Memory OS: Pilha de Memória de 6 Camadas Aberta para Hermes Agent

Em 1º de junho de 2026, MarkTechPost publicou uma história sobre o projeto Memory OS — uma pilha de memória de código aberto que adiciona ao agente IA Hermes Agent uma memória persistente local através de seis camadas, um mecanismo de recuperação controlado (gated) e um módulo wiki. O projeto é distribuído como código aberto e é integrado no topo do Hermes Agent existente, em vez de substituir completamente sua arquitetura.

Por que os agentes precisam de uma pilha de memória separada

A maioria dos agentes de IA por padrão "lembram" apenas do que cabe na janela de contexto atual do diálogo: assim que a sessão termina ou o contexto transborda, o conhecimento acumulado sobre o usuário, projeto ou soluções anteriores é perdido. Para um agente que precisa trabalhar com o mesmo usuário ou projeto ao longo de semanas e meses, esta é uma limitação séria — você tem que re-explicar o contexto cada vez, ou armazená-lo em sistemas externos que o próprio agente não controla.

Memory OS resolve este problema dando ao Hermes Agent sua própria memória local e persistente — ou seja, os dados são salvos não na nuvem de um provedor terceirizado, mas ao lado do próprio agente, e sobrevivem a uma reinicialização. A ideia arquitetônica chave é dividir a memória não em uma única camada plana, mas em seis níveis separados, cada um dos quais, segundo a descrição do projeto, é responsável por seu próprio tipo de informação e seu próprio ciclo de vida — desde o contexto de trabalho de curto prazo até o conhecimento de longo prazo.

Como funcionam a recuperação controlada e a wiki

O segundo elemento importante do sistema é gated retrieval, "recuperação controlada". Ao contrário da busca vetorial simples, que simplesmente retorna os fragmentos de texto mais semelhantes, a recuperação controlada implica um filtro adicional ou uma condição de admissão: o agente obtém acesso não a toda a memória armazenada de uma vez, mas apenas à parte que passou através de uma certa barreira de relevância ou confiança. Esta abordagem reduz o risco de que o agente "puxe" informações desatualizadas, contraditórias ou irrelevantes para a resposta a partir de um arquivo acumulado há muito tempo.

O terceiro componente é wiki. Além de camadas de memória, Memory OS mantém uma representação wiki do conhecimento acumulado, ou seja, uma base estruturada e legível por humanos que pode ser visualizada e editada separadamente do formato de armazenamento interno do agente. Isto difere significativamente das soluções típicas de "memória = banco de dados vetorial sem interface": Memory OS tem uma camada projetada para o fato de que um humano também lerá e verificará o que o agente lembrou.

O que é conhecido sobre o projeto:

• Nome — Memory OS
• Status — projeto de código aberto
• Base — construído no topo do Hermes Agent
• Arquitetura — seis camadas de memória
• Mecanismos adicionais — recuperação controlada e módulo wiki

Para comparação: a maioria das soluções de "memória para agentes" existentes no mercado se limitam a uma camada — um banco de dados vetorial onde as incorporações de fragmentos de diálogo são armazenadas, e a recuperação funciona no princípio de busca simples de vizinhos mais próximos. A arquitetura de múltiplas camadas do Memory OS, segundo a descrição, é organizada fundamentalmente de forma diferente: diferentes tipos de informação — desde contexto de trabalho imediato até fatos estáveis e verificados — são armazenados e processados separadamente, o que em teoria deve reduzir o problema típico de sistemas de memória plana, quando fatos antigos e novos, importantes e secundários se misturam em um armazenamento sem hierarquia.

O que isso muda para os desenvolvedores de agentes

Para equipes que já usam ou planejam usar Hermes Agent, Memory OS é uma maneira pronta de adicionar memória de longo prazo sem projetar seu próprio sistema de armazenamento de contexto do zero. Como o projeto é de código aberto, pode ser bifurcado, integrado em sua própria infraestrutura e adaptado para um produto específico sem depender de uma API fechada de um fornecedor de memória terceirizado.

Em um sentido mais amplo, o surgimento de tais projetos reflete uma tendência geral no desenvolvimento de agentes de IA em 2026: a indústria está gradualmente se afastando da ideia de "agente — um invólucro ao redor de um modelo de linguagem com uma grande janela de contexto" para a ideia de "agente — um sistema com sua própria memória, conhecimento e histórico", que se comporta de forma mais estável em cenários de uso longo e multissessão.