Memória de Trabalho

Memória de trabalho é o estado ativo e limitado de informação utilizado por um agente de IA durante raciocínio, planejamento, tomada de decisão e ação atuais.

Ela pode conter observações, objetivos ativos, estado de tarefa, memórias recuperadas, resultados de ferramentas e outras informações necessárias ao processo cognitivo atual.

A janela de contexto é uma capacidade técnica de um modelo de linguagem. Memória de trabalho é um conceito arquitetural que descreve informações tratadas pelo agente como estado cognitivo ativo.

Memória de trabalho pode ser serializada no contexto do modelo, mas nem tudo inserido no contexto deve automaticamente ser considerado memória de trabalho.

Prompt é uma representação de entrada para uma chamada do modelo. Memória de trabalho pode persistir como estado estruturado do agente através de múltiplas chamadas.

Prompts podem ser construídos utilizando memória de trabalho junto com instruções, documentos recuperados e outras informações de runtime.

Recuperação identifica informação útil em memória episódica ou semântica de longo prazo.

Memórias selecionadas podem então ser admitidas na memória de trabalho quando forem relevantes para a cognição atual.

Memória de trabalho é intencionalmente limitada.

Quando capacidade é restrita, o agente precisa priorizar quais observações, memórias, objetivos e estados intermediários permanecem cognitivamente ativos.

Agentes persistentes podem manter grandes armazenamentos duráveis de memória através do tempo enquanto reconstroem um estado ativo menor para cada tarefa ou ciclo cognitivo atual.

Memória de trabalho fornece a interface ativa entre memória persistente e comportamento presente.

Má gestão da memória de trabalho pode degradar a cognição mesmo quando a informação relevante existe em outros sistemas de memória.