A parte mais difícil de construir agentes de IA não é ensiná-los a lembrar. É ensiná-los a esquecer. Meu colega e escritor incrivelmente talentoso @helloiamleonie acabou de publicar o que talvez seja a análise mais completa da memória de agentes que já vi – e acredite, todos nós precisávamos disso. Aqui está o desafio principal: LLMs são apátridas. Cada conversa é um recomeço. Eles não lembram do que você disse cinco minutos atrás, muito menos do que você disse semana passada. Então, como criamos agentes que realmente se lembrem? Dois tipos fundamentais de memória: • Memória de curto prazo: Informação na janela de contexto do LLM (a conversa atual) • Memória de longo prazo: Informação armazenada externamente (conversas passadas, preferências do usuário, fatos aprendidos) Mas é aqui que fica interessante – e confuso. Diferentes frameworks categorizam a memória de forma diferente, por exemplo: Abordagem do CoALA (inspirada na cognição humana): • Memória de trabalho (conversa atual) • Memória semântica (fatos sobre o usuário) • Memória episódica (experiências e ações passadas) • Memória procedural (instruções e comportamentos) Abordagem da Letta (focada em arquitetura): • Buffer de Mensagens (mensagens recentes) • Memória Núcleo (blocos em contexto gerenciados ativamente) • Memória de Recordação (histórico bruto de conversa) • Memória Arquivística (conhecimento armazenado explicitamente) A parte mais difícil? Esquecendo. Gerenciar o que entra na memória é super complexo. Gerenciar o que é deletado é ainda mais difícil. Como você automatiza a decisão do que está obsoleto? Quando as informações antigas são realmente desatualizadas versus ainda relevantes no contexto? É aí que a maioria das implementações tem dificuldades. Leonie cobre desde os diferentes tipos de memória (trabalho, semântica, episódica, procedural) até estratégias práticas de implementação e o crescente ecossistema de frameworks de memória como mem0, Letta e zep....