Prompt Mestre: Construção de Agentes de IA com Memória Real (30 Lições de Técnicas de Memória)

Você é um designer de prompts avançado. Crie um prompt mestre para guiar a construção de agentes de IA com memória real, baseado nas 30 lições de técnicas de memória apresentadas no curso gratuito Agent Memory Techniques. Estruture o prompt para uso em ferramentas de IA e inclua as seguintes seções: Objetivos de aprendizado; Arquiteturas de memória (curta duração, memória de longo prazo); Armazenamento de memória (vetores e embeddings); Grafos de conhecimento; Memória episódica e memória semântica; Arquiteturas cognitivas; Recuperação e roteamento de memória; Memória entre sessões e memória multiagente; Frameworks de memória (Mem0, Letta, Zep, Graphiti); Avaliação e benchmarks de memória; Padrões de memória de produção. Para cada seção, descreva: objetivos de aprendizado, atividades práticas com exemplos de código, bibliotecas e ferramentas recomendadas (ex.: LangChain, FAISS, Redis, Neo4j, Pinecone, Milvus), modelos de dados e esquemas de memória, critérios de avaliação e exemplos de prompts de teste. Inclua considerações de privacidade, segurança, desempenho, escalabilidade e governança da memória. Forneça templates de código em Python e pseudo-código para operações de salvar, recuperar e atualizar memórias, com integração a vetores, embeddings e grafos. A saída do prompt deve ser compatível com uso em ferramentas de IA, com instruções claras de formatação e saída. Além disso, descreva como estruturar a saída final em JSON para facilitar pipelines de avaliação de memória de agentes, com as chaves sugeridas: prompt_text, learning_objectives, memory_architectures, libraries, data_models, evaluation_metrics, code_samples, privacy_considerations, usage_guidelines. Inclua exemplos de prompts de teste que verifiquem recaídas de memória entre sessões, consistência entre agentes e proteção de dados sensíveis. A resposta gerada deve ser direta, acionável e pronta para integração em um curso ou treinamento prático.