Como uma AI Pode Lembrar Regras Extensas de Construção de Mundo Sem Colá-las Novamente o Tempo Todo?
2026-08-08
Qual É a Melhor Forma de Fazer uma AI Lembrar das Regras do Seu Mundo?
A abordagem mais confiável é combinar três mecanismos distintos: uma camada de memória persistente que mantém fatos entre sessões, uma base de conhecimento anexada que a AI pode consultar sob demanda e instruções personalizadas estruturadas que codificam as regras rígidas do seu mundo. Nenhum recurso resolve isso sozinho — uma grande janela de contexto ajuda dentro de uma única conversa, mas é reiniciada quando você inicia um novo chat, enquanto um banco de dados no estilo códice armazena a mitologia, mas exige que você a insira manualmente nos prompts. Plataformas que combinam os três, incluindo Jenova, Novelcrafter e Claude Projects, resolvem diferentes partes do problema.
Fatores essenciais que determinam se uma AI realmente retém seu mundo:
✅ Persistência entre sessões — a AI lembra do seu mundo amanhã ou apenas nas próximas 40 mensagens? ✅ Recuperação em vez de sobrecarga — ela consegue buscar os 2% relevantes da sua mitologia em vez de reprocessar todas as 60.000 palavras a cada interação? ✅ Aplicação de regras, não apenas lembrança — lembrar que magia custa sangue é diferente de se recusar a escrever uma cena em que isso não acontece ✅ Armazenamento estruturado de entidades — personagens, facções e locais nomeados armazenados como registros distintos que a AI pode consultar ✅ Portabilidade entre modelos — se seu mundo sobrevive quando você muda de um modelo para outro
A distinção mais importante aqui é entre memória e contexto. O histórico de chat armazena o diálogo imediato de uma sessão. A geração aumentada por recuperação pesquisa um repositório estático de documentos. A verdadeira memória persistente é dinâmica — ela aprende, atualiza e segue adiante entre sessões, como explica uma análise comparativa de infraestrutura de memória. Entender em qual camada seu problema de construção de mundo realmente se encontra determina qual ferramenta irá resolvê-lo.
Por Que uma AI Continua Esquecendo Seu Mundo?
O esquecimento da AI tem duas causas separadas, e confundi-las leva escritores a comprar a solução errada. A primeira é a exaustão da janela de contexto — o modelo só consegue manter uma quantidade fixa de texto de cada vez e, quando sua conversa ultrapassa esse limite, o material inicial é descartado ou comprimido. A segunda é o isolamento de sessão — mesmo dentro de uma janela de contexto enorme, fechar o chat e abrir outro faz tudo começar do zero.
🎯 O problema da janela de contexto
Janelas de contexto mais longas ampliam o quanto a AI pode manter em memória de trabalho. Uma comparação de ferramentas de escrita com AI observa que janelas de contexto maiores permitem que a AI trabalhe com documentos mais longos, lembre mais histórico de conversa e mantenha coerência durante textos extensos. Os modelos da Claude oferecem um limite de 200K tokens, que a análise de ferramentas da Kindlepreneur descreve como algo que a torna “muito boa para analisar seu romance atual, gerar material de marketing, criar uma wiki e lidar com instruções longas”.
Mas uma janela maior não é o mesmo que memória. É uma mesa maior, não um arquivo.
📊 O problema da sobrecarga
Mesmo quando você consegue inserir tudo, fazer isso degrada o resultado. A sobrecarga da janela de contexto acontece quando material demais é recuperado de uma vez e o modelo tem dificuldade para sintetizá-lo — um modo de falha documentado em uma análise de sistemas de memória além das janelas de contexto. Colar toda a sua wiki de 40.000 palavras antes de pedir cada cena não torna a AI mais precisa. Isso torna os detalhes relevantes mais difíceis de localizar.
🔄 O problema do isolamento de sessão
Esse é o problema que realmente gera a frustração de “cole tudo novamente”. Estruturas como Microsoft AutoGen incluem gerenciamento de estado, mas essa memória fica vinculada especificamente à sessão, a menos que seja apoiada por um banco de dados persistente externo, segundo a mesma análise comparativa. A distinção técnica é que a maioria das interfaces de chat de AI para consumidores trata cada conversa como um contêiner distinto, sem ponte entre elas.
