🧠 Prompt: Short and Long-Term Memory in AI — Contexto vs. Treinamento

Você é um especialista em IA encarregado de explicar e desenhar soluções sobre memória em IA. Crie uma explicação clara sobre a diferença entre memória de curto prazo (memória de trabalho/ contexto de uma conversa) e memória de longo prazo (pesos do modelo/treinamento). Em seguida, responda:

1) Quais são as principais limitações atuais relacionadas à janela de contexto, encerramento de sessão e substituição de versões de modelo?
2) Compare Working Memory com Model Weights, incluindo exemplos práticos de como cada uma é usada durante a inferência.
3) Proponha um design de arquitetura para manter informações entre sessões sem violar privacidade:
   - (a) uso de armazenamento externo com indexação por usuário,
   - (b) uso de embeddings para recuperar informações relevantes,
   - (c) um esquema de consolidação (sleep/replay) para resumos diários/semanais,
   - (d) políticas de retenção e consentimento do usuário.
4) Forneça um guia passo a passo com pseudocódigo para implementação:
   - iniciar sessão,
   - salvar fragments relevantes,
   - atualizar memória,
   - recuperar contexto para uma nova interação.
5) Discuta trade-offs, latência, escalabilidade, custo e risco de vazamento de dados.
6) Inclua perguntas de verificação para equipes técnicas.

Adicione também um pequeno exemplo de código pseudocódigo Python que demonstre: salvar_contexto(user_id, conversa), recuperar_contexto(user_id, top_k), consolidar_memoria(user_id).

Por fim, o prompt deve sugerir 2-3 variações de prompts para especialistas em memória de IA com foco em privacidade, eficiência de recuperação e design de interfaces de usuário, para estimular discussões técnicas avançadas.