Pesquiso a memória de agentes de IA.
Agentes de IA esquecem. Cada sessão começa do zero, a decisão que o time tomou ontem não existe hoje, e o trabalho para quando a sessão acaba. Construo a memória que faz o trabalho continuar: o mesmo contexto para quem lê e para quem escreve, seja pessoa ou agente.
Decisão de produto deveria ir para a busca. Um documento em cada quatro não aparecia. O motivo só apareceu porque eu medi, e estava em duas decisões do produto, não na medição. É esse tipo de coisa que escrevo aqui.
Pesquisa vem antes de afirmação. Publico o caminho até o número, inclusive quando o erro estava no instrumento. Quando um número não se sustenta, ele sai.
Autor
Textos assinados por ele, do mais recente ao mais antigo.
Pesquisa3 de novembro de 20266 min de leitura
Para saber se a memória melhora, precisávamos de um número que não dependesse de opinião. Usamos o próprio documento como pergunta. O resultado mostrou três erros no instrumento antes de mostrar um problema no produto.
Ler postEngenharia5 de julho de 20266 min de leitura
A arquitetura por trás do nosso pipeline de retrieval: BM25 + dense vectors + RRF + cross-encoder. Sem LLM no caminho de ranking.
Ler postProduto28 de maio de 20264 min de leitura
Cada agent começa do zero. Decisões tomadas em uma sessão somem na próxima. Ve como memória compartilhada resolve isso.
Ler postTécnico25 de maio de 20263 min de leitura
Model Context Protocol é como agents IA falam com ferramentas externas. Versão pra devs.
Ler postEngenharia20 de maio de 20265 min de leitura
Depois de 6 meses usando ValorBrain com nosso próprio time, cinco lições de engenharia: o que mudou no plano e o que mudou na arquitetura.
Ler post