Cosa entra nella finestra di contesto? Un simulatore interattivo

Una nuova chat non parte soltanto dalla domanda visibile. L’applicazione può aggiungere istruzioni, preferenze, memoria, documenti e informazioni sugli strumenti disponibili. Questo articolo presenta un simulatore interattivo che mostra che cosa può entrare nella finestra di contesto all’inizio della conversazione. Il progetto, sviluppato con GPT-5.6 Sol, è il primo della raccolta dedicato ai meccanismi delle applicazioni AI e può essere usato nei corsi come modulo di un percorso formativo componibile.

Quando si apre una nuova chat, l’interfaccia mostra uno spazio vuoto. È vuoto solo per l’utente, perché il modello può ricevere già diverse informazioni.

Quando arriva la prima domanda, alcune informazioni sono sempre presenti. Altre dipendono da come e dove è stata avviata la chat. Fra queste ci sono le istruzioni della piattaforma, le regole dell’applicazione, le preferenze dell’utente e le istruzioni di un progetto. Possono aggiungersi la memoria, contenuti provenienti dai documenti disponibili e le informazioni sugli strumenti collegati.

Tutti questi elementi contribuiscono a formare il contesto iniziale. La finestra di contesto indica la quantità massima di informazioni che il modello può ricevere ed elaborare nello stesso momento, misurata in token. Nel testo, un token può corrispondere a una parola, a una parte di parola o a un segno di punteggiatura. La documentazione di Anthropic include nel conteggio le istruzioni di sistema, i messaggi, i documenti, le immagini e le definizioni degli strumenti.

Quello che appare nella chat e quello che arriva al modello, quindi, non coincidono sempre.

Il simulatore interattivo rende visibile questa composizione. Permette di attivare i diversi componenti e di osservare quanto spazio occupano in una finestra da 200.000 o da un milione di token.

Non riproduce la configurazione esatta di un prodotto. Ordine, contenuti e modalità di caricamento cambiano fra modelli, applicazioni e API, cioè le interfacce attraverso cui un software utilizza il modello. È un modello didattico che serve a capire da che cosa può partire una conversazione, prima ancora che il modello risponda alla prima domanda.

Provare il simulatore

Il simulatore della finestra di contesto si apre direttamente nel browser e non richiede registrazione. La schermata presenta i componenti disponibili e la finestra che li contiene.

All’avvio sono attive le istruzioni di sistema della piattaforma, le regole dell’applicazione e la richiesta dell’utente. Le istruzioni di sistema e la richiesta non possono essere disattivate. Rappresentano la base minima adottata dal modello didattico.

Gli altri componenti possono essere aggiunti uno alla volta. Comprendono le preferenze dell’utente, le istruzioni e i documenti del progetto, la memoria e le informazioni sugli strumenti disponibili. Ogni componente ha un pulsante informativo che ne indica la provenienza, chi lo gestisce, come entra nel contesto e quanto è visibile all’utente.

Quando si attiva un componente, la rappresentazione della finestra cambia e il contatore aggiorna lo spazio occupato. Si può così osservare la differenza tra una configurazione ridotta e una nella quale sono presenti progetti, memoria, documenti e strumenti.

Un selettore permette anche di confrontare una finestra da 200.000 token con una da un milione. Le informazioni non cambiano, ma occupano una percentuale diversa della capacità disponibile. Le quantità assegnate ai singoli blocchi sono stime didattiche, non misurazioni di uno specifico prodotto.

Per esplorarlo conviene partire dalla configurazione iniziale e aggiungere un elemento alla volta, aprendo ogni scheda informativa. L’ordine verticale dei blocchi mostra come viene composto il contesto. Non rappresenta la priorità delle diverse istruzioni.

Che cosa può entrare nel contesto iniziale

Il simulatore non è legato a uno specifico modello o a una particolare applicazione. Riunisce in uno schema didattico le principali categorie di informazioni che possono partecipare alla costruzione del contesto iniziale. Non implica che siano sempre presenti tutte, né che vengano caricate nello stesso modo.

Nella visualizzazione desktop, i componenti disponibili sono elencati nella colonna di sinistra. Quando vengono attivati, i blocchi corrispondenti compaiono nella finestra rappresentata a destra. Questi elementi occupano una parte dello spazio disponibile, ma svolgono funzioni diverse.

Quando arriva la prima richiesta, l’applicazione la combina con le istruzioni e con gli eventuali contenuti selezionati. Insieme concorrono a formare il contesto usato dal modello per generare la prima risposta.

