Memória e Estado de Agente
Um agente parece “lembrar” o que você discutiu dez minutos atrás, mas essa memória não vive de fato na cabeça do modelo — ela foi apenas enfiada, verbatim, na janela de contexto de cada requisição. Este curso desmonta essa ilusão: por que a janela de contexto equivale a toda a memória de um agente, por que o histórico de conversa só cresce, quando você deveria escrever memória em um arquivo, como um agente lembra em que ponto uma tarefa está, e quais riscos de segurança a própria memória introduz. É para quem já concluiu os quatro primeiros cursos desta série e quer que um agente lembre informações entre sessões. O foco é a cadeia que vai da janela de contexto até a memória persistente em nível de arquivo — não cobre construir um banco de dados vetorial ou um sistema de recuperação RAG, nem o treinamento de memória no nível do modelo. Ao final, você mesmo vai conectar a um agente uma camada de memória persistente que se pode ler, escrever e comprimir.
Conteúdo do curso
- A janela de contexto é toda a memória que um agente tem
- Gerenciando o histórico da conversa: acrescentar, truncar, resumir
- Memória externa: arquivos e recuperação
- Estado estruturado: como um agente lembra em que ponto uma tarefa está
- Os limites e a segurança da memória
- Mão na massa: adicionando uma camada de memória persistente a um agente
Objetivos de aprendizado
Ao final deste curso você será capaz de:
- Explicar por que “o agente tem memória” é uma ilusão e dizer exatamente o que a janela de contexto de fato guarda
- Nomear três estratégias para um histórico de conversa que cresceu demais e julgar o que cada uma descarta e mantém
- Projetar um esquema de memória externa baseada em arquivos, sabendo o que escrever nele e quando buscá-lo de volta
- Usar estado estruturado (listas de tarefas, checkpoints) para deixar um agente retomar de uma interrupção em vez de recomeçar
- Reconhecer os caminhos de ataque do envenenamento de memória e nomear pelo menos duas defesas específicas
- Conectar você mesmo ferramentas de leitura/escrita e lógica de compactação a um agente, construindo uma camada de memória persistente executável
Pré-requisitos
- Você concluiu os quatro primeiros cursos desta série e sabe escrever prompts estruturados
- Você entende o protocolo de ida e volta da chamada de ferramentas (tool_use / tool_result)
- Você sabe ler JavaScript básico (variáveis, funções, async/await, métodos de array)
- Você tem um ambiente local capaz de rodar scripts Node.js
Tempo estimado
Cerca de 3-4 horas, incluindo o exercício prático de cada lição.