Uma proposta da Kuaapy sobre memória, personalização e o valor do conhecimento construído entre uma pessoa e seus agentes de IA.
Você passa horas trabalhando com um agente. Explica o projeto, corrige uma interpretação, encontra um jeito melhor de revisar. Ele aprende, pelo contexto da conversa, que você prefere ouvir uma explicação, que determinada decisão já foi tomada e que aquele procedimento precisa seguir uma ordem.
Esse trabalho produz algo além da tarefa entregue. Produz conhecimento sobre como trabalhar com você.
Quando a continuidade se perde, parte desse investimento precisa ser feita de novo. A pessoa volta a explicar o que já explicou, a corrigir o que já corrigiu e a reconstruir acordos que estavam funcionando. O modelo pode continuar capaz. O que falta é o caminho construído até ali.
Conhecimento é valioso demais para ser tratado como um resto de conversa.
A proposta é permitir que cada agente conserve e desenvolva sua própria configuração de trabalho com o usuário. Memória, instruções, habilidades e jeito de conversar fariam parte dessa continuidade. Abrir uma nova sessão não deveria exigir começar essa relação de trabalho do zero.
Uma base comum, configurações diferentes
Uma pessoa pode trabalhar com vários agentes e querer coisas diferentes de cada um.
O agente de infraestrutura precisa acompanhar decisões sobre servidores, dependências e condições de operação. O agente editorial precisa preservar a voz da autora, as escolhas de linguagem e os critérios de publicação. O agente de marketing pode trabalhar com outro ritmo, outro vocabulário e outra forma de apresentar ideias.
Todos podem compartilhar orientações gerais. Isso não significa que devam receber exatamente a mesma configuração.
Cada agente deveria ter suas próprias instruções de atuação: função, prioridades, forma de revisar, nível de detalhe, tom e habilidades disponíveis. A pessoa escolheria o que vale para todos e o que pertence apenas àquele agente.
Essa escolha deveria estar numa interface acessível. Mais direto ou mais conversacional. Explicação breve ou detalhada. Uso de títulos, listas e emojis. Preferência por texto ou por voz. Procedimentos específicos da função. Quem quiser editar os arquivos também poderia fazer isso, mas conhecer a sintaxe de uma configuração não deveria ser condição para personalizar a própria ferramenta.
Guardar a conversa não basta
Um histórico conserva o que foi dito. Para ajudar no trabalho seguinte, o sistema também precisa distinguir o que continua valendo.
Imagine uma revisão de texto. A autora explica que determinada frase faz parte da sua voz e pede para preservá-la. O agente precisa guardar mais que a frase: precisa reconhecer a decisão e o contexto em que ela foi tomada. Se depois a autora mudar de ideia, a memória deve acompanhar a mudança.
Na arquitetura que propomos, um processo de registro trabalharia em segundo plano. Ele organizaria o histórico e identificaria decisões, restrições, preferências e procedimentos que merecem continuar disponíveis. As anotações manteriam uma ligação com sua origem, para permitir conferir por que foram registradas.
Isso não exigiria colocar a conversa inteira em toda nova solicitação. O histórico poderia ser organizado em camadas: detalhes recentes disponíveis de imediato, resumos de etapas anteriores e acesso aos registros originais quando fossem necessários.
Uma sugestão passageira não deveria virar regra permanente só porque apareceu numa conversa. Uma preferência individual também não deveria ser promovida, sem critério, a instrução de todos os agentes.
A memória também precisa de revisão
Guardar uma decisão errada por meses não melhora um agente. Apenas dá continuidade ao erro.
Por isso, outra parte da proposta é a consolidação periódica. Em horários configurados pelo usuário, um processo revisaria o que foi acumulado: reuniria duplicatas, identificaria contradições, marcaria informações superadas e conferiria o que ainda corresponde ao projeto.
Uma anotação sobre código poderia ser comparada com os arquivos atuais. Uma preferência de comunicação poderia ser revista à luz de uma orientação mais recente. Uma dúvida continuaria identificada como dúvida até existir uma resposta.
