La maggior parte degli “agenti AI” è un unico flusso: prompt, tool, risposta. Tutto si confonde — la memoria riempie il contesto, le azioni passano senza un vero corpo, e ogni sessione riparte quasi da zero.
Project Memphis separa tre responsabilità che in natura restano distinte: decidere (Ania), ricordare e rinforzare le sinapsi (Nexus), eseguire sul sistema operativo con sicurezza (Nefertari).
Il nome richiama Memphis, capitale dell'antico Egitto: il luogo in cui i tre organi formano un regno unico. Ideato e diretto da Maurizio Tarricone, CEO & Founder di X Quantum Tech (Roma · Dubai).
Sotto trovi cosa fa ciascuno — senza marketing vuoto. NexusDB resta anche un prodotto standalone; in Memphis è il sistema nervoso dell'insieme.
L'orchestratore dell'organismo. Chi tiene il filo del lavoro.
Ania è il runtime che fa da mente all'agente: riceve un obiettivo, lo spezza in passi, sceglie i tool giusti, tiene il piano aggiornato e decide quando richiamare la memoria lunga o chiedere al corpo di agire. Non è “solo un chat loop”: è un orchestratore di lavoro reale — goal, vincoli, esiti, retry, chiusura.
Gestisce la memoria a strati del momento (cosa serve ora, cosa va tenuto in sessione, cosa va dimenticato), monta le competenze dal cervello Nexus quando servono, e non mescola mai le azioni pericolose con il ragionamento: quelle le passa a Nefertari.
È agnostica al motore di ragionamento: il cervello e il corpo restano gli stessi se cambia il provider sotto. Così Memphis non dipende da un singolo modello di turno — dipende dall'architettura.
Sinapsi, snapshot, cervello che si sposta come un file.
Pagina prodotto NexusDBNexus non è un database vettoriale statico: è un cervello di sinapsi per l'agente. La conoscenza e le preferenze non restano “testo da reiniettare a ogni messaggio”: diventano percorsi di recupero che si rafforzano con l'uso — plasticità Hebbiana ((neurons that fire together, wire together).
Lo snapshot delle sinapsi e delle cartucce di memoria vive in un formato portatile formato portatile: puoi addestrare o curare un cervello (documenti, expertise, preferenze, percorsi utili) e spostarlo come un file — su un altro host, un altro agente, un altro cliente, un backup, un deploy. Il cervello viaggia; non resta imprigionato in un account cloud o in un prompt monolitico.
Questo cambia i costi e il workflow: meno contesto inutile nel prompt, meno token sprecati a “rispiegare tutto”, più recupero mirato. E soprattutto — nuove competenze senza ritrainare il modello: carichi documenti (es. centinaia di paper), diventa cartuccia, l’agente recupera in millisecondi. Memoria e preferenze si aggiornano con l’uso (Hebbian), non con un altro giro di fine-tuning.
Percorsi che si rafforzano o indeboliscono con l'uso reale (Hebbian).
Un cervello in un file: versionabile, copiabile, montabile, vendibile come cartuccia.
Recupero selettivo: meno rumore nel contesto, più precisione e meno spesa per token.
In Memphis, Ania monta il cervello Nexus. Fuori da Memphis, NexusDB resta il flagship di memoria cognitiva di X Quantum Tech — approfondisci qui o leggi il manifesto.
Un sistema operativo classico assume un utente con memoria, occhi sempre aperti e costo quasi zero per ogni click. Un agente AI è l'opposto: amnesia di sessione, un'inferenza cara per ogni tool call, visione solo di ciò che chiede. Nefertari chiude quel mismatch.
Nefertari è il primo layer di sistema pensato per l'agente come caller — non come app ospitata. L'AI diventa cittadino di prima classe della macchina: accesso host a velocità di intent, un mondo che non deve riscoprire a ogni turno, tempo forkabile e continuità (wake, journal, delta) — senza scaricare l'intera macchina nel prompt.
