Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Memória de agente

Memória de agente é o conjunto de técnicas que permitem a um agente de IA guardar informações além de uma única janela de contexto, como fatos sobre um usuário ou trabalhos anteriores, armazenando-as fora do modelo e carregando-as de volta quando necessário.

Também chamado: long-term memory, memory layer

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Um modelo de linguagem não tem memória entre chamadas. Tudo o que ele sabe sobre a tarefa atual precisa estar na sua janela de contexto, e essa janela é limitada. A memória de agente contorna isso salvando informações em outro lugar.

Tipos de memória

- A memória de curto prazo é a conversa e os resultados de ferramentas da sessão atual. - A memória de longo prazo sobrevive entre sessões: preferências do usuário, fatos aprendidos, resumos de trabalhos anteriores.

O LangGraph, por exemplo, separa o estado de curto prazo de uma thread da memória de longo prazo entre sessões.

Como funciona

O agente, ou o código ao redor dele, decide o que anotar: uma nota em um arquivo, uma linha em um banco de dados ou um embedding em um banco de dados vetorial. Depois, as memórias relevantes são recuperadas e colocadas de volta no prompt, de forma muito parecida com a geração aumentada por recuperação. O artigo do MemGPT descreveu isso como um sistema operacional que move dados entre memória rápida e lenta, com o modelo gerenciando suas próprias camadas de memória.

Exemplo

Um agente de programação escreve um arquivo de notas do projeto no fim de cada sessão e o lê no início da seguinte, para não reaprender os comandos de build toda vez.

Limites

A memória pode ficar desatualizada ou se contradizer, e texto armazenado de fontes não confiáveis pode levar instruções para sessões futuras. Ferramentas como Mem0 e Letta oferecem camadas de memória gerenciadas; o guia de memória de agentes as compara.

Termos relacionados

Context engineering
Context engineering (engenharia de contexto) é a prática de escolher e manter tudo o que entra na janela de contexto de um modelo de linguagem durante uma tarefa: instruções, documentos recuperados, definições de ferramentas, resultados de ferramentas e histórico da conversa.
Banco de dados vetorial
Um banco de dados vetorial (vector database) armazena embeddings junto com seus registros de origem e encontra os vetores guardados mais próximos de um vetor de consulta, geralmente com um índice aproximado para que a busca continue rápida em milhões de itens.
Janela de contexto
Uma janela de contexto (context window) é a quantidade máxima de texto, contada em tokens, que um modelo de linguagem consegue considerar de uma vez, incluindo o prompt de sistema, a conversa, os documentos, os resultados de ferramentas e a resposta que ele escreve.
Compactação de contexto
Compactação de contexto (context compaction) é a etapa em que um agente resume uma conversa que está chegando ao limite da janela de contexto e continua em uma janela nova que começa a partir desse resumo, para que uma tarefa longa possa seguir.
Retrieval-augmented generation
Retrieval-augmented generation (RAG, geração aumentada por recuperação) é um padrão em que um sistema primeiro busca em uma coleção de documentos os trechos relevantes para uma pergunta e depois entrega esses trechos a um modelo de linguagem para que a resposta se baseie neles.

Fontes