Memory OS: uma pilha de memória aberta de seis camadas para o Hermes Agent

Em 1º de junho de 2026, o MarkTechPost publicou uma reportagem sobre o Memory OS, uma pilha de memória aberta que dá ao agente de IA Hermes Agent memória local e persistente por meio de seis camadas, um mecanismo de recuperação controlada (gated) de informações e um módulo de wiki. O projeto é distribuído como código aberto e se integra ao Hermes Agent existente, em vez de substituir toda a sua arquitetura.

Por que os agentes precisam de uma pilha de memória própria

Por padrão, a maioria dos agentes de IA só "lembra" o que cabe na janela de contexto da conversa atual. Quando a sessão termina ou o contexto estoura, o que o agente aprendeu sobre o usuário, o projeto ou decisões anteriores se perde. Para um agente que precisa trabalhar com o mesmo usuário ou projeto por semanas e meses, isso é uma limitação séria: ou se explica o contexto de novo a cada vez, ou ele fica guardado em sistemas externos que o próprio agente não controla.

O Memory OS enfrenta o problema ao dar ao Hermes Agent uma memória local e persistente própria. Os dados não ficam na nuvem de um provedor terceiro, e sim junto do agente, e sobrevivem a uma reinicialização. A ideia arquitetural central é dividir a memória não em uma única camada plana, mas em seis níveis separados, cada um deles, segundo a descrição do projeto, responsável por um tipo de informação e por um ciclo de vida próprios, do contexto de trabalho de curto prazo ao conhecimento de longo prazo.

Como funcionam a recuperação controlada e a wiki

O segundo elemento importante é o gated retrieval, a "recuperação controlada". Ao contrário da busca vetorial simples, que apenas devolve os trechos de texto mais parecidos, a recuperação controlada implica um filtro ou condição de admissão adicional: o agente não acessa toda a memória armazenada indistintamente, mas só a parte que passou por determinada barreira de relevância ou confiança. Essa abordagem reduz o risco de o agente puxar para a resposta informações desatualizadas, contraditórias ou irrelevantes de um arquivo acumulado há muito tempo.

O terceiro componente é a wiki. Além das camadas de memória, o Memory OS mantém uma visão em formato de wiki do conhecimento acumulado: uma base estruturada e legível por pessoas, que pode ser consultada e editada separadamente do formato interno de armazenamento do agente. Isso distingue claramente o projeto das soluções típicas de "memória = banco de dados vetorial sem interface": o Memory OS tem uma camada pensada para que uma pessoa também possa ler e verificar o que exatamente o agente memorizou.

O que se sabe sobre o projeto:

• Nome: Memory OS
• Status: projeto aberto (open source)
• Base: construído sobre o Hermes Agent
• Arquitetura: seis camadas de memória
• Mecanismos adicionais: gated retrieval e módulo de wiki

Para comparação, a maioria das soluções de "memória para agentes" hoje no mercado se limita a uma única camada: um banco de dados vetorial onde ficam os embeddings de trechos da conversa, com recuperação feita por uma simples busca de vizinhos mais próximos. A arquitetura multicamadas do Memory OS, segundo a descrição, funciona de forma fundamentalmente diferente. Os vários tipos de informação, do contexto de trabalho imediato a fatos duráveis e verificados, são armazenados e processados separadamente. Em teoria, isso deveria reduzir um problema típico dos sistemas de memória planos, em que fatos antigos e novos, importantes e secundários, se misturam em um único repositório sem hierarquia.

O que isso muda para quem desenvolve agentes

Para equipes que já usam ou pretendem usar o Hermes Agent, o Memory OS é um jeito pronto de adicionar memória de longo prazo sem projetar do zero um sistema próprio de armazenamento de contexto. Como o projeto é aberto, ele pode ser bifurcado (fork), incorporado à infraestrutura própria e adaptado a um produto específico, sem depender da API fechada de um fornecedor terceiro de memória.

Numa perspectiva mais ampla, o surgimento de projetos assim reflete uma tendência geral no desenvolvimento de agentes de IA em 2026: o setor se afasta aos poucos da ideia do agente como um invólucro de um modelo de linguagem com janela de contexto grande e caminha para a ideia do agente como um sistema com memória, conhecimento e histórico próprios, que se comporta de forma mais estável em cenários de uso longos e com várias sessões.