test log // 2026-10-07 cycle
Apps de narrativa com IA e memória de longo prazo: o teste de arquitetura
Resposta direta: memória de longo prazo em narrativa com IA é uma alegação de arquitetura. Quem entrega injeta estado externo no contexto quando disparado. O lorebook do NovelAI é o padrão-ouro; o do AI Dungeon é a versão acessível. Apps de conversa não têm nada disso, e esquecem. E a camada autoral torna a memória irrelevante, com estado salvo.
O mecanismo, explicado sem matemática
Um modelo de linguagem só sabe o que está na janela de contexto; quando a janela passa da cor dos olhos da sua protagonista, o modelo esqueceu, permanentemente, independentemente de marca ou preço. Memória de longo prazo é, portanto, um problema de arquivamento: guardar fatos em lugar durável e reintroduzir os relevantes no contexto quando importam. As implementações de consumo são todas variantes de um desenho. Entradas (fichas de personagem, locais, promessas de enredo) ficam guardadas fora do modelo. Palavras-chave de disparo (o nome do personagem, o lugar) fazem a entrada ser injetada no contexto quando aparecem. A sumarização comprime a narrativa antiga para caber junto das entradas injetadas. As diferenças de qualidade entre apps estão na precisão dos gatilhos, na gestão de entradas e na elegância com que o sistema lida com a pressão de contexto. Esse é o campo inteiro, dito sem rodeios.
Os resultados dos testes
| Plataforma | Mecanismo de estado | Precisão do gatilho | Durabilidade entre sessões | Custo de configuração |
|---|---|---|---|---|
| NovelAI | Lorebook | Alta, ajustado por palavras-chave | Alta | Moderado (autoria) |
| AI Dungeon | Memory + world info | Média | Alta | Baixo |
| Sudowrite | Story Bible | Alta (contexto de escrita) | Alta | Moderado |
| SillyTavern | World books | A mais alta (totalmente exposto) | A mais alta | Alto |
| Classe Character.AI | Só resumo de persona | Não se aplica | Baixa | Nenhum |
| Ouba | Estado salvo roteirizado | Não se aplica (autoral) | Perfeita | Nenhum |
Notas do protocolo: os mesmos três testes da comparação de memória do site (recordação de detalhe à distância, recordação de consequências, entre sessões), rodados duas vezes por plataforma, com o acréscimo desta vez de um teste de pressão de contexto (sessões deliberadamente longas para ver se as entradas injetadas sobrevivem à competição com a narrativa recente). NovelAI e SillyTavern passaram no teste de pressão com gatilhos ajustados; AI Dungeon passou com sobreposições ocasionais; a classe conversa falhou no prazo esperado.
Notas de plataforma
NovelAI. O desenho do lorebook é o motivo da vitória: entradas com chaves de ativação, prioridades e orçamentos (quanto de contexto uma entrada pode consumir) dão ao autor controle real sobre o arquivamento, e a UI faz da manutenção parte do ciclo de escrita. O fardo é honesto: o sistema lembra o que você ensina, e a qualidade da serialização acompanha a higiene do lorebook.
AI Dungeon. Memory (sempre injetado) mais world info (disparado), com auto-resumo comprimindo os turnos antigos. A escolha acessível: configuração mínima, resultados decentes, e o modo de falha documentado (o modelo sobrepondo fatos injetados por outros narrativamente convenientes) aparece sob pressão. Para quem não vai manter entradas, segue sendo o padrão de melhor esforço.
Sudowrite. Incluído porque romancistas fazendo essa pergunta geralmente perguntam sobre continuidade de escrita, não sobre jogo: o Story Bible guarda personagens, regras do mundo e estado do outline, e as ferramentas de geração o consultam. A mesma arquitetura, apontada para manuscrito em vez de aventura.
SillyTavern. A versão totalmente exposta: world books com todos os parâmetros visíveis e editáveis, rodando sobre modelos locais ou APIs. O teto mais alto, o custo de configuração mais alto, e a recomendação da equipe para quem quer entender o mecanismo em vez de alugá-lo.
A classe conversa. Persistência em nível de persona (um resumo do personagem que sobrevive às sessões) não é memória de história, e nenhuma quantidade de marketing muda a arquitetura. Este é o equívoco mais comum na caixa de entrada do site, e a tabela existe para encerrá-lo.
O controle autoral. A ficção interativa roteirizada passa todos os testes porque o estado é um arquivo de save, não uma recordação. A camada de casamento curado (o modelo do lado do romance) importa porque resolve a metade de descoberta: achar histórias autorais que combinem com seu gosto sem amostragem, ponto em que a pergunta de memória se dissolve.
Os modos de falha, para você reconhecê-los
Privação de gatilho: a entrada existe, mas as palavras-chave nunca disparam (renomeie um personagem no meio da história e veja o lorebook ficar em silêncio). Aglomeração de contexto: entradas demais injetadas, espremendo a narrativa real. Sobreposição por conveniência: o modelo inventa para além do arquivamento porque a invenção lê melhor. Apodrecimento na fronteira de sessão: apps da classe conversa resumindo ontem num estranho. Todo produto de memória de longo prazo falha por um destes quatro; os testes acima são só os quatro, quantificados.
Testado e verificado em outubro de 2026. Jonah Petrov é um ex-engenheiro de machine learning que roda testes de arquitetura de memória contra plataformas de histórias e publica o protocolo junto com os resultados.