osFoundry / Platform
Extração de memória
O Maestro extrai memórias duráveis de cada conversa — fatos, decisões, preferências.
O que é
A extração de memória é como o Maestro do osFoundry transforma conversas efêmeras em conhecimento duradouro e reutilizável. Depois que uma conversa é compactada, o Maestro revisa a troca e extrai o que realmente vale a pena guardar: fatos afirmados (\"nossa stack é Postgres\"), decisões e as razões por trás delas, preferências pessoais e de equipe, restrições (\"não use o banco de staging\") e tudo o que você pedir explicitamente para lembrar. Cada memória extraída é armazenada com um tipo, uma pontuação de importância e tags, de modo que pode ser filtrada e recuperada em vez de se perder assim que a janela de contexto rola para fora.\n\nDentro do osFoundry, a extração foi feita para ser barata e honesta quanto ao custo. Ela roda em segundo plano (fire-and-forget) após a compactação e, antes mesmo de chamar um modelo, aplica uma verificação rápida de relevância sobre as suas próprias palavras, procurando o formato que um fato duradouro de fato assume: uma identidade afirmada, uma preferência, uma decisão ou uma instrução do tipo \"de agora em diante\". Turnos que não carregam nada memorável nunca chegam ao modelo, então a extração não cobra silenciosamente sua chave de API a cada mensagem. Quando de fato roda, ela usa a cadeia de modelos que você configurou para o papel de pipeline memory_extraction: qualquer modelo local, na nuvem ou auto-hospedado para o qual você traz sua própria chave, sem sobretaxa de revenda. Em seguida, um limiar de importância descarta candidatos de baixo valor antes de qualquer gravação.\n\nO armazenamento é local-first por design. As memórias extraídas são entregues primeiro a um armazenamento no dispositivo (a tabela local_memories nunca é sincronizada com a nuvem) e só então, se você tiver conta e estiver online, são vetorizadas e espelhadas para um armazenamento de memória do espaço de trabalho. Essa ordem é deliberada: um usuário rodando totalmente local ou offline ainda recebe cada memória, e fatos quase duplicados são deduplicados na gravação. Mais tarde, agentes e o Maestro recuperam essas memórias por busca semântica: a consulta é vetorizada, comparada com o armazenamento, e cada acerto retorna com o seu próprio endereço citável memory://, para que você veja exatamente qual fato lembrado fundamentou uma resposta. Todo o caminho também é plugável: você pode vincular um memory_extractor próprio, e o extrator nativo do osFoundry serve de fallback.
Principais recursos
- Extrai memórias duradouras de cada conversa após a compactação: fatos afirmados, decisões e seus motivos, preferências, restrições e pedidos explícitos de \"lembre-se disto\".
- Aplica uma verificação de relevância barata antes de qualquer chamada ao modelo, então a extração só gasta sua própria chave de API em turnos que plausivelmente trazem algo digno de guardar, não em cada troca.
- Usa sua própria cadeia de modelos BYOK para o papel memory_extraction, local ou na nuvem, sem sobretaxa de revenda nas chamadas que faz.
- Armazenamento local-first: as memórias extraídas são gravadas primeiro em um armazenamento no dispositivo (nunca sincronizado com a nuvem), então persistem mesmo offline ou sem conta.
- Pontua cada memória por importância e tipo, deduplica fatos quase idênticos e os torna recuperáveis depois via busca semântica com fontes citáveis memory://.
Casos de uso
- Engenheiro consultor: o Maestro lembra que um cliente insistiu em Postgres em vez de DynamoDB e por quê, então semanas depois o agente não reabre uma decisão já encerrada.
- Pesquisador atento à privacidade: preferências e fatos do projeto ficam no armazenamento de memória no dispositivo que nunca sincroniza com a nuvem, utilizável totalmente offline com suas próprias chaves.
- Líder de equipe padronizando convenções: assim que você diz \"nossa equipe prefere tabs\" ou \"não mexa nos arquivos de migração\", essa restrição é capturada e aparece no trabalho seguinte.
Perguntas frequentes
A extração de memória envia minhas conversas para os servidores do osFoundry?
Não. As memórias extraídas são gravadas primeiro em um armazenamento no dispositivo, e essa tabela de memória local nunca é sincronizada com a nuvem. Só se você tiver conta e estiver online é que as memórias são adicionalmente vetorizadas e espelhadas para o seu próprio armazenamento de memória do espaço de trabalho. A chamada ao modelo de extração roda com a chave que você traz: os servidores do osFoundry nunca chamam um LLM em seu nome.
Isso roda uma chamada de IA cara depois de cada mensagem?
Não. A extração só acontece depois que uma conversa é compactada e, mesmo assim, primeiro roda uma verificação de relevância barata: uma checagem rápida de padrões na sua mensagem em busca de preferências afirmadas, decisões ou frases do tipo \"lembre-se disto\". A conversa comum de tarefas é ignorada antes de qualquer chamada ao modelo, então não cobra sua chave de API em turnos que não contêm nada digno de guardar.
Como o Maestro usa uma memória depois de extraída?
As memórias são armazenadas com um tipo, uma pontuação de importância e tags, e então ficam recuperáveis por busca semântica. Quando é relevante, o agente vetoriza uma consulta, busca no armazenamento e traz de volta os fatos correspondentes, cada um com uma fonte citável memory:// para você rastrear qual detalhe lembrado moldou a resposta. Você escolhe o modelo de memory_extraction pelos papéis de pipeline BYOK do osFoundry.