Agentes de IA não têm
memória persistente
Quando agentes de IA operam entre sessões, projetos e equipes, perdem contexto constantemente. Toda conversa começa do zero. O conhecimento institucional fica preso em interações individuais, sem nunca se acumular em inteligência organizacional.
Sem contexto persistente
Cada sessão de agente começa em branco. Decisões anteriores, contexto e conhecimento acumulado desaparecem no instante em que a sessão termina.
Sem recuperação estruturada
Mesmo quando o contexto existe em arquivos, os agentes não têm como buscar, ranquear ou recuperar o conhecimento mais relevante para uma consulta.
Sem raciocínio causal
Agentes não conseguem rastrear cadeias de causa e efeito entre entradas de conhecimento. Entender por que algo aconteceu exige reconstrução manual.
Sem governança de acesso
Qualquer agente pode acessar qualquer conhecimento. Não há controles de acesso por agente, por domínio ou por operação para proteger contexto organizacional sensível.
Seis camadas de inteligência
Cada consulta flui por um pipeline de múltiplas camadas. Cada camada adiciona uma compreensão progressivamente mais profunda.
Compilador de Conhecimento
Faz parsing de Markdown com frontmatter YAML, valida 19 campos estruturados e compila em um índice de full-text search com Tantivy. Modo watch permite compilação incremental conforme o conhecimento evolui.
Cache em Múltiplas Camadas
Cache de correspondência exata (MD5, TTL de 60s), cache fuzzy (similaridade Jaccard com limiar de 0.6) e invalidação por geração garantem respostas rápidas e consistentes.
Busca BM25
Busca multi-campo com pesos configuráveis — título 3x, tags 2x, tags de domínio 1.5x. Pontuação composta que combina BM25, confiança, importância e recência.
Grafo Causal
Percorre relações de causa e efeito em até 6 saltos de profundidade. Disparado automaticamente por palavras-sinal causais como 'causado por', 'leva a', 'por que'.
Consultas Temporais
Padrões CurrentState, SinceTimestamp e EventHistory. Disparados automaticamente por palavras-chave como 'atual', 'mais recente', 'desde' e 'histórico'.
Síntese por LLM
Tier 3 opt-in que dispara quando as pontuações de busca caem abaixo do limiar. Sintetiza respostas a partir do conhecimento recuperado usando Claude, com controles completos de governança.
Pipeline de consultas
Cada consulta de conhecimento flui por um pipeline determinístico, com cache e auditável — da correspondência exata à síntese por LLM.
Cada camada faz short-circuit quando um resultado de alta confiança é encontrado — a maioria das consultas resolve no Tier 0 ou 1.
Três modos, qualquer agente
O Engram se adapta ao seu fluxo de agentes. CLI direto, plugin do Claude Code ou corpora ByteRover existentes — uma engine de conhecimento cobre todos.
| Modo | Interface | Caso de Uso |
|---|---|---|
| CLI Direct | compile / query / curate | Local development, CI pipelines |
| Claude Code Plugin | Hook-based (UserPromptSubmit) | Auto-retrieval on every prompt |
| ByteRover Corpus | Transparent field aliasing | Existing knowledge bases |
Construído em Rust, 6 crates
Um workspace Rust modular onde cada preocupação é uma crate própria — compilação de conhecimento, execução de consultas, governança e integração com agentes.
Como a Honto
engenharizou o Engram
O Engram representa o compromisso da Honto com sistemas de IA que acumulam conhecimento ao longo do tempo. Cada decisão de design prioriza precisão na recuperação, desempenho de consulta e governança.
Modelagem do Conhecimento
Definimos 19 campos estruturados de frontmatter cobrindo tipos de fato, níveis de confiança, vínculos causais, metadados temporais e tags de domínio.
Pipeline Multi-Camada
Desenhamos um pipeline de consulta que equilibra velocidade e profundidade — cache exato para consultas repetidas, BM25 para descoberta, grafos causais para compreensão.
Workspace Rust Modular
6 crates independentes, cada uma responsável por uma fronteira de capacidade. 513 testes em 16 arquivos de integração garantem a correção em cada camada.
Lançamento Open-Source
Construído para ser transparente, extensível e orientado à comunidade. Compatibilidade completa com corpora de conhecimento ByteRover existentes.
Precisa de memória persistente
para seus agentes de IA?
O Engram é open-source e pronto para implantar. Para sistemas de conhecimento corporativos, design de ontologia personalizada ou suporte de integração — a equipe de engenharia da Honto está à disposição.