Aprimorando agentes de IA com memória de longo prazo: Insights sobre o LangMem SDK, Memobase e a estrutura A-MEM

Agentes de IA podem automatizar muitas tarefas que as empresas desejam realizar. No entanto, há um ponto negativo: eles tendem a ser esquecidos. Sem memória de longo prazo, os agentes precisam terminar uma tarefa em uma única sessão ou ser constantemente relembrados.

Assim, à medida que as empresas continuam a explorar casos de uso para agentes de IA e como implementá-los de maneira segura, as companhias que possibilitam o desenvolvimento de agentes devem considerar como torná-los menos esquecidos. A memória de longo prazo tornará os agentes muito mais valiosos em um fluxo de trabalho, capazes de lembrar instruções mesmo para tarefas complexas que exigem várias etapas para serem concluídas.

Manvinder Singh, VP de gerenciamento de produto de IA da Redis, disse ao VentureBeat que a memória torna os agentes mais robustos.

“A memória agentica é crucial para melhorar a eficiência e as capacidades [dos agentes] uma vez que os LLMs são inerentemente sem estado — eles não lembram coisas como prompts, respostas ou históricos de chat,” disse Singh em um email. “A memória permite que os agentes de IA recordem interações passadas, mantenham informações e contextos para oferecer respostas mais coerentes e personalizadas, e uma autonomia mais impactante.”

Empresas como LangChain começaram a oferecer opções para ampliar a memória agentica. O LangMem SDK da LangChain ajuda desenvolvedores a construir agentes com ferramentas “para extrair informações de conversas, otimizar o comportamento do agente através de atualizações de prompts, e manter memória de longo prazo sobre comportamentos, fatos e eventos.”

Outras opções incluem Memobase, uma ferramenta de código aberto lançada em janeiro para dar aos agentes “memória centrada no usuário” para que os aplicativos se lembrem e se adaptem. A CrewAI também possui ferramentas em torno da memória agentica de longo prazo, enquanto o Swarm da OpenAI exige que os usuários tragam seu modelo de memória.

Mike Mason, chief AI officer da consultoria em tecnologia Thoughtworks, disse ao VentureBeat em um email que uma melhor memória agentica muda a forma como as empresas utilizam os agentes.

“A memória transforma os agentes de IA de ferramentas simples e reativas em assistentes dinâmicos e adaptativos,” disse Mason. “Sem ela, os agentes devem depender exclusivamente do que é fornecido em uma única sessão, limitando sua capacidade de melhorar as interações ao longo do tempo.”

Memória Aprimorada

A memória de longa duração nos agentes pode vir em diferentes formas.

A LangChain trabalha com os tipos mais comuns de memória: semântica e procedural. Semântica refere-se a fatos, enquanto procedural refere-se a processos ou como executar tarefas. A empresa afirmou que os agentes já possuem boa memória de curto prazo e podem responder no contexto da conversa atual. O LangMem armazena a memória procedural como instruções atualizadas no prompt. Baseando-se em seu trabalho na otimização de prompts, o LangMem identifica padrões de interação e atualiza “o prompt do sistema para reforçar comportamentos eficazes. Isso cria um ciclo de feedback onde as instruções principais do agente evoluem com base no desempenho observado.”

Pesquisadores que trabalham em maneiras de estender as memórias de modelos de IA e, consequentemente, de agentes de IA descobriram que agentes com memória de longo prazo podem aprender com erros e melhorar. Um artigo de outubro de 2024 explorou o conceito de autoevolução da IA através da memória de longo prazo, mostrando que modelos e agentes realmente melhoram na medida em que lembram mais. Modelos e agentes começam a se adaptar a necessidades individuais mais específicas porque lembram mais instruções personalizadas por mais tempo.

Em outro artigo, pesquisadores da Rutgers University, Ant Group e Salesforce introduziram um novo sistema de memória chamado A-MEM, baseado no método de anotação Zettelkasten. Neste sistema, os agentes criam redes de conhecimento que possibilitam “um gerenciamento de memória mais adaptável e ciente do contexto.”

Singh, da Redis, disse que agentes com memória de longo prazo funcionam como discos rígidos, “armazenando muitas informações que persistem por várias execuções de tarefas ou conversas, permitindo que os agentes aprendam com feedback e se adaptem às preferências do usuário.” Quando os agentes são integrados aos fluxos de trabalho, esse tipo de adaptação e autoaprendizagem permite que as organizações mantenham o mesmo conjunto de agentes trabalhando em uma tarefa longa o suficiente para completá-la sem a necessidade de relembrá-los.

Considerações sobre a Memória

Mas não basta fazer com que os agentes lembrem mais; Singh afirmou que as organizações também devem decidir o que os agentes precisam esquecer.

“Existem quatro decisões de alto nível que você deve tomar ao projetar uma arquitetura de gerenciamento de memória: Que tipo de memórias você armazena? Como você armazena e atualiza memórias? Como você recupera memórias relevantes? Como você descarta memórias?” disse Singh.

Ele enfatizou que as empresas devem responder a essas perguntas, pois garantir que um “sistema agentico mantenha rapidez, escalabilidade e flexibilidade é a chave para criar uma experiência de usuário rápida, eficiente e precisa.”

A LangChain também afirmou que as organizações devem ter clareza sobre quais comportamentos os humanos devem definir e quais devem ser aprendidos por meio da memória; que tipos de conhecimento os agentes devem monitorar continuamente; e que gatilhos acionam a lembrança da memória.

“Na LangChain, descobrimos ser útil primeiro identificar as capacidades que seu agente precisa aprender, mapear essas capacidades para tipos específicos de memória ou abordagens, e somente então implementá-las em seu agente,” disse a empresa em um postagem no blog.

A pesquisa recente e essas novas ofertas representam apenas o início do desenvolvimento de ferramentas para dar aos agentes memória de longa duração. E à medida que as empresas planejam implementar agentes em uma escala maior, a memória apresenta uma oportunidade para as empresas diferenciarem seus produtos.