Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar

Memória de Agentes

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Memória de Agentes é o conjunto de mecanismos especializados que guardam e recuperam informação durante e entre interações, cada um com um alcance, um papel e um custo diferentes.

O problema que esses mecanismos resolvem tem nome: amnésia digital. Sem memória estruturada, tudo o que foi dito se perde ao fim da conversa e a interação nunca passa de uma pergunta isolada seguida de uma resposta isolada. Com memória, o mesmo modelo passa a personalizar respostas, manter uma linha de raciocínio ao longo de dias e encadear tarefas complexas. É a memória, e não o modelo, que sustenta a continuidade.

Os módulos de memória e o papel de cada um

A memória de um agente costuma ser descrita não como um repositório único, mas como módulos especializados que operam em paralelo em torno do núcleo:

  • Memória de trabalho: o bloco de notas da conversa em andamento, rápido e temporário. É ela que evita uma nova busca quando a mesma pergunta se repete segundos depois.
  • Memória conversacional: o histórico bruto do diálogo, gravado linha por linha, com data e hora.
  • Memória de entidade: funciona como um CRM de contatos, guardando os dados estáveis sobre quem está do outro lado — nome, cidade, profissão, preferências.
  • Memória episódica: a memória de projeto, que registra a sequência dos eventos e permite localizar depois o que foi tratado em outra ocasião.
  • Memória semântica: acionada quando a resposta não está em nenhuma base própria e é preciso buscar conhecimento geral fora.
  • Memória procedural: onde ficam playbooks, fluxogramas e processos, isto é, os passos que o agente deve seguir para executar uma tarefa.

Além desses, o mesmo desenho costuma incluir a persona, que fixa tom e papel, e o inventário de ferramentas disponíveis.

Janela de contexto, custo e o corte do histórico

A memória de curto prazo não fica "guardada" em lugar nenhum: ela é reenviada ao modelo a cada chamada, dentro do prompt. Por isso ela precisa de corte. Uma janela de contexto define quantas mensagens anteriores voltam junto com a pergunta atual — em um fluxo demonstrado, cinco mensagens, com a observação de que duas ou três já bastariam para aquele caso. Quanto maior a janela, maior o custo em tokens de cada resposta, e o parâmetro é de refinamento: não existe valor universal.

Memória rápida custa caro, memória barata acumula

Cada tipo de memória troca velocidade por volume e preço. Uma memória rápida de acesso tende a ser mais cara; uma memória que acumula muito sai mais barata, mas responde mais devagar. A escolha é um ajuste de custo e eficiência para o uso esperado, não uma decisão técnica única.

Nem todo agente precisa de memória. Um agente validador que recebe um artefato pronto e apenas o avalia não ganha nada com o histórico da conversa, e carregá-lo só aumenta o custo. Já em agentes conversacionais, um identificador de sessão enviado pelo front-end é o que mantém conversas separadas com contextos independentes.

Onde a memória realmente mora

O que se lembra de uma conversa não está no celular nem no computador de quem conversa. O dispositivo local apenas trafega dados; tudo o que foi escrito fica persistido nas bases de longo prazo hospedadas em data centers do provedor. Ao reabrir um chat antigo, a conversa inteira é recuperada de lá para reconstruir o contexto, a persona e a linha de raciocínio. Apagar um histórico na interface costuma ser apenas uma marcação de ocultação: os dados seguem armazenados e disponíveis para uso posterior.

Memória como arquivo de aprendizado

Em agentes de código, a mesma ideia aparece em outra forma: arquivos markdown escritos pelo próprio agente, em uma pasta de memória do projeto ou global na máquina, registrando o que ele aprendeu sobre como agir. Isso difere dos arquivos de contexto definidos previamente pela equipe, porque o conteúdo nasce do raciocínio do agente sobre as próprias execuções — um caso direto de consolidação.