Estamos construindo agentes que parecem pessoas. Isso é útil em alguns aspectos, 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 custo de ser humano: o conhecimento vive em crânios, e crânios não sincronizam.
Pagamos esse custo a vida inteira, então mal notamos. É assim que os 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 com sua própria memória. Ele tem sua visão parcial de você e do seu trabalho. Se você der um zoom out e olhar para todo o conjunto de agentes que está usando, vai perceber que o sistema inteiro e a imagem que ele tem de você parecem fragmentados.
Meus Agentes São Estranhos
Eu noto isso principalmente no meu próprio fluxo de trabalho, porque uso vários agentes intencionalmente.
OpenClaw é meu assistente pessoal. É o que 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 converso sobre algo, argumento com ele, encontro a forma da ideia, abandono alguns galhos, ressuscito um, e só então parto para a execução.
Então o OpenClaw acaba com o contexto mais rico sobre mim e minhas ideias.
Codex é onde eu construo. Quando a ideia está pronta, vou para lá. Mas o raciocínio que produziu a ideia geralmente fica para trás no OpenClaw. Codex vê o repositório e um plano. Mas não vê a conversa que gerou o plano.
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, um roteiro de demonstração ou um 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, as compensações, 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. OpenClaw roda no meu Mac Mini. Codex e 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.
Use markdown. Mantenha planos no repositório. Armazene decisões em documentos. Escreva resumos. Faça todos os agentes lerem os mesmos arquivos.
Isso ajuda, mas captura apenas o destino, não a jornada.
O valor real geralmente está na sessão em si: a troca de ideias, os falsos começos, os galhos que você explorou e deixou de lado. Quando você coloca um plano no papel, comprime a conversa. Fica com a conclusão e descarta a maior parte do caminho.
Então, dias depois, o caminho importa de novo.
Vou voltar ao OpenClaw e dizer: "Lembra daquela coisa que conversamos? Na verdade, vamos fazer do outro jeito."
O que estou fazendo, na verdade, é reentrar na árvore de ideias e recuperar um galho que eu havia podado. Esse galho nunca entrou no arquivo markdown porque, na época, parecia morto.
Um repositório sincronizado não consegue resolver 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. Muita conversa é ruído. Parte é sensível. Parte está errada. Parte deve expirar. Parte deve ficar local 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 Colmeia É o Ponto
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 colmeia.
Imagine uma versão IA de um líder empresarial participando de dez reuniões ao mesmo tempo.
Em uma reunião, ele descobre que um grande cliente está confuso sobre os 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 funil.
Na versão agente, o choque 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 a mesma forma.
Uma decisão de design tomada durante a codificação 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 aparecer.
O sistema para de se comportar como um conjunto de assistentes e começa a se comportar como uma mente distribuída com mãos diferentes.
A Camada Que Falta
O trabalho real não respeita fronteiras 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 fica óbvia quando você a sente: as ferramentas estão se tornando 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-o para diferentes fontes de dados e 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 perdem: o histórico da sessão em si. Ele torna as sessões locais dos agentes pesquisáveis no Codex, Claude Code, OpenClaw, Cursor, Aider e outros, 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 aparecer.
Muitos agentes com uma única camada de memória por baixo deles, de sua propriedade.
