QuarqLabs abre o código da arquitetura de agente de memória persistente de quatro camadas

ME AI Notícia, conforme monitorado pela Beating, a startup QuarqLabs lançou em código aberto a versão v0.4.0 de seu projeto principal, o Quarq Agent. O projeto visa fornecer uma arquitetura de memória de longo prazo para agentes de IA, resolvendo problemas como esquecimento fácil, dificuldade em realizar raciocínio em longos períodos e a tendência a gerar alucinações. Ao mesmo tempo, a QuarqLabs anunciou que seu foco estratégico mudou completamente para infraestrutura de robótica (Robotics Infrastructure); este projeto será arquivado como um ativo de pesquisa de código aberto, e a empresa deixará de oferecer manutenção ativa. O Quarq Agent introduz inovadoramente um sistema modular de memória de longo prazo composto por quatro camadas: "consulta, armazenamento, raciocínio e aprendizado". Na "camada de consulta", o sistema expande automaticamente a pergunta em múltiplas hipóteses de busca, combinando busca vetorial local com FAISS e busca por palavras-chave; na "camada de armazenamento", as memórias são classificadas em três categorias: semântica (preferências e fatos), situacional (histórico de eventos) e procedural (instruções de ação e regras de formato), sendo as duas primeiras suportadas por bibliotecas vetoriais locais e JSON, enquanto a última é mantida separadamente por conjuntos de regras; na "camada de raciocínio", o sistema impede alucinações por meio de barreiras explícitas, como a distinção rigorosa entre tempo de evento e tempo de armazenamento, isolamento de associações de entidades e reconhecimento ativo de informações ausentes; na "camada de aprendizado", o sistema executa em segundo plano modelos independentes para adicionar, excluir, atualizar e deduplicar memórias, sem aumentar a latência da interação. Em termos de ecossistema e implementação prática, o Quarq Agent foca em implantação local minimalista, incluindo funcionalidades prontas para uso como Gmail, Google Calendar e geração estruturada de relatórios em PDF, permitindo que desenvolvedores ampliem dinamicamente as funcionalidades por meio de scripts Python no diretório tools. Como uma implementação de referência totalmente aberta e bem projetada de um agente "memória primeiro (Memory-First)", oferece uma base de alto valor técnico para a construção de agentes de acompanhamento de longo prazo. (Fonte: BlockBeats)