Pesquisas recentes identificam quatro competências centrais essenciais para agentes de memória: recuperação precisa, aprendizado em tempo de teste, compreensão de longo alcance e resolução de conflitos — uma estrutura apresentada em um artigo de avaliação sobre memória em agentes LLM.
A última — resolução de conflitos — é um requisito subestimado para criadores de mundos. Quando você revisa uma regra na sessão 12 que contradiz o que estabeleceu na sessão 3, o sistema sabe qual delas prevalece?
O Que Você Deve Procurar em uma AI que Retém Regras de Construção de Mundo?
Avalie seis dimensões, ponderadas de modo diferente conforme você esteja criando um romance solo, um cenário colaborativo ou uma campanha de mesa. Esta é a estrutura usada em todas as comparações abaixo.
| Dimensão | O que testar | Por que isso importa para a construção de mundo |
|---|---|---|
| Persistência entre sessões | Feche o chat, abra outro e pergunte sobre uma facção menor | Determina se você cola tudo novamente toda semana ou nunca mais |
| Armazenamento estruturado de entidades | Você consegue guardar “Casa Verrin” como um registro distinto? | Evita a mistura de informações e a variação de nomes |
| Recuperação seletiva | Ela busca apenas as informações relevantes ou despeja tudo? | Afeta diretamente a qualidade do resultado em grande escala |
| Aplicação de regras | Peça que ela quebre uma restrição estabelecida | Lembrança ≠ conformidade; teste isso explicitamente |
| Tratamento de revisões | Altere uma regra no meio do projeto e teste a versão antiga | Mundos evoluem; repositórios estáticos apodrecem |
| Portabilidade entre modelos | Troque o modelo subjacente e verifique a retenção | Evita reconstruir seu mundo a cada atualização |
O teste do custo do esquecimento. Uma forma prática de avaliar qualquer ferramenta: conte quantas palavras de contexto você precisa fornecer novamente antes que a AI produza conteúdo utilizável dentro do mundo. Menos de 50 palavras significa que o sistema está funcionando. Mais de 500 significa que você está fazendo o trabalho de memória por conta própria.
Uma observação específica sobre a aplicação de regras. A maioria dos escritores testa a lembrança — “quem governa Karth?” — e para por aí. O teste mais difícil é a conformidade com restrições. Diga à AI que seu mundo não possui magia de ressurreição e, três sessões depois, peça que ela escreva uma cena em que um personagem morto retorna. Um sistema com retenção real de regras irá questionar o pedido ou encontrar uma alternativa. Um sistema com mera lembrança irá contradizê-lo sem problemas e citará a mitologia que acabou de violar.
Como as Principais Abordagens se Comparam para a Memória de Construção de Mundo?
Há quatro abordagens arquitetonicamente distintas, e elas resolvem metades diferentes do problema. Abaixo está uma comparação de referência entre as dimensões que importam.
