Aprendizado

Como um agente transforma conversas confiáveis em memória e habilidades que duram, como enxergar o que ele já aprendeu, e como manter esse conhecimento arrumado.

Transformando conversa em conhecimento

Um agente aprende sozinho, através de um ciclo de “reflexão” que transforma conversas em conhecimento duradouro por conta própria. Só que ele só aprende com conversas confiáveis, então a conversa de um cliente com um bot de atendimento jamais vira memória.

Quem conta como confiável

Isso é definido por uma lista de permissões chamada trainers, uma para cada bot:

É a mesma convenção de lista de permissões usada em todo o Pepe: ["*"] é todos, [] é ninguém, [itens] é exatamente aqueles, e deixar o campo de fora (ou usar null) volta ao padrão dele.

pepe gateway telegram add support --token $T --agent helper --trainers none
# um bot de cliente que nunca aprende; seu bot pessoal de DM (sem --trainers) continua aprendendo normalmente

É essa mesma lista que controla quem pode usar /learn e trocar de modelo por canal. Veja Canais para saber onde trainers é configurado em cada conexão.

Memória e habilidades não se misturam

Depois de uma sessão confiável, o agente relê a conversa e atualiza duas coisas mantidas separadas de propósito:

• Memória é sobre você: mora em USER.md, MEMORY.md e people.md, e fica enxuta porque o agente prefere consolidar a ir empilhando.
• Habilidades são sobre técnica: o revisor prefere enriquecer uma habilidade já existente a criar uma nova e estreita.

Para achar algo pontual sem precisar ler o arquivo inteiro, o agente conta com a ferramenta memory_search: uma busca simples, sem diferenciar maiúsculas de minúsculas, nas próprias entradas de MEMORY.md, USER.md e people.md, cada resultado já indicando de qual arquivo veio. Ela procura as palavras em si, não o sentido delas, sem fazer nenhuma chamada a modelo ou a API, então não custa nada nem atrasa nada: o encaixe certo para uma memória mantida pequena de propósito.

Essa revisão roda em segundo plano, com acesso restrito só à gestão de arquivos e habilidades, sem shell e sem rede: ela mexe no workspace e em mais nada, deixando a sessão ativa completamente intocada. Ela dispara em três momentos: no /compact, na ociosidade (uns 90 segundos depois do último turno), e sob demanda com /learn (no Telegram e no console).

Enxergando o que foi aprendido: o TimeLearn

O TimeLearn põe numa linha do tempo tudo o que um agente aprendeu, habilidades (🧠) e entradas de memória (📝), das mais recentes para as mais antigas, cada uma com sua origem e data.

pepe timelearn assistant         # no terminal

Essa mesma linha do tempo aparece na aba Learning do painel, com um seletor de agente. A divisão de trabalho é simples: quem produz é a reflexão, quem exibe é o TimeLearn.

Consolidação

A revisão de cada conversa já mantém a memória enxuta no dia a dia, mas cada execução só enxerga a própria sessão. Depois de muitas conversas, ainda dá para acumular sobreposição na memória de um agente.

Por isso existe a consolidação, uma faxina independente: sem nenhuma conversa pela frente, o agente relê toda a sua memória e habilidades permanentes e organiza tudo, fundindo duplicatas, descartando linhas obsoletas ou contraditórias e combinando habilidades que se sobrepõem, sem perder nenhum fato duradouro pelo caminho. Usa esse mesmo revisor restrito a arquivos.

pepe learn consolidate assistant              # roda uma passada agora
pepe learn auto assistant                     # agenda para toda noite (padrão 0 3 * * *)
pepe learn auto assistant --at "0 */12 * * *" # ou um horário personalizado
pepe learn auto assistant --off               # desliga o agendamento
pepe learn status                             # quais agentes consolidam por agendamento

No painel, a aba Learning traz um botão Consolidate now e um interruptor Nightly. O agendamento noturno vira uma entrada gerenciada na página de Tarefas agendadas (um job consolidate), e cada passada fica registrada como qualquer outra execução, disponível para reprodução nos Traces do painel. Veja Painel.