INTELIGÊNCIA ARTIFICIAL. PENSAMENTO CRÍTICO.Acompanhe por RSS
AnálisesANÁLISE COM FONTES

Memória de agentes de IA: o que guardar e quanto recuperar para cada tarefa?

Estudos da Anthropic e da IBM mostram decisões diferentes sobre seleção, correção e entrega de memória. Veja como comparar resultados sem presumir que mais contexto é melhor.

EM POUCAS LINHAS

  • Guardar uma informação e colocá-la no contexto da próxima tarefa são decisões diferentes.
  • Uma nota incorreta pode perpetuar erros; conferir sua origem é parte da avaliação.
  • Na avaliação da IBM, a melhor quantidade de orientações variou conforme o modelo.
  • Resultados em benchmarks não estabelecem uma dose universal nem validam tarefas em português brasileiro.

Uma memória útil não é necessariamente a mais extensa. Para decidir o que guardar, é preciso perguntar quais experiências poderão ajudar o agente em tarefas futuras e como conferir se o registro continua correto. Para decidir quanto recuperar, a pergunta muda: quais orientações vale a pena apresentar agora, diante desta tarefa e deste modelo? As duas decisões se relacionam, mas não são equivalentes.

A análise publicada pela Anthropic em 6 de novembro de 2026 investiga componentes da memória de agentes, entre eles a seleção de notas e sua revisão. Já o relato da IBM Research publicado em 18 de agosto de 2026 compara maneiras de entregar orientações ao agente. São publicações sobre avaliações, não anúncios de que as configurações estudadas estejam disponíveis para toda equipe ou de que tenham sido validadas em português brasileiro. A data de publicação de cada texto tampouco informa quando seus experimentos foram realizados.

O que merece permanecer entre sessões?

A Anthropic define memória de agente como conhecimento obtido na experiência e retido entre sessões em um contexto que Claude poderá ler depois; a definição não inclui mudanças nos pesos do modelo, aprendizado restrito a uma conversa nem a substituição de trechos antigos por um resumo para continuar a conversa. Assim, guardar uma transcrição inteira, registrar uma regra verificada e carregar uma nota para a próxima tarefa são operações com propósitos diferentes.

Em uma tarefa de banco de dados do CL-Bench descrita pela Anthropic, o agente recebia a resposta correta após cada pergunta e podia manter arquivos para sessões posteriores. O relato destaca a diferença entre anotar hipóteses ainda não testadas e registrar regras acompanhadas de evidências e avisos sobre erros anteriores. A implicação prática é tratar uma nota como candidata a conhecimento reutilizável, não como verdade apenas porque foi escrita pelo agente: identificar sua origem e seu grau de confirmação ajuda a decidir se ela pode orientar outra resposta.

Um exemplo mais visual vem do jogo Pokémon. A Anthropic comparou uma execução de Sonnet 3.7 com uma de Fable 5, por volta de 10 mil passos: o primeiro acumulou 413 arquivos em 225 pastas e obteve uma insígnia; o segundo manteve nove arquivos em duas pastas, além de um arquivo principal, e obteve quatro insígnias. Segundo o relato, parte das anotações extensas registrava estados do jogo que logo mudavam ou podiam ser consultados novamente. Isso não demonstra que apagar arquivos, isoladamente, melhora o desempenho: eram modelos diferentes e apenas uma execução de cada. O caso serve para formular uma hipótese de avaliação — notas sobre planos e regras testadas podem ser mais úteis do que cópias de estados passageiros —, não para fixar um limite de arquivos.

Corrigir a memória antes de confiar nela

Seleção não resolve uma nota errada. Em outro episódio de Pokémon, a Anthropic relata que Claude havia anotado a localização incorreta de um ponto de referência. Em uma revisão que os autores chamam de dreaming, o agente confrontou a nota com a transcrição da sessão, corrigiu o registro e, na execução com a nota corrigida, voltou à caverna e alcançou a cidade seguinte. Na execução descrita com a nota incorreta, não chegou lá. Trata-se de um caso ilustrativo, não de uma taxa geral de sucesso da revisão.

