Bases de Conhecimento de Longo Prazo
Ir para notas que citam estaBases de Conhecimento de Longo Prazo são os bancos de dados que guardam de forma permanente, fora do dispositivo de quem conversa, tudo o que as memórias temporárias de um agente processaram.
As memórias que cercam o núcleo de um agente são transitórias por natureza: precisam ser esvaziadas para receber conteúdo novo. Se o que passou por elas não descer para algum lugar durável, a informação simplesmente desaparece ao fim da interação. As bases de longo prazo são esse destino, e são três, cada uma boa em um tipo de pergunta: o banco vetorial, o grafo de conhecimento e o banco de dados tradicional. A escolha entre elas não é estética — é o que determina se uma informação vai ser encontrada depois.
O que cada base responde bem
O banco vetorial guarda o conteúdo convertido em vetores e responde bem a busca por conceito e semelhança semântica: pedir documentos relacionados a um tema, recuperar conversas passadas sobre um projeto, localizar o que "parece com" a pergunta feita. É a base que sustenta a recuperação em RAG.
O grafo de conhecimento armazena as relações entre entidades e monta um mapa de conexões. Quando alguém se apresenta dizendo o nome, a profissão e a cidade, o grafo quebra a frase em fatos ligados à mesma entidade: quem é, o que faz, onde mora. Depois, uma pergunta sobre qualquer um desses atributos recupera a relação diretamente, sem depender de semelhança de texto. Amazon Neptune e Neo4j foram citados como exemplos de bancos desse tipo.
O banco de dados tradicional guarda dado estruturado e log: o histórico da conversa linha a linha com data e hora, as configurações do usuário, o idioma preferido, a voz da resposta. É a base do fato exato, e abrange tanto variações relacionais quanto NoSQL.
Uma busca por tema ou conceito vai ao banco vetorial; uma busca por relação entre entidades vai ao grafo; a recuperação de uma conversa específica do histórico vai ao banco tradicional. Um agente que consulta sempre a mesma base devolve informação desatualizada ou fora de propósito, porque está usando a estrutura errada para o tipo de pergunta.
Por que longo prazo significa fora da máquina
Essas bases são de longo prazo porque ficam hospedadas em data centers, não no equipamento de quem usa o sistema. É essa persistência remota que permite retomar uma conversa meses depois com o contexto intacto, e é também ela que explica o volume de investimento em infraestrutura de armazenamento e processamento que acompanha a adoção de IA. Do ponto de vista de quem projeta um agente, a consequência prática é dupla: o histórico é um ativo recuperável, e é também um dado que sai do controle local e precisa ser tratado como tal.