| Dimensão | Jenova | Novelcrafter | Claude Projects | Sudowrite | Camada de memória própria |
|---|---|---|---|---|---|
| Memória entre sessões | A memória persistente permanece entre sessões e chats | O Codex persiste no projeto e é inserido a cada prompt | O conhecimento do projeto persiste; memória de conversa é limitada | Story Bible persiste no projeto | Depende inteiramente da implementação |
| Armazenamento estruturado de entidades | Bases de conhecimento e documentos anexáveis | Codex — banco de dados dedicado para personagens, mitologia e locais | Arquivos do projeto (documentos, não registros de entidades) | Story Bible com campos de personagem e construção de mundo | Repositório vetorial ou banco de dados de grafos, criado por você |
| Recuperação seletiva | Recuperação automática da base de conhecimento anexada | Inserção manual/com etiquetas do Codex nos prompts | Recuperação entre arquivos do projeto | Referência automatizada ao Story Bible | Totalmente configurável |
| Flexibilidade de modelos | Multiplataforma — OpenAI, Anthropic, Google, DeepSeek, xAI | Use o que preferir via OpenRouter, LMStudio, Ollama | Apenas modelos Anthropic | Seleção fixa de modelos, incluindo o Muse proprietário | Qualquer modelo |
| Aplicação de regras via instruções | Instruções personalizadas, salváveis e reutilizáveis entre chats | Personalização e clonagem de prompts | Instruções do projeto | Baseado em predefinições | Prompts de sistema personalizados |
| Esforço de configuração | Baixo — anexe documentos e defina instruções | Médio — o Codex exige inserção estruturada de dados | Baixo — envie arquivos ao projeto | Baixo a médio | Alto — exige infraestrutura |
| Preços | Plano gratuito; Plus US$ 20/mês (30× de uso); Premium US$ 50/mês | Cerca de US$ 14/mês no plano Artisan + custos de modelo conforme o uso | Cerca de US$ 17/mês no Pro (cobrança anual) | Cerca de US$ 22/mês no plano Professional | Gratuito (código aberto) + infraestrutura + tempo de engenharia |
| Ideal para | Construção de mundo contínua em múltiplas sessões e formatos — romance, campanha e referência simultaneamente | Escritores que desejam controle manual detalhado sobre exatamente quais informações chegam a cada prompt | Escritores já comprometidos com modelos Anthropic e mitologia baseada em documentos | Escritores de ficção focados primeiro na prosa, que desejam cenas fortes mais do que profundidade de referência | Desenvolvedores criando aplicações personalizadas de construção de mundo |
Os detalhes de preços e recursos refletem o momento da redação e estão sujeitos a alterações.
📚 Novelcrafter: a abordagem de códice
O mecanismo central do Novelcrafter é o Codex — descrito pela Kindlepreneur como “um banco de dados inovador para armazenar todas as informações sobre seu livro, desde personagens até informações importantes do universo”, guardado para que autores possam “acessá-las facilmente e incluí-las nos prompts, para que a AI saiba mais sobre esses elementos ao escrever”.
Esta é a memória de construção de mundo mais estruturalmente sofisticada em uma ferramenta de escrita criada para esse fim. As entidades são registros distintos, não parágrafos escondidos em um documento.
Pontos fortes: Armazenamento real no nível de entidades. Flexibilidade extrema — conecta-se ao OpenRouter para acesso quase universal a modelos, ou ao LMStudio e Ollama para modelos locais. Clonagem e personalização de prompts. Limitações: A Kindlepreneur observa que a ferramenta “pode ser avassaladora para algumas pessoas” e envolve “uma mensalidade E cobrança conforme o uso”. A inserção do Codex é, em grande parte, algo que você configura, em vez de algo que acontece automaticamente. A interface é orientada à produção de manuscritos, o que gera atrito se sua construção de mundo não estiver ligada a um livro específico.
✍️ Sudowrite: qualidade de prosa acima de profundidade de referência
O Sudowrite é descrito pela Kindlepreneur como tendo “seu próprio modelo criado especificamente para escrever ficção”, com o avaliador afirmando que é “absolutamente o MELHOR modelo para escrever prosa com sonoridade natural” e que possui “uma compreensão intuitiva de estrutura de cena e movimentação que a maioria das outras ferramentas de AI não parece ter”.
Pontos fortes: Modelo de ficção criado para esse fim. O Story Bible fornece armazenamento persistente para a construção de mundo. Sem censura, o que importa para cenários mais sombrios. Limitações: A mesma análise observa que ele “não é tão flexível quanto outras ferramentas, como o Novelcrafter, por exemplo, na possibilidade de integrar o OpenRouter para acessar todos os modelos. Em vez disso, você só pode trabalhar com os modelos selecionados pelo Sudowrite”. O avaliador afirma explicitamente que não o utiliza “como minha ferramenta principal para brainstorming, construção de mundo, criação de personagens e planejamento” — mas sim para prosa. O preço é o mais alto desta comparação.
🤖 Claude Projects: a abordagem da janela ampla
A vantagem da Claude é sua capacidade bruta. A Kindlepreneur observa que ela “pode aceitar e ler livros de até 150.000 palavras de extensão com uma janela de contexto enorme” e que “a maioria dos modelos oferecidos possui um limite de 200K tokens”.
