Estamos construindo agentes para se parecerem com pessoas. Isso é útil de certas maneiras, mas também estamos copiando uma das maiores limitações de ser humano.
Conheça alguém novo e essa pessoa não sabe nada sobre você. Você precisa explicar coisas como seus interesses, sua história e seus objetivos. Depois faz isso de novo com a próxima pessoa, e de novo com a seguinte.
Esse é o imposto de ser humano: o conhecimento mora em crânios, e crânios não sincronizam.
Pagamos esse imposto a vida toda, então mal percebemos. É assim que humanos funcionam. Mas agora estamos reconstruindo isso dentro de sistemas de software que não precisam ser tão isolados.
Cada agente é como um pequeno cérebro próprio, com sua própria memória. Ele obtém sua própria visão parcial de você e do seu trabalho. Se você der um zoom out e olhar todo o conjunto de agentes que está usando, vai descobrir que todo o sistema e a imagem que ele tem de você parecem fragmentados.
Meus Agentes São Estranhos
Percebo isso mais no meu próprio fluxo de trabalho porque uso vários agentes intencionalmente.
O OpenClaw é meu assistente pessoal. Ele sabe mais sobre minha vida: família, agenda, reuniões, projetos, preferências e o ritmo do que está acontecendo no dia a dia. Também é onde desenvolvo ideias. Eu discuto algo, argumento com ele, encontro o formato da ideia, abandono alguns ramos, ressuscito um, e só então passo para a execução.
Então o OpenClaw acaba com o contexto mais rico sobre mim e minhas ideias.
O Codex é onde eu construo. Quando uma ideia está pronta, migro para lá. Mas o raciocínio que produziu a ideia geralmente fica para trás no OpenClaw. O Codex vê o repositório e um plano. Mas não vê a conversa que deu origem ao plano.
O Claude Code é onde vou para design e escrita. Posso construir algo no Codex e depois pedir ajuda ao Claude Code com uma landing page, roteiro de demonstração ou rascunho de post de blog. A transição não é terrível, pois posso apontá-lo para a mesma pasta do repositório no disco. Mas o raciocínio por trás do trabalho ainda está no OpenClaw: o público, os trade-offs, as abordagens rejeitadas, o tom emocional da coisa.
O resultado pode ser competente e cego ao contexto ao mesmo tempo.
Há também uma camada física. O OpenClaw roda no meu Mac Mini. O Codex e o Claude Code rodam no meu MacBook Pro. Outros agentes podem viver parcial ou totalmente na nuvem. Máquinas diferentes. Sistemas de arquivos diferentes. Estado local diferente. O repositório pode sincronizar via GitHub, mas a memória do projeto não.
As ilhas não são apenas conceituais. São literais.
Cada agente redescobre o que já expliquei. Cada um ignora o que o agente ao lado descobriu há uma hora.
O Repositório Não É a Memória
A objeção óbvia é: é só escrever as coisas.
Use markdown. Mantenha planos no repositório. Armazene decisões em documentos. Escreva resumos. Faça todo agente ler os mesmos arquivos.
Isso ajuda, mas captura apenas o destino, não a jornada.
O valor real geralmente está na própria sessão: as discussões, os começos falsos, os ramos que você explorou e deixou de lado. Quando você registra um plano no papel, comprime a conversa. Mantém a conclusão e joga fora a maior parte do caminho.
Depois, dias mais tarde, o caminho importa de novo.
Volto ao OpenClaw e digo: "Lembra daquela coisa que conversamos? Na verdade, vamos fazer do outro jeito."
O que estou realmente fazendo é reentrar na árvore de ideias e recuperar um ramo que havia podado. Esse ramo nunca foi parar no arquivo markdown porque, na época, parecia morto.
Um repositório sincronizado não resolve isso. O repositório tem artefatos. A sessão do agente tem contexto. O plano escrito é a ponta do iceberg. A conversa é o resto.
Isso não significa despejar todas as transcrições em todo lugar. Grande parte da conversa é ruído. Parte é confidencial. Parte está errada. Alguma coisa deve expirar. Alguma coisa deve ficar restrita a um projeto ou função.
A unidade útil é aquilo que vale a pena guardar.
Quando um agente aprende uma dessas coisas, isso não deveria ficar preso dentro do agente onde aconteceu.
A Mente Coletiva É o Objetivo
Para humanos, o conhecimento se move devagar. Precisa ser falado, escrito, ensinado, mal interpretado, esclarecido, recontado. Mesmo dentro de uma empresa, o mesmo fato viaja por reuniões, memorandos, threads do Slack e conversas individuais como um boato tentando se tornar infraestrutura.
Agentes não têm essa limitação.
Se um deles aprende algo útil, os outros também podem saber. Imediatamente, se a camada de memória for construída dessa forma.
Isso começa a parecer menos com anotações melhores e mais com uma mente coletiva.
Imagine uma versão em IA de um líder empresarial sentado em dez reuniões ao mesmo tempo.
Em uma reunião, ele descobre que um grande cliente está confuso sobre preços. Em outra, o time de produto está debatendo se os preços são claros o suficiente. Em uma terceira, vendas está tentando explicar por que um negócio travou.
Na versão humana, esses pontos podem levar dias ou semanas para se conectar. Talvez nunca se conectem. A reclamação do cliente vira uma nota de suporte. O debate do produto vira um item de roadmap. O problema de vendas vira um problema de pipeline.
Na versão com agentes, a colisão pode acontecer enquanto as reuniões ainda estão ocorrendo.
O conhecimento não fica preso na sala onde foi aprendido.
A versão pessoal é menor, mas tem o mesmo formato.
Uma decisão de design tomada enquanto codifica pode melhorar o texto de lançamento cinco minutos depois. Uma preferência corrigida em um assistente pessoal pode mudar o padrão em um agente de codificação. Uma ideia meio formada da semana passada pode ressurgir quando o projeto certo aparece.
O sistema deixa de se comportar como um conjunto de assistentes e passa a se comportar como uma mente distribuída com mãos diferentes.
A Camada Ausente
O trabalho real não respeita limites de ferramentas.
Um projeto pode começar como uma nota pessoal, virar uma decisão de produto, transformar-se em código, precisar de design, texto de lançamento, suporte e acompanhamento. É por isso que uso vários agentes — a especialização é útil.
A lacuna é óbvia quando você a sente: as ferramentas estão ficando mais capazes, mas a memória por baixo delas ainda está fragmentada. E a fragmentação piora à medida que os agentes se espalham por aplicativos, máquinas, serviços em nuvem e ambientes locais.
Isso parece ser uma das áreas importantes para desenvolvimento no próximo ano.
Você já pode ver projetos promissores atacando diferentes partes disso.
O GBrain do @garrytan aponta para um grafo de conhecimento compartilhado por trás do MCP: aponte para diferentes fontes de dados, o grafo de conhecimento cresce e diferentes agentes podem consultá-lo em vez de cada um manter sua própria memória privada.
O CASS do @doodlestein aborda a parte que o markdown e os repositórios ignoram: o histórico da sessão em si. Ele torna as sessões locais dos agentes pesquisáveis no Codex, Claude Code, OpenClaw, Cursor, Aider e mais, o que importa porque a sessão geralmente contém o raciocínio que o repositório deixou para trás.
Esses projetos são sinais de que o problema é real e que peças importantes da resposta estão começando a surgir.
Muitos agentes com uma única camada de memória por baixo deles, de sua propriedade.
