Ferramenta dá memória permanente aos agentes de código que você já usa

Quem trabalha com assistentes de inteligência artificial para programar (agentes de código como Claude, Codex ou Hermes, que ajudam desenvolvedores escrevendo e depurando programas) conhece o problema: cada sessão começa do zero. O agente não se lembra do que tentou na terça-feira passada, nem por que uma abordagem foi abandonada. Segundo a equipe da Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados), esses assistentes já produzem o registro necessário — cada busca no código, cada erro, cada mudança de direção fica gravada nas sessões —, mas esse histórico vira um arquivo morto impossível de consultar.

A empresa lançou agora o Funes, uma ferramenta de código aberto que transforma essas sessões em memória durável e consultável. Instalado com um único comando no terminal, o Funes indexa automaticamente cada turno de conversa com o agente, organizando decisões, achados e raciocínios em um formato que o próprio assistente consegue buscar depois. A indexação acontece localmente, no computador do usuário, sem enviar dados para servidores externos. O sistema usa modelos de embeddings (algoritmos que convertem texto em números para permitir buscas por significado, não apenas por palavras exatas) rodando na própria máquina.

O diferencial está no alcance: a memória funciona entre diferentes agentes e diferentes computadores. Um desenvolvedor pode começar uma tarefa no Claude, continuar no Codex dias depois em outro computador, e o segundo agente recupera o raciocínio do primeiro. Para isso, o Funes permite vincular a memória a um dataset (conjunto de dados organizado) privado na Hugging Face, que funciona como um repositório sincronizado. Cada novo turno indexado localmente é publicado no dataset, e qualquer máquina conectada a ele enxerga o histórico completo. Credenciais e segredos são removidos antes de qualquer publicação.

A Hugging Face testou a ferramenta em duas tarefas que exigiam recuperar informações de sessões anteriores e comparou três estratégias: deixar o agente compactar o histórico sozinho (o padrão da maioria dos assistentes), escrever um resumo manual para começar uma nova sessão, ou usar a recuperação via Funes. A compactação funcionou em apenas uma das tarefas — na outra, o resumo automático perdeu achados importantes. A recuperação foi a mais barata das três, custando oito vezes menos que a compactação bem-sucedida e chegando à resposta correta em ambos os casos. A empresa publicou a memória do próprio desenvolvimento do Funes como um dataset público, permitindo que qualquer pessoa pergunte por que a ferramenta funciona do jeito que funciona sem precisar criar uma memória própria.