata di seguito è una visione e un design personali; rappresenta la mia versione specifica di come strutturare un Cognition Engine. Nel settore esistono diverse ricerche che esplorano concetti e framework simili nell’ecosistema dell’AI.

Il quadro generale: due menti, un motore

L’architettura è costruita attorno a due hyper-agent, ognuno dei quali contiene una pipeline cognitiva completa:

Hyper-Agent 1 — Il Solver: riceve l’input di un utente e produce una risposta ricca e ponderata. Non si limita a recuperare o generare; osserva, ricorda, pensa lateralmente, sintetizza, valuta, pianifica e consegna.
Hyper-Agent 2 — Il Critic: riceve quella risposta e la sottopone a una pipeline di valutazione avversaria e indipendente. Contesta, verifica e poi approva la risposta o la rimanda indietro per essere raffinata.

Il passaggio di informazioni tra i due crea un ciclo di feedback che rispecchia qualcosa di profondamente umano: la nostra capacità di produrre idee e poi valutarle senza pietà.

Hyper-Agent 1: la pipeline del Solver

Il Router — un cancello tra Sistema 1 e Sistema 2

Ogni richiesta inizia dal Router, che fa da primo punto decisionale dell’architettura — ispirato alla teoria del doppio processo di Daniel Kahneman. Classifica l’input e decide:

Fast Path: le richieste semplici, fattuali o poco complesse vengono indirizzate all’agente Fast Answer, che risponde rapidamente con un overhead minimo. Pensalo come il Sistema 1: veloce, intuitivo, efficiente.
Deep Path: tutto ciò che richiede analisi, ragionamento o sfumature entra nella pipeline cognitiva completa. È il Sistema 2: lento, deliberato, approfondito.

Questo cancello è fondamentale per l’efficienza. Non tutte le domande hanno bisogno del motore completo, e sprecare ragionamento profondo su richieste banali è lento e costoso.

Il Contextualizer — ancorarsi alla realtà

Una volta sul Deep Path, entra in azione il Contextualizer. Esegue ricerche web, individua lacune di conoscenza e stabilisce se il sistema ha informazioni sufficienti per procedere. Se non le ha — se c’è ambiguità o manca contesto — instrada verso un nodo Wait for User, coinvolgendo di nuovo l’umano prima di continuare.

Questo è importante: il sistema sa ciò che non sa. Invece di allucinare per colmare le lacune, chiede.

Observer → Reflector::Recall — vedere e ricordare

L’Observer analizza l’input ancorato al contesto, estraendo struttura, intent e domain signals. Poi il Reflector::Recall cerca nella memoria — recuperando interazioni passate rilevanti, pattern noti e conoscenze archiviate per informare il compito attuale.

Insieme rispondono a due domande: Che cos’è? e Cosa so già al riguardo?

Il Lateral Thinking Engine — dove vive la creatività

Questo è il cuore del Solver, ed è qui che l’architettura diventa davvero interessante.

Ispirato alle tecniche di pensiero laterale di Edward de Bono, il motore mette in campo sei sub-agent specializzati, ognuno dei quali affronta il problema da un’angolazione fondamentalmente diversa:

Agent	Role
Provocateur	Connessione casuale per trovare i punti ciechi — forza associazioni inattese.
Challenger	Rompe le supposizioni nella formulazione del problema.
Inverter	Come sarebbe la risposta SBAGLIATA? Lavora a ritroso partendo dal fallimento.
Analogist	Come risolvono questo problema altri domini? Impollinazione incrociata delle idee.
Fractionator	Scompone in base a chi ci guadagna e chi ci perde — analisi strutturale.
Escapist	Uscire dalla trappola del «questa risposta va bene» — spingersi oltre il satisficing.

Questi sei agent generano prospettive alternative. Poi l’agente Brainstormer Synthesis distilla i loro output — 5 alternative da 6 tecniche — e le passa al Thinker.

Ma ecco la sfumatura: il Thinker non si limita a scegliere l’idea migliore. È guidato da Expert Lenses — personaggi come il Logico, lo Scienziato, l’Ingegnere, l’Artista e il Comunicatore — selezionati dinamicamente in base ai domain signals dell’Observer. Un problema matematico attiva il Logico; una domanda di UX attiva l’Artista e il Comunicatore.

E gli hyperparameters lo riflettono. Le lenti analitiche girano a bassa temperatura (T≈0.1) per la precisione. Quelle creative girano «a caldo» (T≈0.9) per la divergenza. Ogni agente è configurato in modo indipendente — modello, temperature, reasoning effort — per corrispondere alla modalità cognitiva che rappresenta.

Reflector::Evaluate — il cancello della qualità

Prima di consegnare qualsiasi cosa, l’agente Reflector::Evaluate applica un controllo di qualità su N dimensioni. La risposta è esatta? Completa? Ben strutturata? Risponde all’intent originale? È l’autoverifica interna del Solver — il momento del «aspetta, è davvero buona?» prima di impegnarsi.

Executor::Plan → Executor::Execute → Deliver

La risposta che sopravvive entra nella fase di esecuzione. Executor::Plan struttura la consegna. Executor::Execute produce l’output formattato. E Deliver impacchetta la bozza finale insieme alle alternative laterali — perché a volte la seconda idea migliore è proprio quella di cui l’utente aveva bisogno.

