Um agente de IA é tão bom quanto o contexto com o qual trabalha.
No início de uma conversa, isso é fácil. Mas conversas reais não ficam curtas: um cliente negocia durante dias, um onboarding se estende por semanas, uma conversa de WhatsApp acumula centenas de mensagens. Se o agente relê tudo a cada turno, a janela de contexto se enche de ruído, os custos sobem e a atenção do modelo se dilui. O detalhe que importa acaba enterrado entre centenas que não importam. A indústria deu nome a essa degradação silenciosa: context rot.
Colocar um modelo maior no problema não resolve. Administrar o contexto, sim.
Um grande agente é um modelo mais um harness
O modelo é o motor. O que torna um agente confiável em produção é o harness construído ao seu redor: as ferramentas que ele pode chamar, o conhecimento que pode consultar, os limites dentro dos quais opera e, principalmente, como seu contexto é administrado. O que entra a cada turno, o que fica, o que é condensado, o que é lembrado.
Esse harness é o que a Grovity permite construir para seus agentes: prompts, ferramentas, bases de conhecimento, times multiagente, evals e agora memória.
Duas camadas de memória
Resumos contínuos. O agente mantém uma janela de mensagens recentes completas. À medida que a conversa cresce, as mensagens mais antigas são incorporadas automaticamente, em lotes, a um resumo vivo que acompanha a conversa. O agente sempre trabalha com contexto recente nítido mais uma versão condensada de tudo o que veio antes. Uma conversa pode durar semanas sem arrastar todo o histórico a cada turno, e sem perder o fio.
Memória por usuário. Há coisas que não deveriam viver em uma conversa: elas pertencem à pessoa. Quando o agente detecta uma informação duradoura (um nome, uma preferência, uma restrição, um acordo), ele a salva como uma memória ligada àquele usuário. As memórias são compartilhadas entre todos os agentes da sua empresa, então a próxima conversa, em qualquer canal e com qualquer agente do seu time, já começa conhecendo o cliente.
Você decide como funciona
A memória é configurada por agente, direto no portal (Setup → Memória): quantas mensagens recentes ficam completas, com que frequência os resumos são gerados, quantas memórias são guardadas e injetadas. Cada camada é ativada de forma independente, para você ajustar o harness ao jeito como a sua operação realmente conversa.
Por que isso importa
- Conversas extensas que se sustentam. Ciclos de venda, casos de suporte e onboardings que duram semanas, sem a degradação de um contexto sobrecarregado.
- Clientes que são lembrados. Chega de pedir a mesma informação duas vezes. O agente retoma de onde a relação parou, não de onde parou a última mensagem.
- Agentes mais precisos com menor custo. Menos ruído no contexto significa respostas melhores e menos tokens desperdiçados a cada turno.
Memória, ferramentas, conhecimento, testes: o harness é o que transforma um modelo de linguagem em um membro confiável do seu time. Agora esse harness lembra.
Quer ver no seu próprio agente? Agende uma demo.