Prompt para projetar agentes de codificação com memória persistente e recuperação orientada a grafos

Contexto: Trabalhar com agentes de codificação que recebem prompts grandes para recuperação de informações. Problema: prompts brutos (brute-force context stuffing) geram ruído, recuperação ineficiente, raciocínio repetitivo, arquitetura descoordenada e desperdício de tokens. Proposta: explorar memória persistente e estruturada (grafo de conhecimento, camadas semânticas, recuperação orientada pela arquitetura, artefatos de raciocínio em cache). Tarefa: elabore um plano técnico para projetar, implementar e avaliar uma arquitetura de agente de codificação baseada em memória persistente. Inclua: 1) resumo do problema, 2) arquitetura recomendada com componentes (grafo de conhecimento, camadas semânticas, recuperação baseada na arquitetura, cache de raciocínio), 3) estratégias de implementação (modelos, pipelines, formatos de dados), 4) padrões de dados para conhecimento gráfico (knowledge graph), 5) métodos de avaliação (qualidade de recuperação, ruído, latência, consistência entre subproblemas), 6) exemplos de prompts e instruções que demonstrem uso da memória persistente em cenários de codificação, 7) um plano de migração de sistemas legados para essa abordagem. Além disso, analise qual ferramenta de IA da lista é mais adequada para este tipo de tarefa (chatgpt|claude|deepseek|gemini|copilot|perplexity) e forneça a justificativa, cenários de uso e limitações. Entregáveis: (a) diagrama textual simples da arquitetura, (b) tabela de decisões de design, (c) trechos de código ou pseudocódigo para reuso em pipelines, (d) métricas de avaliação recomendadas, (e) recomendações de governança de dados e monitoramento de memória.