O Problema da 'Amnésia' Digital

Imagine que você está trabalhando em um projeto complexo de software ou em um planejamento estratégico detalhado com a ajuda de uma inteligência artificial. Você passa horas explicando a arquitetura, as ferramentas escolhidas e, principalmente, os motivos pelos quais descartou certas opções. No dia seguinte, ao retomar a conversa, a IA sugere justamente aquilo que você já havia rejeitado. Frustrante, não é? Esse fenômeno é conhecido como o limite da 'janela de contexto'.

Atualmente, ferramentas poderosas como o Claude Code sofrem de três falhas principais em conversas longas: quando a sessão cresce demais, o sistema descarta automaticamente as partes antigas (compactação); ao iniciar uma nova sessão, você é forçado a reexplicar tudo; e compromissos técnicos importantes acabam enterrados no histórico, tornando-se irrecuperáveis. É para resolver esse 'esquecimento' que surge o Sanma, um projeto que promete dar uma memória persistente para IA.

Sanma: A Memória que Resiste ao Tempo

O nome 'Sanma' vem de um peixe japonês (sauri-do-pacífico), conhecido por ser lembrado com carinho mesmo após o fim de sua temporada. Na prática, o Sanma funciona como um upgrade de memória para o Claude Code. Ele não depende da memória volátil da conversa atual; em vez disso, ele cria uma estrutura de dados no seu próprio disco rígido que armazena fatos relevantes de forma organizada.

O Sanma mantém uma árvore de conhecimento por projeto no disco e traz os fatos relevantes de volta ao contexto em cada turno — mantendo discussões de longa duração coerentes através de compactações, reinicializações e trocas de projeto. — Ryosuke Kawai, pesquisador independente e criador do projeto.

O grande diferencial é que a IA principal (como o modelo Opus ou Sonnet) nem precisa saber que o sistema existe. O Sanma trabalha nos bastidores, injetando as informações necessárias como 'contexto adicional' a cada nova interação. É como se a IA tivesse um assistente pessoal que sussurra no ouvido dela: 'Ei, lembre-se que o cliente não quer usar bancos de dados SQL neste projeto'.

O Conceito da Árvore de Conhecimento e a 'Massa' dos Fatos

Para organizar tanta informação sem sobrecarregar o sistema, o Sanma utiliza uma estrutura inspirada em um artigo científico sobre 'Convergência Geométrica'. Ele organiza os dados em três níveis:

• Sol (Sun): O núcleo central do projeto.
• Planetas (Planets): Subtópicos ou módulos específicos.
• Satélites (Satellites): Fatos granulares e detalhes técnicos.

O sistema utiliza um conceito fascinante chamado 'massa'. A massa de um 'planeta' é determinada pela quantidade de informações (satélites) acumuladas sob ele. Isso serve como um indicador de quão profundamente o usuário interagiu com aquele tema. Na hora de decidir o que lembrar para a IA, o sistema prioriza os tópicos com maior 'massa', garantindo que as preocupações mais discutidas e fundamentais nunca sejam esquecidas, mesmo que tenham sido mencionadas semanas atrás.

Impacto Prático: Menos Explicação, Mais Execução

Para o profissional brasileiro, seja um desenvolvedor de software, um analista de dados ou um gestor de projetos, o impacto da memória persistente para IA é imediato na produtividade. Imagine os seguintes cenários:

• Desenvolvimento de Software: Um programador decide usar uma biblioteca específica por causa de uma limitação de hardware. Com o Sanma, a IA nunca mais sugerirá trocar essa biblioteca, pois ela 'lembra' da decisão técnica tomada no início do mês.
• Continuidade de Trabalho: Ao alternar entre diferentes projetos durante o dia, você não precisa gastar 10 minutos 'situando' a IA em cada troca. O Sanma detecta a pasta do projeto e carrega instantaneamente o mapa de fatos correspondente.
• Segurança e Privacidade: Como os dados são armazenados localmente em arquivos JSON, o profissional tem controle total sobre o que a IA está lembrando, podendo apagar segredos ou chaves de API que não devem ficar registrados.

Como a Tecnologia Funciona nos Bastidores

O Sanma utiliza dois 'hooks' (ganchos de software) que rodam automaticamente a cada mensagem enviada. Ele utiliza modelos leves, como o Haiku 4.5 e o Sonnet 4.6, para processar e extrair fatos em segundo plano. Esse processo adiciona um atraso mínimo (cerca de 1 a 2 segundos), mas economiza horas de re-trabalho humano.

Embora seja uma ferramenta técnica que exige Python 3.11 e o uso de linha de comando, ela representa um salto na forma como interagimos com agentes autônomos. O projeto, que está com patente pendente no Japão, mostra que o futuro da IA não está apenas em modelos maiores, mas em sistemas que saibam gerenciar o que é realmente importante para o usuário humano ao longo do tempo.

Fonte: GitHub (https://github.com/rkceve/Sanma)