Definição
Memória de agente de IA é o mecanismo que permite a um agente reter e reutilizar informação entre conversas e ao longo do tempo, em vez de começar do zero a cada sessão. É o que separa um agente que “aprende” sobre sua organização de um que precisa ser rebriefado sobre os mesmos fatos toda vez que você abre um novo chat. Memória é uma categoria com estrutura real — não um blob indiferenciado de “coisas que o agente lembra.” Arquiteturas de agente em produção geralmente distinguem três tipos:Memória factual
Fatos discretos: datas, preferências, quem é dono do quê, o que foi prometido a qual
cliente. O tipo de coisa que você anotaria numa nota.
Memória procedural
Abordagens que funcionaram antes — como um certo tipo de tarefa costuma ser bem
feita nesta organização, aprendido pela repetição em vez de declarado uma única vez.
Memória semântica
Insights destilados de muitas conversas — padrões e conclusões que emergem ao longo
de dezenas de interações, não rastreáveis a uma única delas.
Por que uma janela de contexto grande não é a mesma coisa que memória
Um modelo com uma janela de contexto muito grande consegue segurar bastante texto numa única conversa, mas isso não é memória no sentido que importa operacionalmente: não persiste depois que a conversa termina, não é reutilizado por um agente diferente trabalhando numa tarefa relacionada, e não é estruturado — uma parede de transcrição crua não é a mesma coisa que um fato curado, um procedimento aprendido, ou um insight destilado. Memória de agente de verdade é retida entre sessões e agentes, não só mantida dentro de uma sessão longa.Como ela costuma ser recuperada
O padrão dominante em produção é busca semântica sobre um repositório de memória — um agente pergunta “existe algo relevante para o que estou fazendo agora,” e recebe de volta os fatos, procedimentos ou insights que combinam, em vez de exigir uma correspondência exata de palavra-chave. É isso que permite que um agente novo, ou o mesmo agente numa tarefa nova, se aproveite de contexto que ninguém precisou reexplicar.A implementação da Apollo Space
A camada de memória compartilhada da Apollo Space é o Company Brain — com escopo por organização e versionado, guardando documentos, capturas de conhecimento (trechos da web com URL de origem e uma nota), o documento de voz da organização, e memórias de agente: fatos, preferências e padrões aprendidos acumulados pela operação real, não escritos à mão. Todo agente que precisa de contexto roda uma busca semântica no Brain antes de agir, e o que um agente aprende fica disponível para os outros trabalhando na mesma organização — com a memória pessoal do Digital Twin restrita de forma privada ao indivíduo que ele representa, nunca vazando para o Brain da organização inteira. Isolamento importa aqui tanto quanto recuperação: a memória tem escopo por organização, então o Brain de um cliente nunca aparece no contexto de agente de outro. Veja Multi-tenant para como essa fronteira é garantida.O que memória não faz
Recuperar memória não é a mesma coisa que julgamento. Um agente lembrar que um desconto foi prometido no trimestre passado não significa que ele deva aplicar um novo — a arquitetura de Agentes mantém um orçamento e uma fronteira de confiança em torno de quais ações informadas por memória um agente pode tomar de forma autônoma versus quais ele precisa propor a um humano primeiro.Próximos passos
Company Brain
A implementação da Apollo Space da camada de memória, em detalhe completo.
Agentes — a arquitetura subjacente
Como memória se encaixa junto com persona, ferramentas e orçamento.
Multi-tenant
Como a memória permanece isolada entre organizações.
O que é um AI Chief of Staff?
A categoria que mais visivelmente depende da memória funcionar bem.