O usuário deveria conseguir consultar e corrigir essa memória. Saber o que o agente acredita sobre o trabalho faz parte de poder personalizá-lo.
Recuperar o combinado na hora certa
Uma memória bem organizada ainda precisa chegar ao agente quando fizer diferença.
Se a conversa voltar a uma decisão antiga, o sistema buscaria os registros relacionados e apresentaria o contexto necessário. Se um resumo não bastasse, o agente poderia recuperar o trecho original. Uma pendência também poderia reaparecer quando chegasse o momento de resolvê-la.
Lembretes periódicos seriam outra opção. A pessoa poderia definir intervalos para revisar objetivos, restrições e decisões em vigor. Isso ajudaria a manter o rumo de um trabalho longo, sem despejar todo o histórico de novo nem interromper a conversa a cada lembrete.
O importante seria recuperar o que é relevante para a tarefa atual, preservando de onde veio e se ainda vale.
O que se aprende pode virar uma habilidade
Há conhecimentos que começam como uma correção e acabam virando um método.
Depois de várias revisões, um agente editorial pode reunir um procedimento: preservar o original, separar relato de afirmação verificável, conferir fontes, apresentar as mudanças e aguardar a direção da autora para as imagens. Outro agente pode desenvolver um procedimento próprio para preparar uma atualização de software.
Nossa proposta é permitir que esses padrões sejam transformados em habilidades reutilizáveis, as chamadas skills. Elas descreveriam quando o procedimento se aplica, quais passos seguir, quais erros evitar e como conferir o resultado.
A pessoa poderia configurar uma revisão semanal, por exemplo, para que o agente propusesse atualizações às suas skills com base no trabalho daquela semana. O intervalo seria uma escolha, não uma regra universal. O sistema precisaria distinguir um procedimento que funcionou de um comportamento que apenas se repetiu.
Essa habilidade poderia permanecer com aquele agente ou ser compartilhada, por escolha do usuário. O agente do blog não precisaria herdar automaticamente o método do responsável pelos servidores.
A continuidade pode ser local
Essa proposta não depende de retreinar o modelo a cada conversa. As instruções, as memórias e as skills podem ser mantidas pela aplicação, em arquivos e armazenamento local. Ao executar uma tarefa, a aplicação reúne o material adequado e o apresenta ao modelo.
É nesse sentido que o agente aprenderia com a pessoa: incorporando conhecimento recuperável e procedimentos à sua configuração de trabalho. Isso não significa, por si só, alterar os pesos do modelo.
Se a revisão dessas memórias usar IA, ela poderá recorrer a um modelo local ou a um serviço remoto, conforme a configuração. Guardar os arquivos na máquina não torna automaticamente local todo o processamento. O usuário deveria poder escolher onde cada etapa acontece, com que frequência e com qual custo.
Também deveria poder separar a memória de cada agente da memória compartilhada de um projeto. Colaborar não exige misturar tudo. Há decisões que precisam chegar à equipe inteira e conhecimentos que fazem sentido apenas numa função.
O valor fica no trabalho construído
Dois agentes podem começar com o mesmo modelo e as mesmas instruções. Depois, recebem tarefas diferentes, passam por correções diferentes e constroem procedimentos diferentes com a pessoa que os utiliza.
Preservar essa trajetória dá ao usuário algo que não deveria precisar reconstruir a cada sessão: continuidade.
Trocar o modelo, abrir outra conversa ou encerrar uma tarefa não deveria obrigar a abandonar o conhecimento acumulado. A pessoa deveria poder conservar, revisar, exportar e levar consigo essa configuração de trabalho.
É isso que defendemos quando dizemos que agentes não deveriam ser descartáveis. O valor está também no tempo investido para que aquela colaboração funcione. Nas explicações, nos ajustes e nas soluções que nasceram do uso.
Quanto mais esse conhecimento ajuda a pessoa a trabalhar, mais motivo existe para preservá-lo.