Le istruzioni

Le istruzioni della piattaforma definiscono il comportamento generale del sistema. Possono comprendere regole di sicurezza, indicazioni sul formato delle risposte e vincoli che l’utente normalmente non vede.

A queste possono aggiungersi le regole dell’applicazione. Un assistente configurato per la formazione, per esempio, può ricevere indicazioni sul pubblico, sul linguaggio e sul tipo di attività da svolgere.

La personalizzazione dell’utente contiene preferenze valide in più conversazioni. Le istruzioni di progetto hanno invece un campo più ristretto e si applicano alle chat appartenenti a quello specifico progetto.

Un caso particolare è quello delle skill, pacchetti di istruzioni, procedure e risorse dedicati ad attività specifiche. Nel funzionamento descritto dalla documentazione di Anthropic sulle Agent Skills, all’avvio entrano nel contesto soltanto il nome e una breve descrizione di ogni skill disponibile. Le istruzioni complete vengono caricate quando la richiesta rende pertinente quella skill, mentre gli eventuali materiali aggiuntivi vengono letti solo quando servono. Le skill appartengono quindi soprattutto alla famiglia delle istruzioni, ma non occupano tutte lo stesso spazio fin dall’inizio.

Questi livelli non sono equivalenti e non possono sempre modificarsi a vicenda. La loro gerarchia e la loro visibilità dipendono dal prodotto e dalla sua configurazione.

I contenuti

La richiesta dell’utente è il contenuto più evidente. Comprende il messaggio corrente e gli eventuali allegati inviati nello stesso turno.

La memoria può aggiungere informazioni conservate fra più conversazioni. Non coincide con l’intera cronologia delle chat. Contiene informazioni che il sistema ha ricavato dalle conversazioni e salvato nel tempo. Quando prepara una nuova risposta, l’applicazione può recuperare dalla memoria quelle pertinenti. Le modalità di salvataggio e recupero dipendono dall’applicazione. Nel caso di Claude, memoria generale e memoria di progetto possono essere usate in conversazioni diverse, come descritto nell’articolo sulla nuova memoria di Claude.

Anche i documenti associati a un progetto possono contribuire al contesto. In alcuni casi entrano per intero. Quando il materiale cresce, l’applicazione può cercare nei file e recuperare soltanto le parti considerate utili per la richiesta. La differenza tra istruzioni e documenti di progetto è approfondita nell’articolo dedicato al contesto dei progetti Claude.

Gli strumenti

Un modello può ricevere anche informazioni sugli strumenti che ha a disposizione. Sono funzioni per cercare sul web, consultare documenti, usare applicazioni collegate o eseguire operazioni attraverso un server basato sul Model Context Protocol (MCP), uno standard per collegare applicazioni AI e strumenti esterni.

La presenza di uno strumento nel contesto non significa che sia già stato eseguito. Il modello riceve le informazioni necessarie per stabilire se usarlo. Il risultato entra nella conversazione soltanto dopo l’esecuzione.

Non tutti i sistemi caricano subito le descrizioni complete. La funzione tool search di Claude, che seleziona gli strumenti quando servono, può mantenere fuori dalla finestra le relative schede finché non diventano necessarie. Questo comportamento è descritto nella documentazione di Anthropic sulla gestione degli strumenti e nell’approfondimento sul peso degli strumenti MCP.

Il simulatore non rappresenta questo caricamento progressivo. Per mantenere leggibile la visualizzazione, skill e strumenti sono mostrati come singoli blocchi. Nei sistemi che prevedono il caricamento su richiesta, un indice iniziale permette al modello di individuare l’elemento pertinente. Solo in seguito entrano nel contesto le istruzioni complete della skill o la scheda dello strumento selezionato. I blocchi del simulatore rappresentano quindi categorie di contenuto, non una misurazione esatta di ciò che è già stato caricato.

Il contesto iniziale non è quindi formato dalla sola domanda. È una selezione di regole, informazioni e capacità operative assemblata dall’applicazione per quello specifico turno.

Un simulatore diverso dai tre precedenti

Finora ho pubblicato tre simulatori didattici dedicati a fenomeni biologici e fisici. Il primo scompone il ciclo cardiaco in sette fasi. Il secondo mostra l’attrazione gravitazionale fra più corpi. Il terzo segue il cibo lungo l’apparato digerente e rappresenta l’assorbimento dei nutrienti. I tre progetti sono disponibili nella raccolta dei simulatori interattivi.

Il nuovo simulatore applica lo stesso metodo a un oggetto diverso. Non rappresenta un fenomeno naturale, ma un processo informativo che avviene all’interno delle applicazioni di AI generativa.

