IA Lab by amano
Neste termo

Memory

Memory · AI Memory · Memória em IA · Memória de Agente

Memory, ou memória em sistemas de Inteligência Artificial, é o conjunto de mecanismos usados para preservar, recuperar e reutilizar informações entre interações ou execuções. Essa memória pode assumir formas diferentes, como histórico de sessão, estado persistente, fatos sobre o usuário, preferências, resumos de conversas ou aprendizados consolidados de execuções anteriores. Memória não é a mesma coisa que Context Window nem significa alterar os parâmetros do modelo.

prompts, contexto e interaçãonível intermediárioevolução rápidaTexto + visual

Glossário visual · Sistemas e contexto · intermediário

Explore o conceito em desenho

Em uma aplicação de IA, memória é informação preservada ou recuperada para influenciar interações futuras. Ela depende de mecanismos do produto ou da aplicação; não é uma capacidade persistente garantida em todo modelo ou conversa.

Ler o texto completo

Como uma informação salva pode orientar outra chamada?

O desenho apresenta a primeira etapa. Os dois cenários completos estão disponíveis em texto logo abaixo.

Como lerA pessoa autoriza salvar “prefiro reuniões pela manhã”. Em outra chamada, a preferência pertinente é recuperada e incluída no contexto junto à pergunta.

Etapa 1 de 4

Informação

A pessoa informa: “Prefiro reuniões pela manhã.”. A informação aparece na interação atual; ela só será preservada se a aplicação oferecer essa função e houver autorização.

Leia todas as etapas: Preferência autorizada, salva e recuperada
  1. Informação. A pessoa informa: “Prefiro reuniões pela manhã.”. A informação aparece na interação atual; ela só será preservada se a aplicação oferecer essa função e houver autorização.
  2. Salvar ou não. Neste cenário, a pessoa autorizou o armazenamento e a aplicação salvou a preferência. O exemplo mostra um mecanismo de memória do sistema, não uma capacidade automática do modelo.
  3. Recuperar depois. Em outra chamada, a pessoa pede: “Sugira um horário para a reunião.”. A aplicação tenta recuperar a preferência salva e pertinente.
  4. Incluir no contexto. A aplicação inclui a preferência recuperada junto da pergunta no contexto desta chamada. A sugestão deve respeitar o dado disponível e pode pedir confirmação se houver conflito ou dúvida.
Leia todas as etapas: Preferência não autorizada e não salva
  1. Informação. A pessoa informa: “Prefiro reuniões pela manhã.”. A preferência está presente nesta interação, mas ainda não está persistida.
  2. Salvar ou não. Neste cenário, a pessoa não autoriza o armazenamento. A aplicação não salva a preferência para uso futuro.
  3. Recuperar depois. Em outra chamada, a pessoa pede: “Sugira um horário para a reunião.”. A aplicação tenta recuperar um registro, mas não há preferência salva disponível.
  4. Incluir no contexto. Somente a pergunta atual entra no contexto. O sistema não deve presumir uma preferência anterior e pode pedir mais informações antes de sugerir um horário.

Aplicação prática

Uma preferência só volta se tiver sido salva e recuperada.

Uma pessoa informa: “Prefiro reuniões pela manhã.”. Se houver uma função de memória e a pessoa autorizar, a aplicação pode salvar essa preferência. Em outra chamada, diante do pedido “Sugira um horário para a reunião.”, a aplicação pode tentar recuperá-la e incluí-la no contexto.

Se a pessoa não autorizar o armazenamento, a preferência não deve ser salva. A chamada futura contém apenas as informações então disponíveis e o sistema precisa perguntar, em vez de alegar que se lembra. Persistência, recuperação e controles de privacidade dependem da aplicação. A simulação mostra um fluxo possível, não uma capacidade universal do modelo.

Limites do desenho

Memória não é sinônimo de contexto atual.

Memória persistente depende de mecanismos da aplicação e das escolhas de armazenamento. O modelo não deve ser tratado como se lembrasse automaticamente de conversas anteriores; o fluxo ilustrado exige autorização, persistência e recuperação.

Guardar não é o mesmo que usar.

Um dado preservado só influencia uma resposta futura se a aplicação o recuperar e o incluir na interação pertinente.

Preferência informadaAutorização para salvarTentativa de recuperaçãoInclusão no contexto
Persistência
Manter uma informação entre interações, conforme a implementação.
Recuperação
Recuperar uma informação pertinente antes de utilizá-la em outra chamada.

A pessoa precisa manter controle sobre o registro.

Uma memória útil deve ter finalidade compreensível e permitir revisão conforme os recursos do produto.