Poi l’intero output viene passato al Critic.

Hyper-Agent 2: la pipeline del Critic

Se il Solver è la mente creativa, il Critic è il revisore scettico. Esegue una propria pipeline cognitiva completa — non un semplice pollice su/pollice giù, ma una valutazione profonda e indipendente.

Critic Fast — il rapido controllo di buon senso

Proprio come il Router del Solver, anche il Critic ha un percorso rapido. Critic Fast esegue una verifica dei fatti leggera. Se la risposta è chiaramente solida, la approva e il sistema termina. Se qualcosa non torna, passa al percorso di valutazione approfondita.

Deep Evaluation Pipeline

Quando si attiva il Deep Path, il Critic rispecchia la profondità cognitiva del Solver:

Il Critic Observer esamina l’output del Solver alla ricerca di affermazioni, integrità strutturale e lacune di copertura. Il Critic Reflector confronta quelle affermazioni con la propria base di conoscenza — verificando in modo indipendente, senza fidarsi ciecamente del lavoro del Solver.

Il Lateral Thinking Engine del Critic

Il Critic ha un proprio set di sei agenti di pensiero laterale — gli stessi sei archetipi (Provocateur, Challenger, Inverter, Analogist, Fractionator, Escapist) — ma ora rivolti alla risposta anziché alla domanda. Mettono in discussione l’output del Solver da sei angolazioni:

C’è un punto cieco? (Provocateur)
Ci sono supposizioni nascoste? (Challenger)
Cosa renderebbe sbagliata questa risposta? (Inverter)
Come valuterebbero la qualità altri domini? (Analogist)
Chi ci guadagna e chi ci perde con questo approccio? (Fractionator)
«Questa risposta va bene» è davvero sufficiente? (Escapist)

Il Critic Brainstormer sintetizza il tutto in 5 prospettive di valutazione, che alimentano il Critic Thinker (che costruisce ipotesi di valutazione ed evidenzia i problemi critici) e il Critic Executor.

Il Synthesizer — l’ora del verdetto

Il Critic Synthesizer è il punto di convergenza. Assorbe tutto:

Affermazioni e lacune dell’Observer.
Verifiche di conoscenza del Reflector.
Cinque prospettive di valutazione laterale.
Ipotesi del Thinker.
Dati di verifica dell’Executor.

Il tutto condensato in un unico verdetto con un punteggio numerico.

Se il punteggio raggiunge la soglia (≥ 0.75), la risposta viene approvata e passa a Reflector::Learn, che memorizza le lezioni dell’interazione per richiamarle in futuro. Fine della pipeline.

Se il punteggio non è sufficiente, il Critic Refiner riscrive la risposta usando tutta l’analisi, e l’output rivisto rientra nella pipeline di valutazione dall’inizio. Si crea così un ciclo di raffinamento iterativo che continua fino alla convergenza.

Configurazione degli hyperparameters per agente

Una delle decisioni di design più importanti di questa architettura: ogni agente ha hyperparameters configurabili in modo indipendente.

Non è un sistema monolitico che fa girare un modello a una sola temperature. Sono 19 agenti configurabili in modo indipendente, ognuno regolato per il proprio ruolo cognitivo:

Agent analitici (Observer, Reflector, Executor) girano con modelli precisi, a bassa temperatura o con un reasoning effort alto — la precisione conta più della creatività.
Agent creativi (i sub-agent di Lateral Thinking, soprattutto Provocateur ed Escapist) girano ad alta temperatura.
Agent di sintesi (Brainstormer, Thinker, Synthesizer) girano con impostazioni moderate — devono essere abbastanza creativi da vedere le connessioni ma abbastanza disciplinati da restare coerenti.
Agent di instradamento (Router, Critic Fast) usano modelli leggeri e veloci — prendono decisioni binarie o a bassa cardinalità e non hanno bisogno di un ragionamento pesante.

Il sistema è multi-provider per design e attinge ad Azure OpenAI (GPT models) e ad Azure AI Foundry (Claude, Mistral, Phi) a seconda di ciò che serve a ogni agente. Un Router veloce potrebbe usare GPT-5.4 nano. Un Thinker profondo potrebbe usare Claude Opus 4.6.

È qui che l’analogia con la cognizione umana diventa concreta: il tuo cervello non usa lo stesso processo neurale per riconoscere schemi e per le deduzioni logiche. Modalità cognitive diverse richiedono profili di calcolo diversi. Questa architettura ne tiene conto.

I design pattern in gioco

Questo sistema non inventa nulla da zero. Combina pattern collaudati:

Dual-process theory (Kahneman) → il cancello Sistema 1 / Sistema 2 del Router.
Lateral thinking (de Bono) → sub-agent ispirati ai Sei Cappelli per Pensare in entrambe le pipeline.
Generator-Critic loops → il Solver produce, il Critic valuta, il Refiner migliora.
Chain of thought / multi-step reasoning → la pipeline Observer → Reflector → Thinker → Executor.
Expert mixture → Expert Lenses specifiche per dominio attivate da segnali di contesto.
Adversarial evaluation → una pipeline di Critic indipendente con il proprio pensiero laterale.
Iterative refinement con convergenza → approvazione basata sul punteggio con rilevamento dei rendimenti decrescenti.
Memory and learning → Reflector::Recall e Reflector::Learn per la persistenza tra una sessione e l’altra.