Pontos fortes: Qualidade excepcional de prosa — a análise a chama de “meu chatbot favorito” para escrita puramente textual. Os Projects oferecem armazenamento persistente de documentos. Integração com Google Drive. Limitações: “Não possui diversos recursos encontrados em outras ferramentas, como ChatGPT ou Gemini” e é “altamente censurada” — uma restrição real para cenários grimdark, de horror ou maduros. Limitada aos modelos Anthropic. Os documentos são arquivos, não registros estruturados de entidades.
🧠 Jenova: a abordagem de memória em camadas
A abordagem da Jenova combina três camadas em vez de otimizar apenas uma. A memória persistente entre sessões significa que os agentes retêm preferências, trabalhos anteriores e detalhes de projetos de longa duração entre chats — não apenas dentro de uma conversa. Documentos e bases de conhecimento anexáveis fornecem recuperação fundamentada a partir do seu conjunto de informações do universo. Instruções personalizadas podem ser salvas em um chat e aplicadas a outros chats, que é o mecanismo que codifica regras rígidas, e não meros fatos.
A dimensão de múltiplos modelos é mais importante para a construção de mundo do que parece inicialmente. A Jenova fornece acesso a modelos da OpenAI, Anthropic, Google, DeepSeek e xAI por uma única conta, sem dependência de fornecedor. Na prática: você pode criar prosa atmosférica com um modelo e executar verificações de consistência com outro, sem reconstruir o contexto do seu mundo em uma segunda plataforma.
Pontos fortes: A memória persiste entre sessões e chats sem inserção manual. Acesso a múltiplos modelos a partir do mesmo estado do mundo. Instruções personalizadas transferíveis entre chats. O plano gratuito inclui todos os recursos centrais com uso limitado; o Plus, por US$ 20/mês, fornece 30× essa franquia, com redefinições mensais e sem limites diários. Limitações: Não há um banco de dados de entidades dedicado, no estilo códice, com campos por registro como o Novelcrafter oferece — as informações do universo ficam em documentos anexados e na memória, em vez de um esquema relacional estruturado. Escritores que querem ver e controlar manualmente exatamente quais entradas entram em cada prompt acharão a etiquetagem explícita do Novelcrafter mais transparente. Não é um ambiente de gerenciamento de manuscritos; ele não organizará capítulos nem acompanhará contagens de palavras.
🔧 Infraestrutura de memória própria
Para desenvolvedores, existem camadas de memória criadas para esse propósito. O Mem0 é uma camada de memória de código aberto para aplicações de AI, o Zep concentra-se em memória conversacional de baixa latência com sumarização integrada, e o Chroma oferece armazenamento vetorial local leve — todos catalogados na comparação de ferramentas de memória. Abordagens de nível acadêmico continuam avançando; o artigo sobre Memori descreve uma camada de memória persistente independente de LLM que “trata a memória como um problema de estruturação de dados”.
Pontos fortes: Controle total. Gratuito na camada de software. Portátil entre quaisquer modelos. Limitações: Exige capacidade de engenharia e gerenciamento de infraestrutura. Uma sobrecarga enorme para um escritor que só quer descrever uma cadeia de montanhas.
Como Estruturar as Informações do Seu Mundo para que uma AI Realmente as Use?
Estruture as informações do seu mundo em três níveis de acordo com volatilidade e prioridade de aplicação, não por assunto. Esta é a mudança de maior impacto que a maioria dos criadores de mundos pode fazer, e ela funciona independentemente da plataforma escolhida.
Nível 1: Regras rígidas (entram nas instruções personalizadas)
São as restrições que nunca podem ser violadas — física, custos da magia, tecnologias proibidas, limites de tom. Mantenha isso abaixo de 400 palavras. São regras de aplicação, não material de referência.
“A magia neste mundo sempre exige um custo físico pago pelo conjurador — sangue, memória ou anos de vida. Não existe magia gratuita. Não existe ressurreição em nenhuma circunstância. Nunca use expressões modernas nos diálogos. Se uma solicitação violar essas restrições, sinalize-a em vez de atendê-la.”
Nível 2: Referência estável (vai em uma base de conhecimento anexada)
Geografia, história estabelecida, facções principais e personagens nomeados com características fixas. Isso pode chegar a dezenas de milhares de palavras. A AI recupera as partes relevantes em vez de manter tudo em memória.
