No grafo, cada nó é uma entidade e cada aresta é uma relação. Um agente navega o contexto — da pessoa ao contrato, ao ticket, ao pagamento — como um humano faria.
Memory é o produto de entrada mais natural para novos clientes. A dor de não ter visão unificada do cliente é universal — todo gestor entende o problema em 30 segundos.
Por que Memory existe
Agentes de AI sem memória tomam decisões no escuro. O problema não é o modelo de linguagem — é o contexto que o agente recebe. Sem Memory:- O agente “esquece” o que foi acordado na última interação
- Cada atendimento começa do zero, sem histórico
- Dados sobre o mesmo cliente estão espalhados em 3, 4, 5 sistemas
- O analista passa 30–45 minutos montando contexto manualmente antes de cada interação
- O agente conhece profundamente cada entidade antes de qualquer decisão
- Contexto completo: histórico de interações, contratos, transações, alertas
- Dados de múltiplas fontes consolidados em um único perfil
- Zero alucinação sobre fatos da entidade — o contexto é factual
Como funciona: Entity Resolution + Grafo
A Memory é sustentada por dois componentes:1. Entity Resolution (ER)
Descobre que “M. Silva” na tabela de leads, “Maria Silva (mari@emp.com)” no CRM e o+552199990000 no WhatsApp são a mesma pessoa.
- Matching determinístico: CPF, CNPJ, email normalizado, telefone padronizado. Resolve 60–80% dos casos.
- Matching probabilístico: Comparação fuzzy de nome (Jaro-Winkler), endereço (TF-IDF) e razão social para os restantes.
- Bypass via
external_id: Se sua empresa já tem um ID unificado nos sistemas, a Memory usa essa chave diretamente e pula o ER — onboarding mais rápido.
2. Grafo de Entidades (FalkorDB)
Após a resolução de identidade, os perfis são armazenados como grafo no FalkorDB:- Nós: Entidades (cliente, empresa, contrato, produto)
- Arestas: Relacionamentos (Maria
TRABALHA_NATechCorp, TechCorpTEM_CONTRATOGrowth) - Timeline: Eventos conectados à entidade (tickets, interações, transações, reuniões) em ordem cronológica
GraphRAG — Contexto expandido por relações
O diferencial da Memory não é saber tudo sobre uma entidade — é saber tudo sobre o ecossistema dessa entidade. Sem GraphRAG (lookup simples):“Maria Silva, plano Growth, 3 tickets nos últimos 30 dias.”Com GraphRAG (traversal de relacionamentos):
“Maria Silva, CTO da TechCorp (12 funcionários na plataforma). TechCorp tem 3 contratos ativos. Nos últimos 30 dias: Maria abriu 3 tickets, colegas dela abriram 7 — 4 sobre o mesmo módulo. A empresa está no Q4 de renovação.”A profundidade de expansão é configurável por request:
Como os dados chegam ao grafo
clean/ do Catalog e atualiza os nós e arestas no FalkorDB.
Como explorar o grafo no Console
Acesse Memory no menu lateral para visualizar e explorar as entidades:1
Visualize entidades
Em Memory → Entities, veja todas as entidades consolidadas com status de completude do perfil.
2
Inspecione um perfil
Clique em qualquer entidade para ver o perfil completo: atributos consolidados de todas as fontes, timeline de eventos e rede de relacionamentos.
3
Explore o grafo visual
Use o Graph Explorer para navegar pelas relações entre entidades — quais empresas estão conectadas, quais contratos pertencem a quais clientes.
4
Revise entidades na fila
Em Memory → Review Queue, aprove, edite ou rejeite entidades extraídas com confiança abaixo do threshold configurado.
Formas de consumo
Templates de contexto
O contexto entregue ao agente é formatado via templates Jinja2 configuráveis por tipo de entidade e caso de uso, versionados no Workspace Git:- Template de vendas: MRR, contratos ativos, data de renovação, pipeline aberto
- Template de suporte: Tickets recentes, SLA, histórico de incidentes, sentimento
- Template financeiro: Inadimplência, transações, limites de crédito
Capacidades enterprise
Além da resolução de identidade e do grafo, o Memory carrega propriedades que sustentam o uso em produção:Casos de uso validados
Fintech — Visão 360° para renegociação de crédito
Fintech — Visão 360° para renegociação de crédito
Analistas de crédito consultam 4 sistemas separados para montar o contexto de uma renegociação. Com Memory, o perfil consolidado (contratos + pagamentos + interações + alertas) está disponível antes de o agente atender.
SaaS B2B — Customer Success sem perda de contexto
SaaS B2B — Customer Success sem perda de contexto
Quando um CS assume uma conta, leva 1–2 semanas para entender o histórico. Com Memory, o perfil vivo da conta (reuniões passadas, NPS, compromissos assumidos, renovações) está acessível no primeiro dia.
Cooperativa de Crédito — Defesa de crédito automatizada
Cooperativa de Crédito — Defesa de crédito automatizada
Gerentes de agência montam defesas de crédito para aprovação na sede. Com Memory consolidando o histórico completo do associado, uma Skill monta automaticamente o checklist da defesa.
Telecom — Atendimento omnichannel
Telecom — Atendimento omnichannel
O cliente com múltiplos produtos existe em sistemas que não se comunicam. Memory cria uma camada de contexto unificado sobre todos os sistemas — cada ponto de atendimento acessa o relacionamento completo.
Próximos passos
Configurar ontologia
Defina quais tipos de entidades e atributos o Memory deve rastrear.
NER Review
Revise e aprove entidades extraídas automaticamente pelo pipeline de NER.
Memory API
Consulte entidades programaticamente via API REST.
MCP Server
Exponha a Memory para agentes externos via Model Context Protocol.