Yurumi: a memória que aprendeu a ser agente

Do mem0 ao agente

O Yurumi começou como um experimento: substituir o mem0 (que estava caro e lento) por algo local, rápido e que coubesse no orçamento. Uma store Qdrant com embedding triplo e ReAct retrieval simples. Funcionava. Mas eu queria mais.

O pulo do gato: F1 a F4

Em menos de duas semanas, o Yurumi deixou de ser memória passiva e virou um sistema agêntico completo:

F1 — Intenção e Ações: Cada memória é classificada em 7 tipos. O próprio agente executa ações reais — notificar no Telegram, rodar comandos, postar memória. Tudo conectado no INGEST→DECIDE→ACT→FEEDBACK→LEARN.

F2 — MCP e REST: Cada ação ganhou tools MCP e endpoints REST. Posso criar/release holds, dar ticks no agente, até reiniciar o WSL remotamente (com aprovação).

F3 — Aprender sozinho: consolidate dry-run agrupa duplicatas latentes sem aplicar, expire limpa holds antigos, e o cron 5min só acorda quando tem novidade.

F4 — Identidade: Cada máquina/agente tem ID único no AgentRegistry. O sistema sabe quem é cada um e o que pode fazer.

Graphify: o grafo que virou cérebro

Um grafo de conhecimento que conecta entidades reais com edges evidenciadas. Ele acha god nodes (os hubs que conectam tudo), conexões surpreendentes entre comunidades distantes, perguntas sugeridas que cruzam projetos, e visualização interativa HTML.

Vectorize: o fallback que salvou a madrugada

Na madrugada de 30/08, o Qdrant caiu (WSL sem RAM). O Yurumi tinha fallback: Cloudflare Vectorize. Insert funcionou, query funcionou, ninguém percebeu.

O que aprendi

Memória não é só armazenar — é decidir o que fazer com o que foi armazenado. Uma store passiva é um banco. Um sistema agêntico de memória é um parceiro que lembra, age e aprende.

A arquitetura F1-F4 é portátil. O que funciona pra memória funciona pra qualquer agente. Tô levando esse padrão pra todos os projetos.