Como resolvemos isso antes

Sempre que uma sessão de IA conclui um trabalho, ela pode registrar o que aconteceu: a área em que mexeu, a ação que executou, os arquivos envolvidos e um resumo curto (o que uma sessão registra descreve essa entrada em detalhes). Sozinho, cada registro é só uma linha em uma lista longa. Os episódios de trabalho transformam essa lista em algo que uma sessão futura consegue realmente usar.

O Pathrule agrupa a atividade relacionada de uma sessão de trabalho em um episódio de trabalho: um registro com título de algo que sua equipe resolveu, com os assuntos tratados, os caminhos e arquivos afetados, os clientes de IA envolvidos e quando tudo aconteceu. Meses depois, quando alguém voltar a mexer na mesma área, esse episódio estará lá para ser recuperado.

A recuperação acontece sob demanda, não a cada prompt

Os episódios de trabalho não vão junto em toda requisição. Um prompt comum não adiciona histórico nenhum, então sua janela de contexto não paga custo algum por memória que você não está usando.

Quando seu agente está fazendo o tipo de trabalho em que o passado importa (corrigir um bug, depurar, refatorar ou explorar uma área desconhecida), o Pathrule pode incluir alguns dos episódios anteriores mais relevantes no contexto que retorna. Seu agente também pode pedir trabalhos anteriores de forma explícita, e uma pergunta claramente voltada ao histórico ("como lidamos com isso da última vez") já basta para disparar uma busca. Em pequenos ajustes de UI e em funcionalidades totalmente novas, os episódios ficam de fora, porque prender um trabalho novo a padrões antigos costuma atrapalhar mais do que ajudar.

O que torna um episódio relevante

A relevância é calculada a partir de dois sinais simples e uma preferência, não de um palpite:

• Sobre o que era o trabalho. Um episódio sobre autenticação é candidato quando você volta a trabalhar com autenticação, não quando está formatando uma tabela.
• Onde o trabalho aconteceu. Um episódio que afetou um caminho é candidato quando você está trabalhando nesse caminho ou abaixo dele, em qualquer direção.
• Quão recente ele é. Trabalhos recentes têm prioridade sobre os antigos, porque o código muda e episódios antigos descrevem uma base de código que talvez nem exista mais.

O resultado é um conjunto curto e priorizado: no máximo um punhado de episódios, cada um compacto o bastante para ser lido de relance.

Melhor omitir do que errar

O Pathrule prefere não mostrar nada a mostrar a coisa errada. Se um episódio não tem sobreposição real com o que você está fazendo, ele não aparece. Se o sistema não tem confiança, ele não mostra nada. Se o seu espaço de trabalho ainda não acumulou histórico suficiente para pontuar de forma confiável, a recuperação é interrompida logo no início e não retorna nada. Você não vai ver uma enxurrada de trabalhos vagamente relacionados; vai ver os poucos episódios que mereceram seu lugar, ou nenhum.

Construídos a partir do que você registra, nunca do seu código

Os episódios de trabalho são construídos apenas a partir da atividade que seus agentes registram pelo Pathrule. O Pathrule não lê, não varre e não indexa seus arquivos-fonte para criá-los. O mesmo controle de acesso que rege o restante do seu espaço de trabalho rege os episódios: eles ficam restritos ao seu espaço de trabalho, sob o acesso por usuário da sua equipe, e são idênticos para todos que podem vê-los.

A recuperação na nuvem é construída a partir das evidências de atividade retidas. Atividades com mais de 180 dias são removidas por manutenção agendada, então a recuperação não é um registro permanente de todas as sessões. A retenção local é separada.

Onde encontrar isso

Os episódios de trabalho aparecem no contexto que seu cliente de IA recebe, nos tipos de tarefa em que ajudam. Você não os configura por repositório nem os ativa prompt a prompt. Eles são uma propriedade de um espaço de trabalho que acumulou trabalho real e registrado. Veja Sugestões e autoauditoria para saber como uma memória ou regra armazenada que se distanciou do código é sinalizada e corrigida.