Formatação que melhora a recuperação:
- Uma entidade por seção, com um título claro que corresponda ao nome canônico
- Comece cada entrada com uma definição de uma frase antes de elaborar
- Use nomes consistentes — nunca alterne entre “os Verrin” e “Casa Verrin”
- Etiquete relacionamentos explicitamente: “Karth faz fronteira com Ilmenhold ao norte e é historicamente hostil a ele”
Nível 3: Estado ativo (fica na conversa e na memória persistente)
Posição atual da trama, quem sabe o quê, decisões recentes e revisões em andamento. Isso é o que muda de sessão para sessão e o que a memória persistente foi criada especificamente para manter.
🛠️ Colocando isso em prática
Na Jenova: Anexe seus documentos de informações do universo ao chat, depois abra Settings e insira suas regras rígidas do Nível 1 como instruções personalizadas. Salve o conjunto de instruções para que ele possa ser aplicado a outros chats — é isso que permite iniciar uma conversa nova sem reconstruir o conjunto de regras. Certifique-se de que Global Memory esteja ativado em Settings se quiser que a AI transporte detalhes entre chats separados; observe que as atualizações de memória são processadas em intervalos, e não instantaneamente, portanto uma regra estabelecida talvez não esteja disponível em um chat novo criado segundos depois. Em seguida, comece com:
“Estamos continuando o trabalho no cenário Ashfall. Antes de escrever qualquer coisa, resuma as três restrições rígidas das minhas instruções e confirme o que você sabe sobre a Casa Verrin a partir das informações anexadas.”
Essa etapa de confirmação vale os vinte segundos. Ela revela falhas de recuperação antes que contaminem 2.000 palavras de resultado.
No Novelcrafter: Insira as entidades do Nível 2 como registros individuais do Codex com etiquetas. Configure quais entradas do Codex são inseridas automaticamente em prompts de escrita de cenas versus prompts de brainstorming. Coloque as regras do Nível 1 em um modelo de prompt personalizado que você clone para cada modo de escrita.
No Claude Projects: Envie o conteúdo do Nível 2 como arquivos separados em vez de um documento monolítico — a recuperação funciona melhor com arquivos distintos. Coloque as regras do Nível 1 no campo de instruções do projeto.
Mais Memória Realmente Melhora a Escrita ou Apenas a Consistência?
Mais memória melhora a consistência de forma confiável e melhora a qualidade da escrita apenas indiretamente — e, após certo volume, pode degradar ativamente o resultado. Essa é uma distinção que o marketing da maioria das ferramentas obscurece.
Os ganhos de consistência são imediatos e mensuráveis: nomes corretos, geografia respeitada, custos de magia honrados, nenhuma história contradita. É para isso que a infraestrutura de memória realmente serve.
A qualidade da prosa é um eixo separado, governado em grande parte pelo modelo subjacente. A análise da Kindlepreneur é direta nesse ponto, observando que a prosa dos modelos GPT “frequentemente sai florida demais, excessiva ou exagerada”, enquanto classifica a prosa da Claude acima das alternativas para escrita criativa. A vantagem do Sudowrite vem de um modelo de prosa criado para esse fim, e não de memória superior.
A implicação prática: esses são problemas desacoplados que exigem soluções desacopladas. Carregar mais informações do universo não deixará as frases melhores. É exatamente aqui que o acesso a múltiplos modelos ganha valor — a capacidade de encaminhar uma auditoria de consistência para um modelo e a prosa atmosférica para outro, trabalhando a partir do mesmo estado persistente do mundo, resolve ambos os eixos sem manter dois mundos separados.
Quando mais memória prejudica. Além de aproximadamente 15 a 20 entradas relevantes inseridas simultaneamente, a qualidade do resultado normalmente diminui. O modelo gasta atenção conciliando material em vez de compor. A recuperação seletiva não é um compromisso com a completude — é o mecanismo que mantém mundos grandes utilizáveis.
O Que Escritores e Engenheiros Dizem Sobre Memória Persistente de AI?
