Como podem coexistir a memória partilhada e a memória pessoal num agente de IA familiar?
A memória partilhada e pessoal pode coexistir num único agente de IA familiar quando a memória é modelada como registos com âmbito, proprietários e regras de acesso explícitos, em vez de uma única transcrição ou coleção de vetores para toda a casa.
O problema arquitetural não é saber se várias pessoas podem consultar o mesmo modelo. É saber se o fluxo de memória consegue distinguir um facto doméstico de uma preferência privada no momento da gravação, preservar essa distinção no armazenamento, aplicá-la durante a recuperação e removê-la ou substituí-la sem alterar o estado de outra pessoa.
A Memória Familiar Precisa de Mais do Que um Âmbito
Um design útil separa, pelo menos, a memória pessoal, a memória doméstica partilhada intencionalmente e o estado temporário da sessão. “O modelo da máquina de lavar é X” pode ter âmbito doméstico, enquanto “Prefiro o quarto a 19 °C” deve normalmente permanecer associado à pessoa que o expressou. As suposições da sessão não devem passar silenciosamente para nenhum dos âmbitos persistentes.
Um estudo de 2026 sobre uma estrutura de memória multiutilizador descreve configurações de memória privada, partilhada e governada, em vez de tratar a memória multiutilizador como um único armazenamento indiferenciado. A principal implicação para o design de um agente doméstico é que a partilha é uma decisão de política associada a uma memória, não um efeito secundário de vários utilizadores apontarem para a mesma base de dados.
A fronteira do âmbito deve ser aplicada antes da recuperação. Se o sistema obtiver as memórias de todos e pedir ao modelo de linguagem para “ignorar as privadas”, o isolamento já falhou. O modelo só deve receber registos que o utilizador autenticado e o contexto doméstico atual estejam autorizados a utilizar.
O Proprietário, a Proveniência e a Confiança Devem Acompanhar a Memória
Uma preferência persistente deve registar quem a declarou, de onde veio, se foi explícita ou inferida, quando foi observada e se existe um registo mais recente que a substitua. Sem proveniência, um agente familiar não consegue distinguir uma instrução direta de um padrão fraco inferido a partir do comportamento de uma única pessoa.
A análise da Oracle em 2026 sobre memória tipada multi-inquilino defende uma identidade explícita do inquilino e o isolamento ao nível do esquema, em vez da dependência de convenções no prompt. Uma implementação doméstica é menor, mas aplica-se a mesma lição de modelação de dados: os identificadores do utilizador e do agregado familiar devem ser armazenados com o registo e aplicados abaixo da camada do prompt.
O artigo relacionado da ZimaSpace sobre preferências domésticas incorretas aborda o que acontece quando o comportamento inferido se transforma numa verdade partilhada. A arquitetura aqui apresentada evita essa falha ao tornar explícita a transição do estado pessoal ou inferido para a memória doméstica.
A Política de Recuperação É o Ponto Onde a Mistura de Memórias Normalmente Se Torna Visível
Dois armazenamentos corretamente separados podem ainda divulgar dados entre si se uma consulta de recuperação omitir o filtro do utilizador, uma chave de cache ignorar a identidade ou um espaço de pesquisa semântica partilhado devolver registos antes da filtragem de autorização. Por isso, o isolamento da memória tem de acompanhar o pedido durante a pesquisa, a reordenação, a colocação em cache e a construção do prompt.
Um padrão de implementação de 2026 para a recuperação de memória por utilizador demonstra uma recuperação de memória delimitada por inquilino, na qual cada utilizador vê o seu próprio estado, enquanto a aplicação pode continuar a operar um único serviço de memória partilhado. O mecanismo importante não é a biblioteca específica; é associar o espaço de recuperação a uma identidade fidedigna, e não ao texto fornecido pelo modelo.
A memória partilhada deve ser adicionada como um segundo âmbito autorizado, não como alternativa quando a recuperação pessoal não devolve resultados. Esta distinção impede que “não há informação conhecida sobre este utilizador” se transforme em “use a preferência de outra pessoa”. A ausência de um facto pessoal é mais segura do que uma substituição acidental entre utilizadores.
A Eliminação e a Resolução de Conflitos Provam Se os Âmbitos São Reais
Um sistema familiar acaba por encontrar preferências contraditórias, utilizadores que saíram de casa, factos corrigidos e pedidos de eliminação. Se a memória de uma pessoa não puder ser removida sem eliminar conhecimentos domésticos partilhados — ou se um facto partilhado não puder ser revisto sem reescrever históricos privados —, o modelo de armazenamento original não tinha realmente âmbitos separados.
A análise da WorkOS sobre autorização granular da recuperação mostra por que motivo o controlo de acesso deve acompanhar os dados durante a recuperação, em vez de ser verificado apenas no início de sessão. Para a memória familiar, o mesmo ponto de aplicação permite que as regras de eliminação e visibilidade por registo continuem eficazes quando as memórias são transformadas em embeddings ou recuperadas semanticamente.
Teste a arquitetura com duas contas familiares e uma conta doméstica. Escreva preferências contraditórias, promova um facto para o âmbito partilhado, revogue o acesso de um utilizador, elimine o registo privado desse utilizador e, em seguida, faça consultas com cada identidade. O design só é aprovado quando os factos partilhados permanecem disponíveis, as preferências pessoais nunca atravessam contas e a eliminação remove a memória pretendida sem perdas colaterais.
Produtos recomendados
Centro de Tecnologia e IA
Mais para Ler
Como afeta a redução da frequência de amostragem de séries temporais a deteção de anomalias em casas inteligentes?
Veja como a largura dos intervalos, a agregação, o anti-aliasing, os dados em falta, a duração dos eventos e a retenção multiescala alteram a...
Como é que uma grelha de ocupação combina sinais fracos de uma casa inteligente?
Saiba como células espaciais, modelos de sensores, atualizações de log-odds, decaimento, evidências correlacionadas e limiares transformam sinais domésticos fracos em estimativas de ocupação.
Como é que a normalização fotométrica afeta o agrupamento privado de rostos?
Veja como a correção da iluminação altera recortes faciais, embeddings, distâncias entre clusters, limiares, sobre-normalização e a avaliação da pesquisa privada de fotografias.