Para avaliar um agente, vale separar erros de armazenamento de erros de atualização: ele registrou uma conclusão sem base? Uma informação antes correta deixou de valer? Há uma transcrição ou outra referência com a qual conferir o registro? A revisão pode ser mais valiosa quando corrige algo que o agente consultará de novo do que quando apenas produz mais texto para consultar. Essa é uma proposta de teste, não um resultado medido para qualquer aplicação.

Quanto das orientações deve entrar no contexto?

O estudo da IBM Research sobre o ALTK-Evolve aborda outra escolha. Os autores extraíram orientações das trajetórias de treinamento do AppWorld uma vez e compararam uma condição sem memória com duas maneiras de apresentar o mesmo conjunto: injetar todas as orientações a cada etapa ou entregar um núcleo fixo de alta confiança mais uma seleção pertinente à tarefa. Segundo o relato, dados da divisão de teste não foram usados para construir esse conjunto. A comparação diz respeito à entrega do material, não a dois métodos diferentes de produzir orientações.

Os resultados relatados pela IBM no AppWorld não apontam um vencedor universal. Na métrica de conclusão integral de tarefas da divisão test_normal, o DeepSeek-V3.2 ganhou 9,5 pontos percentuais com o conjunto completo; o gpt-oss-120b ganhou 16,1 pontos percentuais com recuperação seletiva; o GLM-5 não apresentou ganho mensurável nas execuções relatadas. Para o gpt-oss-120b, a tabela de uso médio indica acréscimo de 5% de tokens por tarefa na configuração seletiva, ante 51% com o conjunto completo. São medições de tokens, não preços ou garantias de custo em uma implantação. A própria IBM adverte que sua validação apresentada se limita ao AppWorld e que avaliações mais amplas e implantações reais ainda estavam em andamento.

Como tomar a decisão no próprio projeto?

Um procedimento de avaliação é manter tarefas, modelo e critérios de correção constantes enquanto se comparam três condições: sem notas recuperadas, com orientações selecionadas e com o conjunto disponível por inteiro. Registrar conclusão da tarefa, erros associados a notas desatualizadas, tokens consumidos e casos em que a orientação foi ignorada ajuda a distinguir melhoria de simples aumento de contexto. Se a tarefa exigir informações mutáveis, acrescentar uma verificação da fonte original antes de reutilizá-las pode ser uma condição separada. Não se deve atribuir automaticamente uma diferença à quantidade de memória se o modelo, as tarefas ou o conteúdo das orientações também mudarem.

Para uma equipe brasileira, um exemplo hipotético seria um agente que consulta instruções internas para responder a solicitações de atendimento em português. Pode-se comparar uma lista completa de procedimentos com apenas os procedimentos pertinentes à solicitação, conferindo as respostas contra versões vigentes e registrando o uso de tokens. Nem o caso Pokémon nem o AppWorld demonstram qual configuração funcionaria nesse atendimento; a qualidade em português brasileiro, os requisitos de proteção de dados e as condições de implantação continuariam pendentes de verificação específica.

Essa discussão é distinta da pergunta sobre onde guardar o histórico — no dispositivo ou no servidor —, tratada no artigo do acervo sobre armazenamento da memória de agentes. Escolher o local não decide, por si só, o que deve ser retido, corrigido ou oferecido ao modelo. A resposta prática, portanto, não é acumular o máximo possível: é testar a utilidade e a confiabilidade do que se guarda e calibrar o que se recupera conforme as tarefas e os resultados observados.

Fontes e referências

  1. The components of agent memory \ Anthropicwww.anthropic.com · Consultado em 07/11/2026
  2. How Much Memory Does Your Agent Actually Need?huggingface.co · Consultado em 07/11/2026
Transparência editorial. Este texto foi pesquisado, redigido e revisado com agentes de IA. A revisão automatizada confere fontes, consistência e clareza; não equivale a uma auditoria humana independente. Resultados de terceiros são identificados. Conheça a política editorial.
Compartilhar no WhatsAppSugerir correção