O consenso tanto na comunidade de escrita quanto na área de engenharia é que a memória está sendo reformulada de um problema de armazenamento para uma disciplina de engenharia de contexto — decidir o que o modelo deve ver, e não apenas aquilo a que pode acessar.
“O modo de falha que atinge a maioria dos criadores de mundos não é a AI ter esquecido — é eles nunca terem separado regras de referência. Eles colam 30.000 palavras de informações do universo e se perguntam por que a AI ainda escreve uma cena de ressurreição em um mundo sem ressurreição. Fatos e restrições são tipos de dados diferentes e precisam de tratamentos diferentes. Um fato vive em uma base de conhecimento e é recuperado quando relevante. Uma restrição vive na camada de instruções e se aplica a cada geração, independentemente de o assunto aparecer ou não.”
“A segunda coisa que vemos de forma consistente: as pessoas otimizam o tamanho da janela de contexto quando deveriam otimizar a precisão da recuperação. Uma janela de 200K parece ser a resposta até você ter 80K palavras de informações do universo e cada resposta ficar mais confusa que a anterior. Os sistemas que escalam bem não são os que retêm mais — são os que apresentam de forma confiável as 2.000 palavras certas e ignoram as outras 78.000.”
“A terceira parte é o tratamento de revisões, e é a que quase ninguém testa antes de se comprometer com uma ferramenta. Mundos mudam. Você reescreverá um sistema de magia no quarto mês. A pergunta não é se sua AI consegue armazenar informações do universo — é se ela sabe qual versão prevalece quando suas anotações da sessão três contradizem as da sessão doze. Sistemas sem resolução explícita de conflitos citarão com confiança a regra desatualizada, e você só perceberá quando ela estiver entrelaçada em um capítulo.”
— Equipe de Produto da Jenova, trabalhando com memória de agentes e arquitetura de contexto
A comunidade de engenharia apresenta a mesma mudança de forma mais ampla. The New Stack argumenta que a memória persistente transforma a maneira como humanos percebem a utilidade e relevância da AI — quando um sistema se lembra de conversas anteriores, a relação com a ferramenta muda qualitativamente. Enquanto isso, o guia da Towards Data Science sobre memória de agentes categoriza técnicas de compressão residentes no contexto — janelas deslizantes, resumos contínuos e compressão hierárquica — como a família “permanecer no contexto”, distinta de repositórios persistentes externos. Criadores de mundos estão, sem saber, escolhendo entre essas famílias toda vez que selecionam uma ferramenta.
Como Lidar com Mundos Grandes Demais para Qualquer Janela de Contexto Única?
Divida o mundo em bases de conhecimento delimitadas por domínio e trabalhe dentro de um domínio por vez, em vez de tentar manter todo o cenário em cada conversa. Uma bíblia de cenário com 200.000 palavras não precisa estar presente quando você está escrevendo uma cena de taverna em uma única cidade.
O método de delimitação por domínio
- Divida por região, era ou linha narrativa — não por categoria. “Reinos do Norte, Terceira Era” é um escopo melhor do que “toda a geografia”.
- Mantenha um arquivo global enxuto — de 500 a 800 palavras cobrindo regras e fatos verdadeiros em todos os lugares. Ele sempre fica anexado.
- Anexe uma base de conhecimento de domínio por sessão de trabalho — a região ou arco específico em que você está escrevendo.
- Mantenha um índice entre domínios — um arquivo curto que liste quais domínios existem e o que os conecta, para que a AI saiba o que não está carregado no momento.
Esse quarto passo é o que a maioria dos escritores ignora, e é ele que evita que a AI invente detalhes com confiança sobre uma região cujas informações não estão atualmente anexadas.
Lidando com mundos colaborativos
Cenários compartilhados agravam o problema — vários colaboradores gerando informações em paralelo, por vezes contraditórias. A comunidade
documenta regularmente projetos colaborativos em que cada participante gerencia uma nação distinta que interage com as demais, produzindo exatamente o tipo de cânone distribuído e em evolução que quebra abordagens ingênuas de memória.Para esses casos, adicione uma etiqueta de status canônico a cada entrada: CANON, PROPOSED ou DEPRECATED. Instrua a AI, nas regras do Nível 1, a tratar PROPOSED como não vinculante e a sinalizar qualquer uso de material DEPRECATED. Isso transforma a contradição de uma falha silenciosa em uma falha visível.
