EM POUCAS LINHAS
- Funes indexa sessões de agentes de programação na máquina e permite compartilhamento opcional pelo Hugging Face Hub.
- Google descreve uma arquitetura futura de memória persistente criptografada no servidor; o texto não confirma sua disponibilidade.
- Antes de ativar memória, confira o que entra no histórico, quem pode recuperá-lo e como interromper o compartilhamento.
Ativar a memória de um agente não é simplesmente marcar a opção de “lembrar”. É decidir quais registros serão preservados, onde poderão ser recuperados e quem terá acesso a eles. A comparação exige cuidado: o Funes, apresentado no blog do Hugging Face em 3 de setembro de 2026, trata de sessões de agentes de programação; a atualização técnica do Google publicada em 23 de setembro de 2026 descreve como a empresa pretende acrescentar memória persistente ao Private AI Compute. São publicações sobre sistemas e objetivos diferentes, não resultados de um estudo comparativo nem confirmação de que a proposta do Google já esteja disponível.
Que tipo de histórico cada abordagem preserva?
Segundo a apresentação do Funes, a ferramenta forma uma memória a partir de sessões de Claude Code, Codex, pi e Hermes já armazenadas na máquina. Isso serve a uma pergunta típica de desenvolvimento: por que um agente descartou determinada solução em uma sessão anterior? O texto descreve uma integração que cria um índice inicial, disponibiliza ao agente ferramentas de busca e consulta do resultado e passa a indexar os turnos concluídos. Não se trata, portanto, de uma memória genérica de preferências pessoais: o material de partida são rastros de trabalho desses agentes.
O Google, por sua vez, afirma que a versão anterior do Private AI Compute não retinha o contexto depois de cada tarefa e apresenta a memória persistente no servidor como uma capacidade futura para dar continuidade à assistência entre dispositivos. O exemplo de uso é retomar informações relevantes ao mudar de aparelho. O anúncio técnico explica uma direção de arquitetura; não informa neste texto um produto que o leitor possa ativar, nem uma data de lançamento. Chamar ambas as propostas de “memória” não torna seus registros intercambiáveis.
Onde os dados ficam e como são recuperados?
O Funes declara que indexação, embeddings e reordenação dos resultados funcionam localmente por padrão, sem exigir conta ou repositório no Hub para a busca. Sua apresentação diz que o índice guarda os registros em um conjunto de dados local e combina métodos de busca e classificação para encontrar passagens pertinentes. Ao recuperar uma passagem, a ferramenta apresenta o texto original e identifica agente, horário, sessão e turno; há também uma forma de abrir o turno e seu contexto. Essa procedência ajuda a conferir uma lembrança contra o registro, mas não prova que a interpretação feita pelo agente esteja correta. Para outras perguntas sobre atribuição de evidências, veja o guia sobre procedência de respostas de agentes.
“Local”, aqui, descreve a indexação e a recuperação padrão relatadas pelo projeto. Não significa que toda a atividade do agente de programação ocorra sem serviços externos: a configuração do próprio agente e os dados que ele envia precisam de avaliação separada. Também não se deve confundir um índice pesquisável com uma autorização para conservar indiscriminadamente conversas que possam conter código, dados de clientes ou informações pessoais.
Na arquitetura proposta pelo Google, as informações necessárias à assistência ficariam em armazenamento dedicado e criptografado no servidor, enquanto as chaves para desbloqueá-las seriam mantidas nos dispositivos pessoais do usuário. Segundo a mesma descrição, uma solicitação atravessaria um canal autenticado e criptografado até um ambiente isolado na nuvem, que descriptografaria temporariamente os dados para processá-la e criptografaria novamente o contexto salvo. É uma descrição dos mecanismos pretendidos pelo fornecedor, não uma garantia independente de privacidade ou de comportamento em todos os cenários de uso.
O que muda quando a memória sai de uma máquina?
Os responsáveis pelo Funes dizem que o usuário pode vincular a memória a um dataset próprio no Hugging Face Hub, privado por padrão, para compartilhá-la entre máquinas; a publicação ocorre nos limites das sessões. A mesma apresentação afirma que credenciais são ocultadas durante a indexação e que uma nova varredura retém trechos que ainda pareçam conter segredos antes do envio. Esses filtros têm limites: a descrição não autoriza presumir que qualquer dado confidencial será identificado. E um dataset privado, embora restrinja o acesso em relação a um público, ainda é uma cópia compartilhada, diferente de manter o índice somente na máquina.
Para a proposta do Google, o ponto de partida já é o armazenamento no servidor, com processamento isolado e chaves nos dispositivos conforme o desenho divulgado. A promessa de continuidade entre aparelhos suscita perguntas práticas que o anúncio não responde suficientemente para uma decisão individual: como dispositivos adicionais obtêm acesso, o que ocorre quando um aparelho é perdido e quais controles permitem apagar o contexto persistido? Não preencha essas lacunas com suposições sobre produtos atuais.
Que perguntas fazer antes de ativar?
Comece delimitando a finalidade: você precisa recuperar decisões de sessões de programação, ou continuar uma assistência pessoal entre aparelhos? Em seguida, identifique a origem dos registros, os dados sensíveis que eles podem conter e quem pode consultar os resultados. No caso do Funes, se o uso local bastar, avalie separadamente a opção de publicar o dataset, as permissões concedidas e as cópias em outras máquinas. No caso da arquitetura apresentada pelo Google, espere documentação específica de um recurso efetivamente oferecido antes de tomar decisões sobre configuração, acesso e exclusão.
Um exemplo hipotético: uma equipe que usa agentes para programar poderia considerar útil recuperar a justificativa de uma alteração antiga, mas precisaria revisar se as sessões registraram credenciais ou informações de clientes antes de compartilhar a memória. O exemplo ilustra uma decisão, não relata uma implantação ou teste. Quem estiver escolhendo infraestrutura para esses agentes pode consultar também o guia sobre auto-hospedagem e dependências de agentes.
Para leitores no Brasil, continuam pendentes a disponibilidade da memória proposta pelo Google no país, as condições locais de uso das ferramentas, preços, licenças aplicáveis e procedimentos efetivos de retenção e exclusão. As duas publicações não bastam para concluir conformidade com a LGPD. A escolha responsável começa pelo fluxo real de dados e pelos controles documentados da configuração que será usada — não pelo rótulo “local” ou “privado” isoladamente.
Fontes e referências
- Give Your Coding Agents a Memory You Ownhuggingface.co · Consultado em 11/10/2026
- Advancing Private AI Compute with secure, server-side memory — Google DeepMinddeepmind.google · Consultado em 11/10/2026