Informação não salvaNova perguntaSem registro para recuperarPerguntar ou prosseguir sem presumir
Privacidade
A informação só persiste se houver autorização e um mecanismo implementado.
Atualidade
A aplicação só pode incluir uma memória que tenha efetivamente recuperado.

Fontes conceituais

Roteiros e cenários: exemplos didáticos. As interações mostram simulações e não executam ações em sistemas externos.

O que é Memory em Inteligência Artificial?

Memory é o nome dado aos mecanismos que permitem que um sistema de IA preserve e reutilize informação entre interações ou execuções.

Sem memória, cada nova execução começa apenas com aquilo que é fornecido naquele momento. Com memória, a aplicação pode recuperar histórico, preferências, decisões anteriores, estado de uma tarefa ou aprendizados consolidados.

A memória normalmente vive fora dos pesos do modelo. Ela pode estar em bancos de dados, arquivos, caches, vector stores ou serviços especializados.

Por isso, memória é uma propriedade do sistema, não necessariamente do modelo isolado.

Memory não é Context Window

Context Window é o espaço de informação disponível ao modelo durante uma execução.

Memória é informação armazenada para uso posterior.

Uma aplicação pode ter anos de histórico em banco e colocar apenas alguns fatos relevantes dentro do contexto de hoje.

Essa separação permite continuidade sem exigir que todo o passado seja reenviado a cada chamada.

Memória de sessão

A forma mais simples de memória é o histórico de uma conversa ou sessão.

O Agents SDK da OpenAI descreve sessions como uma camada persistente de memória que recupera itens anteriores antes de uma nova execução e salva novas entradas, respostas e chamadas de ferramentas depois de cada run.

Essa memória mantém continuidade dentro de um thread ou sessão.

Ela é útil para chatbots, assistentes e fluxos multi-turno.

Histórico completo versus estado resumido

Guardar toda conversa é simples, mas pode se tornar caro e ruidoso.

À medida que o histórico cresce, sistemas podem compactar mensagens antigas, resumir decisões ou manter estado estruturado.

Uma aplicação pode guardar, por exemplo, o nome do projeto, prazo, orçamento e decisões aprovadas em campos separados em vez de depender de centenas de mensagens antigas.

Memória útil é normalmente selecionada e estruturada, não apenas acumulada.

Memória de longo prazo

Long-term memory descreve informação que permanece disponível além de uma sessão específica.

Pode incluir preferências, perfil, histórico de relacionamento, fatos relevantes ou aprendizados sobre a maneira de executar uma tarefa.

A aplicação precisa decidir quando essa memória deve ser recuperada.

Trazer tudo o tempo inteiro transforma memória em contexto inchado.

Memória de agente

Agentes podem possuir um tipo de memória diferente do histórico conversacional.

A documentação atual do OpenAI Agents SDK distingue Session memory, que armazena mensagens e estado conversacional, de Agent memory em sandbox agents, que consolida lições de execuções anteriores para reutilização futura.

Essa memória pode guardar aprendizados como procedimentos que funcionaram, correções do usuário ou informações úteis sobre um workflow.

O objetivo é reduzir exploração repetida e custo em execuções futuras.

Memória episódica e memória semântica

Uma maneira conceitual de organizar memória é separar episódios e fatos.

Memória episódica registra eventos, como o que aconteceu em determinada reunião ou execução. Memória semântica registra fatos ou conhecimento consolidado, como uma preferência ou regra.

Sistemas podem ainda manter memória procedural, relacionada a como executar uma tarefa.

Essas categorias não são obrigatórias tecnicamente, mas ajudam a desenhar o que deve ser armazenado.

Como a memória é recuperada?

Uma estratégia simples usa chaves como user_id, project_id ou session_id.

Sistemas mais avançados também podem usar embeddings e busca semântica para encontrar memórias relacionadas à tarefa atual.

A recuperação pode combinar filtros por data, entidade, importância e relevância.

O objetivo é fornecer ao modelo somente aquilo que ajuda a próxima decisão.

Progressive disclosure

Memória não precisa ser carregada integralmente no início.

A documentação de agent memory da OpenAI descreve um padrão de progressive disclosure: primeiro entra um resumo pequeno; quando algo parece relevante, o agente pesquisa o índice e abre detalhes específicos.

Essa estratégia reduz custo de contexto.

Ela também evita que memórias antigas dominem tarefas em que não são relevantes.

Memória pode ficar desatualizada

Uma preferência muda, um projeto termina, uma política é revisada e um cliente corrige uma informação.

Se o sistema continuar recuperando memórias antigas como verdade, continuidade vira erro.

Por isso, memórias precisam de data, origem, escopo e mecanismos de atualização.

A documentação atual de agent memory alerta explicitamente que memórias podem ficar stale e devem ser tratadas como orientação, não como autoridade sobre o estado atual.

