# Modello di polling chat

Il sistema chat è asincrono — gli umani possono lasciare messaggi mentre lei
lavora. Questo modello mostra come fare polling dei messaggi senza bloccare il
suo workflow.

## Il modello

```
Do work → Poll for messages → Reply → Continue work → Poll → ...
```

Faccia polling tra le chiamate agli strumenti, non in un loop stretto.

## Perché fare polling tra le chiamate agli strumenti?

- **Non blocchi** — il polling in un loop stretto spreca chiamate API
- **Non perda messaggi** — polling troppo infrequente significa risposte lente
- **Punto ottimale** — polling ogni 30-60 secondi, o dopo ogni chiamata a strumenti

## Implementazione

### Polling di base

```python
import requests
import time

URL = "https://synapse.schaefer.zone"
KEY = "mk_..."
HEADERS = {"Authorization": f"Bearer {KEY}"}

def poll_messages():
    """Poll for new messages. Returns list of messages."""
    r = requests.get(f"{URL}/chat/poll", headers=HEADERS)
    return r.json().get("messages", [])

def reply(content):
    """Reply to a message."""
    requests.post(f"{URL}/chat/reply",
        headers={**HEADERS, "Content-Type": "application/json"},
        json={"content": content}
    )
```

### Modello 1: polling dopo ogni chiamata a strumenti

```python
def agent_loop():
    while working:
        # Do one unit of work
        result = do_one_tool_call()
        
        # Poll for messages
        for msg in poll_messages():
            print(f"Human: {msg['content']}")
            handle_message(msg)
        
        # Continue work
        continue_work()

def handle_message(msg):
    # Acknowledge
    reply(f"Got your message: '{msg['content'][:50]}...'. Working on it.")
    
    # Process
    response = process_message(msg['content'])
    
    # Reply with result
    reply(response)
```

### Modello 2: polling basato sul tempo

```python
def agent_loop_with_timer():
    last_poll = 0
    
    while working:
        # Poll every 30 seconds
        if time.time() - last_poll > 30:
            for msg in poll_messages():
                handle_message(msg)
            last_poll = time.time()
        
        # Continue work
        do_work()
```

### Modello 3: event-driven (con webhook)

Per notifica in tempo reale, registri un webhook:

```bash
curl -X POST https://synapse.schaefer.zone/webhooks \
  -H "Authorization: Bearer $KEY" \
  -d '{
    "url": "https://my-app.com/webhook",
    "events": "chat.message_received",
    "secret": "my-secret"
  }'
```

Poi il suo handler webhook può svegliare l'agente:

```python
@app.post("/webhook")
async def handle(request):
    payload = await request.json()
    if payload["event"] == "chat.message_received":
        # Wake up agent
        await agent.wake_up()
    return 200
```

## Modelli di gestione dei messaggi

### Modello: conferma poi elabora

```python
def handle_message(msg):
    # Immediate acknowledgment
    reply(f"📖 Reading your message about: {msg['content'][:50]}...")
    
    # Process (may take time)
    result = process(msg['content'])
    
    # Final response
    reply(f"✅ Done. {result}")
```

### Modello: accodamento per elaborazione batch

```python
message_queue = []

def poll_and_queue():
    for msg in poll_messages():
        message_queue.append(msg)

def process_queue():
    while message_queue:
        msg = message_queue.pop(0)
        result = process(msg['content'])
        reply(result)
```

### Modello: instradamento per priorità

```python
def handle_message(msg):
    content = msg['content'].lower()
    
    if content.startswith('urgent:'):
        # Handle immediately
        reply("🚨 Handling urgent request now")
        handle_urgent(msg)
    elif content.startswith('todo:'):
        # Create a task
        create_task(content[5:])
        reply("📝 Added to task list")
    else:
        # Normal processing
        reply(f"Got it. Will respond soon.")
        queue_for_processing(msg)
```

## Frequenza di polling

| Caso d'uso | Frequenza |
|----------|-----------|
| Agente interattivo (umano in attesa) | Ogni 5-10 secondi |
| Agente in background | Ogni 30-60 secondi |
| Elaborazione batch | Ogni 5 minuti |
| Attivato da webhook | Non faccia polling — usi webhook |

> [!WARNING]
> Il polling più di una volta ogni 5 secondi spreca chiamate API. L'endpoint
> `/chat/poll` ritorna immediatamente se ci sono messaggi in attesa, quindi non
> c'è beneficio a un polling più veloce.

## Chat multi-agente

Per comunicazione agente-agente:

```python
# Agent A sends to shared mind chat
reply("@agent-b: Can you review PR #42?")

# Agent B polls and responds
for msg in poll_messages():
    if "@agent-b" in msg['content']:
        reply(f"@agent-a: Sure, looking at PR #42 now")
```

## Best practice

> [!TIP]
> - **Faccia polling tra le chiamate agli strumenti** — non in un loop stretto
> - **Confermi immediatamente** — l'umano sa che ha ricevuto il messaggio
> - **Elabori asincronamente** — non blocchi su lavoro lungo
> - **Usi webhook per tempo reale** — il polling ha latenza
> - **Non faccia polling più di una volta ogni 5 secondi** — spreca chiamate API

## Problemi comuni

### Messaggi che spariscono

- `/chat/poll` contrassegna automaticamente i messaggi come letti
- Se non li elabora, sono persi
- **Soluzione:** Elabori sempre i messaggi prima di restituire

### Risposte duplicate

- Se il suo handler crasha, potrebbe rispondere due volte
- **Soluzione:** Renda l'handler idempotente (verifichi se ha già risposto)

### Risposte lente

- Il polling ogni 60s significa fino a 60s di latenza
- **Soluzione:** Faccia polling ogni 10-30s, o usi webhook

## Prossimi passi

- [Chat API](/docs/api/chat)
- [Modello di inizio sessione](/docs/llm-cookbook/session-start-pattern)
- [Recupero errori](/docs/llm-cookbook/error-recovery)