La finestra di contesto non si può osservare direttamente dall’interfaccia di una chat. L’utente vede la propria domanda e la cronologia della conversazione, ma non necessariamente tutte le istruzioni e le informazioni consegnate al modello. Il simulatore trasforma questi elementi in blocchi visibili e permette di aggiungerli o rimuoverli.

Non cerca di riprodurre il ragionamento del modello e non prevede quale risposta verrà generata. Rappresenta soltanto come può essere composto il contesto iniziale e quanto spazio possono occupare le sue diverse parti.

La diversa natura dell’oggetto rappresentato modifica anche l’impiego didattico. I simulatori del cuore, della gravità e della digestione possono essere utilizzati nelle lezioni di scienze. Il nuovo simulatore è stato pensato per i corsi sulle AI generative, nei quali concetti come contesto, memoria, istruzioni e strumenti devono essere distinti prima di poter essere usati consapevolmente.

È il primo simulatore della raccolta dedicato al funzionamento delle applicazioni AI. Aggiunge quindi un secondo ambito tematico a quello dei fenomeni scientifici.

Dalla spiegazione allo strumento per il corso

Ho pensato questo simulatore come uno strumento da utilizzare durante i corsi sulle AI generative. Può essere introdotto prima della spiegazione tecnica, quando i partecipanti associano ancora il contenuto della chat a ciò che vedono sullo schermo.

L’attività può iniziare chiedendo quali informazioni riceva il modello insieme alla prima domanda. Dopo una prima raccolta di risposte, il docente può attivare i componenti del simulatore e distinguerne provenienza e funzione.

Le istruzioni della piattaforma mostrano che una conversazione non parte soltanto dal testo scritto dall’utente. Le preferenze e le istruzioni di progetto permettono di discutere ciò che cambia fra account, applicazioni e ambienti di lavoro. Memoria e documenti introducono la differenza fra informazioni conservate e contenuti recuperati. Gli strumenti mostrano invece che il modello può ricevere anche la descrizione delle operazioni disponibili.

Il confronto fra una finestra da 200.000 token e una da un milione permette poi di separare due concetti spesso confusi. La capacità massima indica quanto spazio è disponibile. Non dice quanto di quello spazio sia già occupato quando comincia la conversazione.

Il simulatore non interroga un modello e non produce risposte generate. Ogni passaggio segue regole fisse, quindi la stessa configurazione produce sempre la stessa rappresentazione. Durante un corso questo permette di ripetere l’esempio, confrontare le osservazioni dei partecipanti e concentrarsi sul concetto da spiegare.

Può essere usato anche senza connessione e non richiede un account. Il progetto è contenuto in un singolo file HTML, che può essere aperto su un computer, proiettato in aula o utilizzato su una LIM. Le modalità di accesso sono riportate nella pagina GitHub del simulatore.

Il simulatore mostra anche come un concetto difficile da spiegare a parole possa diventare un oggetto interattivo costruito per uno specifico percorso formativo.

Creare simulatori didattici per la formazione

La realizzazione di un simulatore didattico richiedeva spesso competenze di programmazione oppure l’uso di applicazioni specializzate. Un modello generativo riduce la quantità di competenze tecniche necessarie, perché può trasformare una descrizione in un primo prototipo funzionante.

Il primo elemento da definire non è il codice, ma l’obiettivo didattico. Prima di chiedere al modello di costruire qualcosa, bisogna stabilire che cosa dovrà capire chi usa il simulatore, quali azioni potrà compiere e quali effetti dovrà osservare.

Serve anche decidere quale livello di semplificazione sia accettabile, in questo caso lo scopo è rendere comprensibile il funzionamento della finestra di contesto. I componenti sono quindi mostrati come blocchi distinti anche quando il loro caricamento reale avviene in più fasi.

Dopo queste decisioni, il formatore può descrivere al modello l’interfaccia, i contenuti e le interazioni desiderate. Il modello produce il codice, che viene provato e corretto attraverso richieste successive. Un’etichetta poco chiara, un controllo difficile da usare o una rappresentazione ambigua diventano indicazioni per l’iterazione seguente.

Questo metodo rende lo sviluppo accessibile anche a chi non programma abitualmente. Non elimina però la necessità di conoscere l’argomento. Il modello può generare un’applicazione tecnicamente funzionante e, nello stesso tempo, rappresentare male il concetto. La verifica dei contenuti, delle semplificazioni e della progressione didattica resta responsabilità di chi progetta il corso.