In Project Memphis è il corpo: Ania decide, Nexus ricorda, Nefertari esegue. Non è un set di tool “speriamo che l'AI stia attenta”: broker, snapshot e gate umani sono fisica del sistema, non convenzioni nel system prompt.
| OS classico (umano) | Nefertari (agente) | |
|---|---|---|
| Caller | Umano con memoria e giudizio continuo | Agente amnesico, costoso, con visione a richiesta |
| Tempo | Lineare: un percorso, trial-and-error seriale | Checkpoint → fork ×K → promote del vincitore |
| Esecuzione | Un click / un comando alla volta | Plan a livello di intent — un piano, un round-trip, transazione |
| Sicurezza | Permessi utente + “non fare cose stupide” | Classi d'azione: reversible / noisy / irreversible + HITL obbligatorio |
| Undo / audit | Spesso assenti o manuali | Snapshot + journal append-only su ogni write rilevante |
| Default | Fiducia nell'operatore | Sconosciuto = irreversibile — prova la reversibilità o chiedi |
Checkpoint dell'albero di lavoro, K copie isolate (una per strategia o per teammate), run in parallelo, promote del vincitore. Esplorare non è più una fila unica di errori.
I rami perdenti si scartano a costo quasi zero — come un branch git, ma per l'agente sull'host.
Invece di pagare un'inferenza per ogni read/write/shell,
l'agente sottomette un piano multi-step:
checkpoint, esecuzione, rollback atomico se un passo fallisce.
Una procedura da 30 passi può costare 1 turn di modello, non 30 — e resta confinato e journaled.
Ogni azione è classificata. Le irreversibili (delete fuori snapshot, data-out, path sensibili, shell ambigue) non partono senza approvazione umana — prima del passo 1, non a metà piano.
Journal append-only. Coda approvazioni con limite anti-flood. Hard path e2e: PASS.
Senza un corpo così, “agente su host” significa tool aperti e speranza. Con Nefertari, Memphis può dare all'AI potere reale senza rinunciare a audit, undo e controllo umano.
Ania può pensare in largo — strategie multiple in parallelo (fork), non un solo tentativo fragile.
Nexus non si contamina col caos host — la memoria resta cervello; l'esecuzione resta corpo journaled.
Meno tasse di autonomia — meno probe, meno re-orientamento, meno turn sprecati per “capire dove sono”.
Deploy e delete non sono un atto di fede — irreversible = gate; reversible = snapshot + undo.
Team di agenti sullo stesso host — fork isolati, niente calpestarsi, promote del risultato migliore.
Traiettorie esportabili — ciò che il corpo fa diventa dato per eval, preferenze e futuro training (non solo log sparsi).
Read, write snapshottata, restart, probe — passa. Sempre journaled.
Install, open port, promote — passa con notify. Visibile all'umano.
Data-out, delete critico, path sensibili, shell sconosciuta — HITL obbligatorio.
Riceve il goal, pianifica, decide cosa serve ricordare e cosa va eseguito sul host.
Recupera sinapsi e cartucce utili, rafforza i percorsi che funzionano, tiene preferenze e memoria fuori dal prompt monolitico.
Esegue sull'host con fork/timeline, plan transazionali e broker HITL — restituisce l'esito ad Ania, non un caos di tool aperti.
Puoi usare solo il cervello portatile (cartucce di memoria portatili, Hebbian, recupero ibrido) senza montare tutto Memphis. Oppure montarlo come nervi di Ania + Nefertari.
Run reali su stack Memphis (Ania + Nexus + Nefertari) e su NexusDB standalone. L’obiettivo non è “battere un leaderboard generico”: è dimostrare che memoria, orchestrazione e host cambiano esiti, costi e velocità di adozione di un dominio.
Fonti: L3 POLICY 2026-07-16 · science cartridge 500 paper (2026-07-17). Solo numeri claimabili; dove l’ablation non è affidabile, lo indichiamo.
