Memória de agentes: arquivos, bancos estruturados ou experiência

Três formas de memória

Sistemas de agentes que precisam lembrar informações entre sessões seguem três desenhos principais. No modelo baseado em arquivos, o próprio agente seleciona e edita arquivos Markdown, normalmente um índice curto e documentos por tópico; é a abordagem presente em produtos como Claude Code, Cline, Cursor e Windsurf. No modelo estruturado, cada turno é convertido em fatos atômicos, incorporado em um índice vetorial e recuperado por ranqueamento, podendo também ser organizado em grafos temporais. A terceira forma armazena experiências e treina o modelo para decidir o que recuperar, em que confiar e como transformar a lembrança em ação.

A comparação controlada concentrou-se nos dois primeiros desenhos. O braço estruturado combinou uma organização por local, fatos datados e busca híbrida, com janelas de validade para que informações contraditórias substituam estados antigos sem apagar eventos aditivos. Também foi projetado um grafo associativo, aprendido a partir de coocorrências de recuperação, para ampliar a busca; porém, no protocolo principal, esse grafo começou vazio e não contribuiu para os resultados medidos. O braço baseado em arquivos reconstruiu uma implementação documentada de memória automática de agentes de programação. Ambos usaram o mesmo ciclo de agente, modelo local de pesos abertos, incorporador e avaliador, de modo que a diferença principal fosse a camada de memória. Os números não medem diretamente o desempenho dos produtos comerciais citados.

Estrutura, custo e limitações

A memória baseada em arquivos economiza na infraestrutura inicial, mas depende de decisões do modelo: ele precisa escolher o que salvar, manter um índice pequeno e localizar documentos por busca textual. Isso favorece a abstinência - dizer “não sei” quando nada foi registrado -, mas dificulta juntar fatos espalhados por várias sessões. A memória estruturada salva tudo e deixa a seleção para o ranqueador, o que facilita recuperar informações não previstas no momento da escrita. Em contrapartida, pode recuperar algo plausível demais e induzir respostas quando a informação não existe.

Os dois ramos estruturados também diferem. A organização por local é mais barata na ingestão e adequada à recuperação delimitada por tópicos; a organização por entidade e tempo facilita agregações e perguntas sobre o que é verdadeiro atualmente, mas exige chamadas de modelo para extrair entidades, resolver referências e invalidar fatos antigos. A consolidação entre sessões pode eliminar duplicatas ou promover informações úteis, mas o estudo principal não a acionou; portanto, seu impacto na pontuação não foi medido.

No LongMemEval-S, com cerca de 47 sessões por pergunta, a memória estruturada alcançou 73,6% de acerto, contra 44,9% da baseada em arquivos, enquanto o sistema sem memória marcou 9,8%. A vantagem estruturada apareceu em todas as categorias, exceto abstinência: 80,2% contra 40,7% em raciocínio temporal, 60,8% contra 33,0% em perguntas multissessão e 83,3% contra 52,8% em atualização de conhecimento. Na abstinência, os arquivos venceram por 88,9% a 77,8%.

O custo também favoreceu o armazenamento estruturado. O braço baseado em arquivos consumiu cerca de 286,5 mil tokens de modelo por pergunta, contra 19,3 mil do estruturado; por resposta correta, foram aproximadamente 665 mil contra 27 mil. A ingestão levou cerca de 35 minutos por histórico no primeiro caso e cinco minutos no segundo, embora os tokens do incorporador sejam uma moeda de custo separada.

Escala e experiência treinada

No LongMemEval-M, com históricos de aproximadamente 500 sessões, um teste pareado de armazenamento isolado deu 75,0% ao híbrido e 60,0% ao sistema organizado por local, diferença de 15 pontos. A comparação principal com arquivos não foi executada nessa escala, e a expectativa de que a distância aumente permanece apenas uma hipótese.

No LoCoMo, sobre uma amostra de 300 perguntas, o estruturado marcou 49,7% e os arquivos 38,7%; excluindo perguntas adversariais, os resultados foram 56,1% e 35,6%. O estudo ressalta que números publicados nesse benchmark variaram por diferenças de protocolo, categorias e avaliadores. Por fim, a abordagem baseada em experiência, exemplificada por MemHarness, treina recuperação, crítica e reconstrução com aprendizado por reforço. Ela pode superar a simples reprodução de episódios, mas exige treinamento e fica inseparável do modelo treinado, não sendo comparável aos armazenamentos acoplados a um modelo congelado.