Posts de engenharia, notas semanais e observações de campo da equipe construindo as fundações do software que pensa e age.
Um AI agent não tem memória de fábrica — você precisa dar uma a ele. Esse post compara as três formas de fazer isso (janela de contexto, banco vetorial, camada de memória estruturada), o que cada uma resolve, e qual escolher pra quê.
Todo time que constrói com AI agents orça modelo, prompt e infra. Quase nenhum orça memória. Esse post é sobre por que a memória do agente é tratada como detalhe até virar o teto — e por que isso custa caro tarde demais.
Não é um bug do modelo. Um AI agent esquece porque LLMs são stateless por construção — cada chamada começa do zero. Esse post explica de onde vem a amnésia, por que a janela de contexto não resolve, e o que de fato resolve.
Usar o Agents bem não é uma técnica, é um hábito mental. Esse post é sobre como estudar esse hábito — e por que ele muda como você organiza o que sabe mesmo quando não está usando o produto.
A única habilidade que o Agents pede de você é desenhar uma boa árvore de paths. Esse post é o guia concreto — como escolher uma raiz, onde colocar as juntas, e os erros que custam uma migração depois.
O SDK inteiro do Agents Memory é cinco funções. Esse post é sobre por que parar em cinco foi uma decisão de design tão deliberada quanto qualquer escolha de arquitetura — e o que cada verbo faz.
Toda categoria de infraestrutura começou como uma feature dentro de outra coisa. Bancos de dados, autenticação, busca. Esse post argumenta que memória de IA está fazendo a mesma travessia — e o que isso muda.
A decisão mais importante do produto não foi sobre memória. Foi se ligar via MCP em vez de construir integrações uma a uma. Esse post é o porquê — e por que isso é o que torna uma camada neutra possível.
A amnésia de contexto não tem fatura, então ninguém a contabiliza. Esse post põe um número de mentira nela — e argumenta que o custo real não é o tempo perdido, é a decisão que se perdeu.
A frase de catálogo é "camada de memória entre LLMs". Esse post é a versão longa e sem marketing — o que o produto é, o que ele não é, e por que a confusão mais comum sobre ele importa.
A maioria dos SaaS trata isolamento como uma cláusula de contrato. A gente trata como uma propriedade do banco. Esse post é a diferença entre as duas coisas, e por que ela importa pra quem confia memória a um terceiro.
Uma decisão de seis meses atrás não está errada — está velha. "Velho" e "errado" exigem tratamentos diferentes. Esse post é sobre por que desbotar e apagar são operações distintas, e como o ranking implementa as duas.
Relações tipadas entre paths são o que carrega a estrutura que embeddings não conseguem. Escolhemos seis. Esse post é o critério que usamos pra aceitar — ou rejeitar — um sétimo.
O ativo mais valioso num sistema de agentes não é o código nem o modelo. É um dataset rotulado de trajetórias bem-sucedidas. A maioria dos times percebe isso doze meses tarde demais.
A arquitetura padrão pra memória de IA é "vector DB + LLM". É a estrutura primária errada. Paths carregam dependências que embeddings não conseguem reconstruir do texto — eis a evidência e o que fizemos a respeito.
Primeiro changelog. Cinco verbos, MCP-native, multi-tenant por design. O que está rodando hoje, o que está na fila pra próxima semana.
Não é build-in-public no estilo indie hacker. É um blog de engenharia — três tipos de post, uma regra, e uma cadência que conseguimos manter.