Memória Relacional para LLMs: Sistema de Três Camadas Modela Relações do Usuário

Relational Memory é um protótipo Python de 500 linhas que adiciona memória consciente de relacionamento a LLMs como Claude Opus e GPT-4o. Em vez de armazenar fatos sobre os usuários, ele modela o próprio relacionamento em sete dimensões psicológicas derivadas de modelos estabelecidos.

Como Funciona

Após cada sessão, um LLM secundário (Claude Haiku) analisa a conversa completa e pontua o relacionamento em sete dimensões: formalidade, calor, humor, profundidade, confiança, energia e resiliência. O sistema usa média móvel exponencial (EMA) para atualizações, dando mais peso às sessões recentes enquanto mantém o contexto histórico.

Estrutura de Memória de Três Camadas

A cada cinco sessões, um "agente de tempo de sono" consolida a memória em três camadas narrativas:

• Tom Base: Um retrato de quem o usuário é (duração: meses)
• Padrões: Regras comportamentais do tipo "se-então" como "quando a IA fica superficial, o usuário reage com perguntas mais afiadas" (duração: semanas)
• Âncoras: Pontos de virada que moldaram o relacionamento (retenção de longo prazo)

Os arquivos de memória são armazenados como markdown simples que os usuários podem ler diretamente. O sistema intencionalmente esquece padrões não suportados por dados recentes para evitar a ilusão de recordação perfeita.

Característica Principal: Dimensão de Resiliência

Resiliência rastreia quanto atrito honesto o relacionamento pode suportar. Com alta resiliência, a IA resiste quando discorda. Com baixa resiliência, ela enquadra desafios como perguntas. Isso permite que a IA saiba não apenas as preferências do usuário, mas se eles podem lidar com serem informados de que estão errados.

Implementação Prática

Instalação e configuração:

pip install git+https://github.com/spectator81-png/relational-memory.git
export ANTHROPIC_API_KEY=sk-ant-...
relational-memory --mode flat  # para comparação A/B
relational-memory --provider openai  # para GPT-4o

A ferramenta suporta tanto as APIs da Anthropic quanto da OpenAI sem dependências além de seus respectivos SDKs. Foi testada com uma pessoa ao longo de sete sessões, mostrando diferenças notáveis nas respostas da IA entre os modos com memória habilitada e desabilitada.

Exemplos de Respostas

Sem memória relacional, quando um usuário diz "Estou perdido. Muitas ideias, não sei qual vale a pena seguir", a IA responde com conselhos genéricos sobre anotar ideias e escolher a que oferece menor resistência.

Com memória relacional habilitada, a IA responde: "Eu sei isso sobre você. Você não pensa em categorias pequenas. Mas 'qual vale a pena' pode ser a pergunta errada. Qual ideia não te deixa em paz à noite?"

As sete dimensões do relacionamento foram derivadas de seis modelos psicológicos estabelecidos: Interpersonal Circumplex, PRQC, Russell Circumplex e outros. Quatro dimensões vêm diretamente da literatura existente, uma foi adaptada para o contexto humano-IA e duas são novas.