← Fundamentos

FUNDAMENTOS · GENERATIVE AI · 05

Memória

Agentes que não começam do zero: mecanismos para preservar contexto relevante entre etapas, sessões e interações.

9 min de leitura

Contexto, RAG e memória são coisas diferentes.

Contexto é a informação disponível para a execução atual. RAG recupera conhecimento externo relevante para essa execução. Memória preserva informações derivadas de interações ou execuções anteriores para que possam ser utilizadas posteriormente.

Na prática, arquiteturas podem combinar as três coisas — mas tratá-las como conceitos distintos ajuda a desenhar melhor retenção, relevância, privacidade e controle.

TIPOS

Working, episodic e semantic memory

Não existe uma taxonomia única, mas três categorias ajudam a raciocinar sobre o problema.

WORKING MEMORY

Estado temporário necessário para executar a tarefa atual, como plano, resultados intermediários e variáveis.

EPISODIC MEMORY

Registros de interações e experiências anteriores que podem ser recuperados quando relevantes.

SEMANTIC MEMORY

Conhecimento consolidado sobre entidades, preferências, fatos ou relações úteis ao sistema.

PROCEDURAL STATE

Informações sobre como uma tarefa foi executada ou qual etapa deve continuar em um fluxo persistente.

AGENTES

Memória cria continuidade, não consciência

Um agente pode usar memória para evitar repetir perguntas, manter estado de tarefas longas, recuperar experiências anteriores ou personalizar uma interação.

Isso é persistência de informação projetada pelo sistema. Não implica consciência ou compreensão humana do passado.

GOVERNANÇA

Poder lembrar não significa que deve lembrar tudo

Memória pode armazenar dados sensíveis, informações desatualizadas ou inferências incorretas. É necessário definir o que pode ser persistido, por quanto tempo, quem pode acessar, como corrigir e quando apagar.

Relevância e expiração também importam: memória demais pode aumentar ruído, custo e risco.

NA PRÁTICA

Assistente recorrente

Interação → selecionar informação útil → armazenar memória → recuperar no próximo contexto

Memória deve ser seletiva: guardar tudo aumenta custo, ruído e risco de privacidade.

PRINCÍPIO

Memória útil é seletiva, governada e contextual. O objetivo não é lembrar tudo, mas recuperar a informação certa quando ela realmente melhora a execução.

PRÓXIMA TRILHA

Machine Learning

Avance da camada generativa para modelos preditivos, classificação, scoring e outras capacidades que complementam sistemas agênticos.

Voltar aos Fundamentos →

FONTES E LEITURAS

Referências técnicas

Documentação e publicações para aprofundar os conceitos apresentados. Links externos são oferecidos como referência, não como endosso de fornecedores.