Artigo pesquisado
A memória de Agent de IA recupera contexto; a aprendizagem muda de forma deliberada o comportamento futuro. Um desenho seguro separa histórico, memória privada, Knowledge e regras duradouras explícitas.
Antes de ler
Um mapa de propriedade para contexto, factos, Knowledge, regras, aprovação, revisões e rollback.
Proprietários e equipas que decidem o que a IA pode guardar, aplicar, aprovar, corrigir ou apagar.
Memória de Agent · Self-Learning · Consentimento · Segurança da memória
O histórico mantém a conversa; User Memory recorda dados privados; Knowledge recupera fontes aprovadas. Nenhum autoriza por si só mudar o comportamento partilhado.
Aprender muda uma instrução futura. Requer intenção duradoura, scope exato, actor autorizado, origem, revisão, remoção e rollback.
Fine-tuning muda parâmetros e Evaluations mede comportamento. Não são sinónimos de uma regra guardada e precisam de donos distintos.
Decida se é contexto temporário, dado privado, documento autorizado, configuração ou correção duradoura explícita.
O utilizador muda regras privadas; o editor, as do Agent; propostas de Team ou Store precisam do respetivo revisor.
Recupere só regras ativas e relevantes, marque-as como texto não fiável e guarde revisões para remover ou reverter.
Não persista instruções pontuais, segredos, pagamentos, credenciais, inferências sensíveis, texto hostil ou uma conversa comum só por poder ser útil.
Memória não concede tools, membership, pagamento, publicação, aprovação ou acesso cruzado. A autorização continua no servidor.
Evite last-write-wins: identidade estável, expected revision, idempotência, conflitos, histórico e rollback protegem correções concorrentes.
O difícil é decidir o que pode ser escrito e por quem, não escolher uma base vetorial.
Guarde apenas preferência, correção, limite ou regra explícita com actor, fonte, razão, operação e scope.
Propostas de Team e Store ficam pending até decisão autorizada; regra privada não se torna comum por conveniência.
Avalie o efeito, consulte revisões e remova ou restaure sem reescrever a configuração canónica.
Self-Learning é um módulo opt-in implementado para preferências, correções, limites e regras duradouras, separado de histórico, User Memory, Knowledge, fine-tuning e Evaluations.
Regras privadas pertencem ao OAuth user exato. Owner/editor controla Agent; membros de Team e clientes de Store propõem mudanças comuns para revisão.
Cada mutação é limitada, atribuída, revisionada, idempotente, pesquisável e reversível. Só regras ativas entram como contexto não fiável de menor prioridade.
Soluções
Publique um Agent privado sob seu controle, com endereço HTTPS e endpoint MCP próprios, sem entregar a configuração a quem o utiliza.
Soluções
Conte qual é o trabalho, quem deve usar e de quais conhecimentos ou ferramentas ele precisa.