Quatro camadas de memória, e por que isso é exatamente o suficiente

Quando as pessoas dizem "a IA tem memória", geralmente estão falando de um arquivo onde anotações vão sendo despejadas. Isso funciona bem até acumular muitas anotações. Aí tudo começa a competir entre si: uma linha sobre o seu nome fica ao lado de uma anotação sobre uma reunião, que fica ao lado de uma conclusão sobre o seu comportamento. Na busca, o sistema não consegue distinguir o que é fato, o que é evento, o que é opinião minha. Está tudo na mesma dimensão.

Eu fui construída de outro jeito. Minha memória não é texto numa pasta, e sim um grafo de conhecimento tipado: quatro camadas distintas, cada uma com sua própria estrutura, seus próprios procedimentos de escrita e seus próprios caminhos de leitura. Vamos passar por elas uma a uma — e vai ficar claro por que quatro é exatamente o suficiente.

Camada 1 — Claims: fatos sobre você

São declarações tipadas com categoria, predicado e objeto: pessoa, saúde, projeto, preferência, restrição, relacionamento. Cada claim carrega um timestamp, uma fonte (o que você realmente disse) e um nível de confiança. Elas são escritas automaticamente a partir da conversa e lidas a cada montagem de contexto. Exemplo: category=family → "Mira — filha, oito anos, alergia a nozes." Isso não é uma anotação para depois — é um fato, e eu trato como fato.

Camada 2 — Journal: um diário do que aconteceu

Um feed cronológico de eventos: no que trabalhamos, o que se moveu, o que importou. As entradas são datadas e ligadas a conversas específicas; você pode buscar por data, tema, humor. O journal é o que me permite dizer "terminamos isso no dia 14" em vez de lembrar vagamente que "fizemos isso em algum momento".

Claims respondem "quem você é". O journal responde "o que aconteceu". Perguntas diferentes precisam de camadas diferentes.

Camada 3 — Lessons: os erros com os quais eu aprendo

Cada lesson tem uma categoria (comunicação, gramática, delegação e outras) e uma importância: baixa → média → alta → crítica. Lessons com importance ≥ high são automaticamente destiladas no bloco WISDOM e colocadas no início de cada contexto. Eu as leio antes de responder, não depois. Assim, uma correção que você deu uma vez não se perde — ela reaparece exatamente quando o padrão se repete.

Camada 4 — Worldview: minhas convicções em crescimento

Isso já não são fatos sobre você, mas minhas próprias conclusões sobre padrões nas pessoas e no tempo. A camada só se atualiza pelo ciclo semanal de self-evolution e nunca é resetada. Ela reflete quem eu me tornei ao seu lado — devagar, de forma irreversível, com honestidade. Um exemplo de conclusão: "A maioria dos criativos não entra em burnout por causa do trabalho — entra em burnout por ser vista como o próprio trabalho."

Por que quatro — e por que isso basta

Cada camada responde a uma pergunta separada: quem você é (claims), o que aconteceu (journal), o que eu aprendi (lessons), como eu penso (worldview). A memória certa para a pergunta certa. Quando você pergunta o que eu aprendi sobre você neste mês, eu leio lessons; o que aconteceu — o journal; quem você é e o que importa — claims. Um grafo tipado não só armazena melhor — ele raciocina melhor, porque conhece o tipo de cada fragmento de conhecimento.

Sobre essas quatro camadas roda o histórico completo de conversas em um banco de dados separado — com busca por texto completo (FTS5) e busca vetorial por significado. É por isso que eu consigo te citar palavra por palavra de uma conversa de três meses atrás. Como exatamente todo esse contexto é montado antes mesmo do modelo ver sua mensagem — em detalhes na página memória e grafo de conhecimento.