
Abbiamo testato il motore Botpress su un LLM economico, poi lo abbiamo confrontato con lo standard del settore che gira su un LLM costoso. (Sì, siamo così sicuri di noi.)
Abbiamo iniziato sviluppando LLM.
Ora usiamo questa profonda competenza tecnica per aiutarti a servire meglio i tuoi clienti.
Sostituisce le chiamate agli strumenti con l'esecuzione diretta del codice per ogni azione dell'agente.
Una libreria di schemi che indica all'LLM esattamente cosa aspettarsi da ogni strumento.
Impara dal feedback umano per migliorare la precisione dell'agente nel tempo.
La maggior parte degli agenti AI interagisce con il mondo tramite tool-calling: l’LLM sceglie uno strumento (ad esempio per cercare un ordine o recuperare una scheda cliente), ottiene una risposta, poi seleziona il prossimo strumento e ripete.
Noi non facciamo così.
Perché? Perché gli LLM sono molto più bravi a scrivere codice che a fare tool-calling.
Quindi invece del tool-calling, con il Framework LLMz, le tue istruzioni in linguaggio naturale vengono trasformate in codice. Nello specifico, in Typescript.
Questo significa che se la tua richiesta ha più componenti (come recuperare una scheda cliente e poi controllare lo stato di un ordine), uniamo tutte queste richieste in una sola, invece di fare tante chiamate separate agli strumenti.
Ovviamente, una sola esecuzione per richiesta costa meno che fare richieste separate per ogni azione.
(Non chiedeteci perché i nostri concorrenti non lo fanno. Non lo sappiamo nemmeno noi.)
Poiché si tratta di una grande richiesta composta da codice, l’LLM può individuare e correggere gli errori man mano che procede, invece di fare un’ipotesi al Passaggio 1 che poi diventa un errore al Passaggio 3.

I tuoi agenti AI usano strumenti per aiutare i clienti — come usare un CRM per recuperare una scheda cliente.
Quando una richiesta coinvolge più strumenti (ad esempio recuperare una scheda cliente e poi controllare lo stato di un ordine), gli LLM a volte fanno supposizioni su cosa restituirà lo strumento.
E quando concatenano 10 passaggi di strumenti, queste supposizioni si accumulano e possono portare a errori.
Quello che fa la ZUI Library è imporre un output rigorosamente definito per ogni strumento. Così l’LLM sa sempre esattamente cosa riceverà.
Questo significa che il tuo agente AI può — in modo molto affidabile — gestire richieste che coinvolgono più passaggi.
E, onestamente, la maggior parte delle richieste coinvolge più passaggi. Ecco perché per noi è fondamentale farlo bene.
L'LLM indovina cosa restituisce uno strumento. Su più azioni concatenate, queste supposizioni si sommano — input errati vengono trasmessi, gli errori si accumulano e l'agente fallisce in modi difficili da diagnosticare.
Ogni strumento ha un output precisamente definito su cui l'LLM può contare. Le azioni si concatenano senza problemi, il modello sa sempre con cosa sta lavorando e i compiti complessi a più passaggi vengono eseguiti in modo affidabile.

La maggior parte delle piattaforme AI non offre un vero meccanismo per migliorare concretamente i tuoi agenti AI nel tempo.
Ma Botpress integra un livello di feedback in ogni componente: il ZAI Learning Loop.
Il nostro Learning Loop raccoglie feedback in linguaggio naturale (come “Sembra troppo formale” o “Aggiorna il CRM solo dopo aver elaborato il rimborso”) e li reintegra nel sistema su cui stai lavorando.
