Prompt técnico para projetar memória de IA com recuperação híbrida (memória IA baseada em Mem0)

Objetivo: criar um prompt de IA que permita analisar desafios de memória em IA, avaliar abordagens de recuperação híbrida e gerar uma especificação prática de arquitetura de memória, inspirada no artigo sobre a dificuldade de construir memória em IA e nas ideias do Mem0.

Contexto: sistemas atuais enfrentam problemas estruturais como problema de consulta, resolução de entidades, interpretação, modelos de mundo, limites de janela de contexto e esquecimento catastrfico. Propõe-se uma arquitetura que combine armazenamento, recuperação múltipla, grafo de entidades e fatos exatos via chave-valor, com prioridade para o melhor hit. Este prompt deve ser auto-contido, técnico e utilizável por engenheiros de ML que implementam memória de IA.

Entrada esperada para o usuário (descreva o cenário):
- Descrição do domínio (ex.: assistente corporativo, agente de suporte, motor de busca inteligente).
- Tipo de memória desejada (curto prazo, longo prazo, memória de domínio específico).
- Requisitos de latência aceitável, consistência, escalabilidade e custo.
- Dados de exemplo para testes (fatos, entidades, relacionamentos).

Saída esperada do prompt (deliverables):
1) Resumo executivo dos principais desafios e trade-offs relevantes para o caso.
2) Arquitetura de alto nível proposta com módulos: armazenamento, recuperação, memória semântica, grafo de entidades, memória de longo prazo, atualização de modelo, monitoramento.
3) Pipeline de consulta (entrada -> compreensão de intenção -> seleção de estratégias de recuperação -> fusão de resultados -> resposta final).
4) Configuração de estratégias de recuperação híbrida: semântica para fuzzy intent, grafo para relações de entidades, chave-valor para fatos exatos; como combinar resultados e resolução de conflitos.
5) Especificação de APIs/contratos entre módulos (pseudo-código/diagrama textual).
6) Critérios de avaliação e métricas (latência, precisão de memória factual, consistência, robustez a esquecimento, custo).
7) Métricas de validação com cenários de teste e datasets simulados.
8) Guia de implementação com Mem0 ou bibliotecas similares (UPsert, reconciliação, streaming de memória).
9) Se possível, esboço de documentação da API para desenvolvedores.

Instruções técnicas adicionais:
- Formate como prompt-engineering com seções bem definidas: Objetivo, Entrada, Saída Esperada, Restrições, Estrutura de Dados, Exemplo de Saída, Dicas de Melhoria, Casos de Uso, Segurança e Privacidade, Checklist de Implementação.
- Use tom técnico, objetivo e direto; utilize estruturas de dados simples (grafo de entidades, vetores semânticos, listas de fatos) e pseudo-código para contratos.
- Indique se é recomendável usar alguma ferramenta específica para gerar a saída (justifique brevemente. sugere-se principalmente: chatgpt, claude).
- Forneça variações do prompt: versão curta (2-3 parágrafos) e versão detalhada (fluxos, esquemas, contratos).
- Inclua limitações de segurança e privacidade (dados sensíveis, governança, anonimização) e diretrizes para reduzir vieses e alucinações.
- Apresente dois cenários de caso de uso com entradas simuladas e resultados esperados.
- Dê um exemplo de saída esperada (mock) para uma consulta simples.
- Dicas de melhoria contínua (loop de feedback, A/B tests, métricas de qualidade).
- Mantenha consistência de formatação entre seções usando marcadores simples; evite HTML.
- Opcional: mini-checklist de implementação com prazos e responsáveis.
- Preferência de voz ativa, frases curtas, mínimo jargão.
- Este prompt é útil para engenheiros de ML que implementam memória de IA com recuperação híbrida.

Exemplos de saída esperada (mock) para uma consulta simples: a ferramenta retorna uma arquitetura com grafo de entidades conectando pessoa-empresa-produto, um vetor semântico para consulta fuzzy, e um armazenamento de fatos exatos com upsert, tudo com uma fila de priorização que garante melhor hit. Ao final, uma lista de métricas de validação específicas para esse caso e um conjunto de consultas de teste.

Dicas de melhoria: inclua um módulo de avaliação contínua com métricas de qualidade de memória, permita variações de domínio com configurações de memória específicas, e integre testes de regressão para evitar a deterioração de memória ao longo do tempo.