Um experimento publicado no Towards Data Science chega a uma conclusão provocadora: agentes de programação não precisam de janelas de contexto maiores — precisam de algo que o autor chama de “continuidade de intenção”. A ideia central é que recuperar o histórico passado não é a mesma coisa que saber o que ainda é válido nele.
O problema que mais contexto não resolve
O autor, Emmimal P Alexander, montou um fluxo de agente de código que funcionava perfeitamente no início. Mas, quando o projeto passou de algumas dezenas de passos, regras essenciais começaram a “sumir” — não porque foram apagadas nem porque a janela de contexto encheu, mas porque novas requisições simplesmente não disparavam a verificação de se uma decisão antiga ainda importava.
O exemplo usado é concreto: no primeiro dia, você diz ao agente para nunca expor IDs internos de banco de dados nas respostas da API. Sessenta mensagens depois, você pede um novo fluxo de autenticação. Essa nova solicitação não menciona nada sobre IDs — e, sem um motivo claro para olhar para trás, o agente entrega um endpoint vazando exatamente o dado que você tentou proteger.
Recuperação não é verificação
O artigo propõe uma distinção que organiza todo o debate sobre memória de agentes:
- Recuperação pergunta: “que informação histórica pode ser relevante?”
- Verificação pergunta: “essa informação ainda é válida?”
- Continuidade de intenção pergunta: “que intenção histórica deve influenciar esta tarefa, agora?”
O ponto central é que a maioria dos sistemas atuais otimiza apenas a primeira pergunta e ignora as outras duas. Por isso seguem entregando código que quebra silenciosamente uma decisão tomada semanas atrás.
Os números do experimento
O autor construiu um sistema completo em Python puro — sem embeddings, sem banco vetorial e sem nenhuma chamada de LLM no pipeline — para isolar o mecanismo de verificação. Num histórico sintético com 70 interações, 12 requisitos plantados e 8 tarefas, os resultados foram:
- Sem memória (baseline): 0 de 8 tarefas corretas.
- Busca lexical simples: recall médio de 57% e 4 de 8 tarefas.
- Busca consciente de intenção (com verificação): recall de 100% e 8 de 8 tarefas.
Um detalhe importante: a versão com verificação usou cerca de 28% mais tokens do que a busca simples — o ganho não vem de compressão, e sim de recuperar requisitos que a busca comum simplesmente perde.
A armadilha que quase invalidou o estudo
O autor também admite um erro quase fatal no desenho original: ele havia definido as relações entre componentes “por tarefa”, o que na prática entregava a resposta certa disfarçada de regra de busca. Ao remover essa dica e rodar de novo, o resultado caiu de 8/8 para 6/8 — prova de que a dica fazia o trabalho pesado. A correção foi usar um esquema de domínio único, aplicado uniformemente a todas as tarefas.
Por que isso importa
Para equipes brasileiras que usam agentes de código em projetos longos — refatorações de várias semanas, codebases cheios de decisões antigas — o recado prático é duplo. Primeiro, jogar mais contexto no modelo não resolve o problema de “esquecer” regras enterradas no histórico. Segundo, vale a pena investir numa camada de verificação que decida, antes de entregar contexto ao agente, se uma regra antiga foi substituída por outra mais nova.
O código completo está disponível no GitHub, e o autor afirma que todos os números vêm de execuções reais de run_experiment.py, sem dados simulados.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