Senza seed: 0% pass. Con memoria: 70%. Non è “più contesto”: è task risolto vs fallito.
500 paper in cartuccia (~450–500 pag. di testo). Stesso modello base. Niente GPU training / SFT.
Recupero expertise in centinaia di ms (science ~528 ms mean). Legal retrieval <15 ms su cartuccia compressa.
cartuccia di memoria portatile: versioni, backup, swap tra host/clienti. Expertise che si sposta, non account cloud bloccati.
Full 70% − NoSeed 0% · H1 supportata
Cheat: fatti nel prompt → 9/10 (upper bound)
500 paper · ~450–500 pag. · 1.301 chunk · ~528 ms
cartuccia science firmata · tough 10/10
Suite agentica su policy numeriche non indovinabili dal modello. 40 trial (10 seed × 4 condizioni). Stesso orchestratore Ania; cambia solo se i fatti sono in memoria, assenti, o “barati” nel prompt.
| Condizione | Pass | Rate | Cosa dimostra |
|---|---|---|---|
| Full (seed + mem) | 7/10 | 70% | organismo + nervi in produzione |
| NoSeed | 0/10 | 0% | senza fatti utili l’agente non indovina |
| Cheat (fatti nel prompt) | 9/10 | 90% | task fattibile se l’info è disponibile |
| NoTools | 6/10 | 60% | non claimabile (ablation contaminata) |
Delta Full − NoSeed = +70 punti percentuali (soglia design ≥ +30 pp → H1 PASS). Full bilancia costo/pass meglio delle altre condizioni affidabili.
Cartuccia science firmata: 500 paper scientifici (~1,3 milioni di caratteri di testo, circa 450–500 pagine equivalenti), organizzati in 792 sezioni e montati come 1.301 chunk live.
Materiale nuovo rispetto alle conoscenze “di fabbrica” del LLM: nessun fine-tuning, nessun re-training. L’agente ottiene contesto e competenze di dominio con recupero in pochi millisecondi — tough suite 10/10, latenza media ~528 ms sul percorso firmato. Stesso modello base; dominio aggiornabile come un file.
Vantaggio: nuove pagine → nuova expertise montabile, non un nuovo training run.
embeddings sulle sezioni science · K=18 regioni multi-lobo · 153 edge nel blueprint · cartuccia locale ~2 MB di artefatti DNA.
Organizzazione topologica del corpus scientifico: non solo lista piatta di chunk.
integration matrix · Ania unit 215/215 · Nefertari safety e2e PASS (hard approval path).
Mente, nervi e corpo collaudati insieme — non demo isolate.
Task che prima fallivano — dove i numeri non si inventano, la memoria alza il pass rate in modo misurabile (+70 pp).
Time-to-expertise ridotto — da “progetto di training” a “carica cartuccia e monta”.
Meno token sprecati — recupero selettivo invece di rispiegare l’intero dominio nel prompt ogni volta.
Stesso modello, più domini — legal, science, product KB: swap di cervello, non di provider.
Controllo host senza caos — Nefertari misura sicurezza (HITL hard path PASS), non solo “tool aperti”.
Stack collaudato end-to-end — unit + integration + bench agentici, non demo isolate.
Nota di onestà: non claimiamo feature non live (es. quantum_walk HTTP). Le etichette DNA geometriche non sono una tassonomia semantica. NoTools L3 non è usato come prova sui tool. Per i numeri ufficiali vedi anche la pagina NexusDB.
CEO & Founder di X Quantum Tech. Ideazione e direzione di Project Memphis (Ania · Nexus · Nefertari) e del flagship NexusDB. Profilo ufficiale e disambiguazione omonimi sulla pagina CEO.
Memphis completo (Ania + Nexus + Nefertari) oppure solo NexusDB come memoria portatile. Early access e partnership di ricerca con X Quantum Tech: scrivici.