Iterative Self-Critique

I piani dell'AI sembrano ragionevoli ma falliscono in esecuzione. Il modello genera un piano di migrazione, un'architettura o una sequenza di workflow. Si legge bene. Poi lo implementi e scopri dipendenze mancanti, ordine sbagliato o step impossibili. Gli LLM pianificano con 50% di accuratezza su task complessi.

Il pattern Plan-Critique-Revise di Google DeepMind (2025). Tre step di validazione per ogni piano: identifica precondizioni, verifica che ogni step soddisfi le sue precondizioni, calcola lo stato risultante. Template specifici per dominio: workflow n8n, migrazioni database, architettura sistemi. La fase di critica intercetta gli errori prima dell'esecuzione.

Piani che funzionano davvero quando li esegui. L'accuratezza passa dal 50% al 90% sui task di planning (benchmark DeepMind). Intercetti lo step rotto prima di eseguirlo, non dopo.

• 5 file che implementano la metodologia Plan-Critique-Revise
• 3 step di validazione: precondizioni, soddisfacimento, stato risultante
• Template dominio: planning e validazione workflow n8n
• Template dominio: sequenziamento migrazione database
• Template dominio: validazione decisioni architettura sistemi

• Developer che usano l'AI per planning di architettura e migrazioni
• Builder n8n che necessitano sequenze di workflow validate
• Chiunque sia stato scottato da un piano AI che sembrava corretto ma è fallito