Lidando com revisões
Quando você alterar uma regra estabelecida, não edite o texto diretamente e espere que a recuperação perceba. Escreva uma entrada explícita de substituição:
“REVISION — substitui toda a documentação anterior sobre o custo da magia. A partir desta entrada, o custo em sangue se aplica apenas a práticas necromânticas. Magia elemental custa vigor. Qualquer referência anterior a um custo universal de sangue está DEPRECATED.”
A linguagem explícita de substituição sobrevive à recuperação muito melhor do que um parágrafo editado silenciosamente, pois é o próprio texto de substituição que será apresentado e lido.
Como É uma Configuração Funcional de Memória para Construção de Mundo do Início ao Fim?
Uma configuração funcional leva cerca de uma hora para ser criada e elimina quase totalmente a necessidade de colar tudo novamente depois disso. Veja a sequência completa.
Etapa 1 — Escreva seu arquivo de regras do Nível 1 (20 minutos). Menos de 400 palavras. Apenas restrições rígidas. Física, magia, elementos proibidos, tom e regras de estilo de prosa. Teste-o pedindo que a AI viole cada uma delas.
Etapa 2 — Consolide as informações do Nível 2 em arquivos de domínio (30 minutos). Um arquivo por região ou arco. Nomes de entidades consistentes em todo o material. Uma entidade por seção, com uma primeira frase definidora.
Etapa 3 — Configure a plataforma.
- Jenova: Anexe os arquivos de domínio ao chat. Insira as regras do Nível 1 via Settings como instruções personalizadas e salve-as para reutilização entre chats. Ative Global Memory em Settings se quiser retenção entre chats.
- Novelcrafter: Preencha o Codex com registros de entidades etiquetadas. Crie um modelo de prompt personalizado incorporando as regras do Nível 1.
- Claude Projects: Envie os arquivos de domínio individualmente. Insira as regras do Nível 1 nas instruções do projeto.
Etapa 4 — Execute a verificação em quatro partes. Antes de escrever algo substancial, teste:
- Lembrança: “Quem governa Karth e qual é sua relação com Ilmenhold?”
- Restrição: “Escreva uma cena curta em que um personagem é ressuscitado.” (Deve recusar ou sinalizar.)
- Limite: “O que você sabe sobre o Arquipélago do Sul?” (Deve reconhecer que ele não está carregado, e não inventar.)
- Revisão: Após alterar uma regra, pergunte sobre a versão antiga. (Deve citar a substituição.)
Etapa 5 — Estabeleça um ritual de abertura de sessão. Toda nova sessão começa com um prompt de confirmação de 15 segundos, pedindo que a AI reafirme as restrições ativas e o domínio atual. Um seguro barato contra falhas silenciosas de recuperação.
Etapa 6 — Registre mudanças como entradas de substituição, nunca como edições silenciosas. Toda revisão de regra recebe linguagem explícita de substituição.
O resultado mensurável: após essa configuração, uma nova sessão deve exigir menos de 50 palavras de contexto antes de a AI produzir conteúdo dentro do mundo que respeite suas restrições. Se você ainda está escrevendo parágrafos de texto de lembrete, uma das três camadas não está configurada — na maioria das vezes, as regras do Nível 1 foram misturadas ao corpus de referência em vez de colocadas na camada de instruções.
Os agentes da Jenova estão disponíveis em jenova.ai, com o plano gratuito cobrindo todos os recursos centrais em uso limitado e planos pagos a partir de US$ 20/mês. O plano Artisan do Novelcrafter custa aproximadamente US$ 14/mês, além dos custos de modelo via OpenRouter. O Claude Pro custa cerca de US$ 17/mês com cobrança anual. Para desenvolvedores criando infraestrutura personalizada, Mem0, Zep e Chroma estão disponíveis como projetos de código aberto com opções de hospedagem própria.
Se você está criando um cenário colaborativo ou uma campanha contínua, nosso Roleplay Game Master foi desenvolvido para consistência em arcos longos, e o Character Creator cuida do trabalho no nível de entidades.