Conflitos entre memórias

Duas memórias podem se contradizer.

A aplicação precisa definir prioridades, por exemplo informação mais recente, fonte mais confiável ou confirmação explícita do usuário.

Em alguns casos, o sistema deve perguntar em vez de escolher silenciosamente.

Resolver conflitos é uma função de produto e governança, não apenas de retrieval.

Memória e privacidade

Persistir informação cria responsabilidade.

Dados pessoais, preferências, histórico e arquivos podem exigir consentimento, controle de acesso e políticas de retenção.

Memória deve ser tratada como dado armazenado, não como uma abstração invisível.

Sistemas precisam oferecer formas de revisar, corrigir ou excluir informações quando isso for aplicável.

Memória e segurança

Memórias podem conter dados sensíveis ou instruções incorretas capturadas no passado.

Uma aplicação não deve permitir que qualquer conteúdo seja promovido automaticamente a memória persistente.

Validação, origem e escopo ajudam a evitar que prompt injection ou informação maliciosa contamine execuções futuras.

Agentes compartilhados também precisam de isolamento entre usuários e domínios.

Memória e agentes multi-etapas

Agentes precisam manter estado durante tarefas longas.

Eles podem registrar passos concluídos, resultados de ferramentas, arquivos gerados e decisões humanas.

Essa memória de trabalho evita repetir ações e permite retomar execuções interrompidas.

Sessões persistentes também ajudam a continuar runs depois de aprovações humanas.

Memória em atendimento e CRM

Atendimento pode lembrar histórico recente, problema anterior e preferências autorizadas.

Em vendas, o sistema pode recuperar última proposta, objeções discutidas e etapa da oportunidade.

O objetivo não é reconstruir toda a conversa, mas trazer contexto que muda a próxima ação.

A fonte oficial continua sendo o CRM ou sistema transacional quando existe dado estruturado.

Memória em arquitetura e projetos

Projetos longos acumulam decisões, reuniões, revisões e pendências.

Uma memória de projeto pode preservar decisões aprovadas, restrições do cliente e razões para mudanças.

Quando conectada a uma Knowledge Base, ela pode combinar histórico do projeto com conhecimento geral do escritório.

Essa separação entre memória contextual e base de conhecimento evita misturar fato do projeto com regra geral.

Memória em educação

Um tutor pode guardar progresso, dificuldades e objetivos de aprendizagem.

Isso permite adaptar explicações e exercícios sem exigir que o aluno repita tudo a cada sessão.

Mas inferências sobre capacidade ou perfil não deveriam ser armazenadas indiscriminadamente.

Memória educacional precisa distinguir observação, preferência e avaliação.

Memória não é treinamento

Guardar uma preferência em banco não altera os pesos do modelo.

Quando essa preferência é recuperada e inserida no contexto, o modelo passa a considerá-la naquela execução.

Fine-tuning e training são processos diferentes, que modificam parâmetros.

Essa distinção é essencial para entender por que memória pode ser atualizada instantaneamente.

Como avaliar um sistema de memória?

Uma boa memória deve melhorar continuidade sem introduzir informação errada.

É possível medir taxa de recuperação útil, erros causados por memória antiga, quantidade de contexto adicionada e número de correções necessárias.

Também vale avaliar se o sistema sabe não usar uma memória quando ela é irrelevante.

Memória eficiente é seletiva.

O que muda na prática?

Memory transforma interações isoladas em relacionamentos e workflows contínuos.

A IA deixa de receber toda a história manualmente e passa a recuperar apenas o que precisa.

Para agentes, isso também permite acumular aprendizado operacional entre execuções.

O desafio não é simplesmente lembrar mais, mas lembrar a coisa certa, na hora certa, pelo tempo certo.

Perguntas frequentes

O que é Memory em IA?

É o conjunto de mecanismos usados para preservar e recuperar informações entre interações ou execuções de um sistema de IA.

Memory e Context Window são a mesma coisa?

Não. Context Window é temporária; memória pode persistir fora do modelo e ser recuperada posteriormente.

Memória altera os pesos do modelo?

Não necessariamente. Em geral, memória muda o contexto disponível ao modelo, enquanto treinamento ou fine-tuning alteram parâmetros.

O que é session memory?

É a memória que mantém histórico e estado de uma conversa ou sessão entre turnos.

O que é agent memory?

É uma memória usada por agentes para reutilizar aprendizados, fatos ou lições de execuções anteriores, além do simples histórico conversacional.

Memória pode ficar errada?

Sim. Pode ficar desatualizada ou contraditória, por isso precisa de origem, revisão, atualização e políticas de retenção.

Fontes principais

Revisado em 2026-09-24.