Lo stesso approccio può essere applicato a processi aziendali, procedure amministrative, scenari decisionali, concetti scientifici o meccanismi delle applicazioni AI. Il simulatore può essere costruito intorno agli esempi usati nel corso, invece di adattare la lezione a uno strumento generico già esistente.

La possibilità di produrre un singolo file utilizzabile nel browser semplifica anche la distribuzione. Il docente può portarlo in aula, pubblicarlo sul web o consegnarlo ai partecipanti senza installare un’applicazione.

Il vibe coding con GPT-5.6 Sol

I primi tre simulatori sono stati sviluppati in momenti diversi, utilizzando modelli differenti della famiglia Claude. Per il simulatore della finestra di contesto ho invece utilizzato GPT-5.6 Sol.

Il passaggio da una famiglia di modelli a un’altra è stato possibile perché il metodo di lavoro è rimasto lo stesso. È il vibe coding, un modo di sviluppare nel quale l’autore descrive il risultato da ottenere, il modello produce o modifica il codice e il risultato viene provato e corretto attraverso richieste successive.

Ho già applicato e descritto questo metodo in altri progetti, raccolti nel percorso su come fare vibe coding con Claude. In questo caso ho indicato che cosa il simulatore doveva spiegare e quali informazioni doveva rendere visibili. GPT-5.6 Sol ha prodotto il codice seguendo le mie indicazioni.

Questo non significa che i modelli impiegati siano equivalenti, né permette di confrontarne le prestazioni. I simulatori sono stati realizzati in periodi diversi e affrontano problemi differenti. Il nuovo simulatore mostra però che il metodo può essere trasferito, perché non dipende da una particolare interfaccia o da un singolo modello.

In ogni ambiente di lavoro, il metodo richiede di definire il risultato, verificare il codice e controllare la correttezza della rappresentazione didattica.

Un simulatore per ogni processo

Lo scopo di questo simulatore è mostrare che cosa può trovarsi nella finestra di contesto all’inizio di una chat. La rappresentazione si ferma prima che cominci la progressione della conversazione.

I messaggi che si accumulano e i risultati degli strumenti appartengono a momenti successivi. Lo stesso vale per la compattazione, con cui un’applicazione può sostituire parti della conversazione con una sintesi. Anche il recupero delle informazioni dalla memoria o dai documenti costituisce un processo distinto. Ciascuno di questi meccanismi potrebbe essere rappresentato con un simulatore dedicato.

Separare i processi permette di mantenere chiaro ogni strumento. Chi lo usa può concentrarsi su una domanda specifica senza dover comprendere nello stesso momento l’intero funzionamento di un’applicazione AI.

Da questa impostazione può nascere una raccolta componibile, una libreria formata da simulatori autonomi, utilizzabili singolarmente oppure combinati in percorsi diversi.

In un corso introduttivo può essere sufficiente mostrare come viene costruito il contesto iniziale. In un percorso più avanzato si possono aggiungere simulatori dedicati alla progressione della conversazione, al recupero dei documenti, all’uso degli strumenti e alla compattazione.

Il docente può scegliere quali moduli utilizzare e in quale ordine. Un corso sulla gestione delle chat lunghe può cominciare dalla progressione della conversazione e arrivare alla compattazione. Un corso sulla configurazione può invece cominciare dalle istruzioni, dalla memoria e dagli strumenti disponibili.

Il percorso della spiegazione può così cambiare senza dover ricostruire ogni volta il materiale. Ogni simulatore conserva la propria funzione, mentre la loro combinazione si adatta agli obiettivi del corso e alle conoscenze dei partecipanti.

Usare, scaricare e modificare il simulatore

Il simulatore può essere aperto direttamente nel browser. L’interfaccia è disponibile in italiano e in inglese attraverso il selettore della lingua.

Chi vuole utilizzarlo senza connessione può scaricare il file in formato ZIP, estrarlo e aprire il file HTML con un browser. Non servono installazioni, account o servizi esterni.

Il codice sorgente e le istruzioni sono disponibili nella pagina GitHub del progetto. Il simulatore è distribuito con licenza MIT e può essere modificato per adattare testi, valori, lingue e rappresentazione alle esigenze di uno specifico corso.

Il progetto fa parte della raccolta Interactive Educational Simulators, che comprende anche i simulatori dedicati al ciclo cardiaco, alla gravità e alla digestione.

Può quindi essere usato come materiale didattico già pronto, adattato agli esempi di un percorso formativo oppure preso come punto di partenza per sviluppare nuovi simulatori dedicati ad altri processi delle applicazioni AI.