4
obrenoalvim
2 min de leitura ·

Pitch: A IA esquece tudo a cada sessão nova. Resolvi com 2 regras e um arquivo de texto

Sessão longa de IA quebra no mesmo ponto. O contexto enche, a janela estoura, eu abro uma instância nova e gasto dez minutos recontando o que já tinha decidido. Onde parei, o que quebrou, qual abordagem descartei. Toda vez.

Ataquei o problema com a coisa mais simples que funcionou: duas regras que a IA segue da primeira resposta até a última. Empacotei como skill do Claude Code e chamei de Zero Drift.

As duas regras

1. Resposta nomeada. Toda resposta começa com meu nome. Não é enfeite, é alarme. O nome funciona como canário de contexto: enquanto a IA me chama pelo nome, ela ainda enxerga o histórico. No momento que ela esquece e volta ao "assistente genérico", o contexto degradou, e isso é meu sinal pra fechar a janela e abrir uma nova. A skill pega o nome sozinha do git config user.name ou do seu CLAUDE.md.

2. Documento de tarefa vivo. Aqui mora o valor. Cada tarefa específica ganha um TASK.md na raiz do projeto. A IA escreve nele depois de cada prompt que importa: o que fez, o que quebrou, como corrigiu. O arquivo tem seções de Objetivo, Plano, Log, Erros e Correções, e uma de Estado Atual.

O ganho prático

Quando a sessão satura, eu não recomeço do zero. Abro uma instância nova e digito uma frase: "Leia o TASK.md e continue." Contexto restaurado.

O TASK.md vira memória externa do projeto. Serve de handoff entre sessões e entre ferramentas, porque é só markdown. Testei com Claude Code, Cursor e Copilot. Qualquer IA que lê arquivo de texto retoma do ponto certo.

Como instalar

Três caminhos:

  • Colar a skill no seu ~/.claude/CLAUDE.md para virar comportamento global
  • Apontar a IA direto pro repositório no GitHub
  • Copiar o arquivo da skill pra sua pasta de skills

O repo está aberto: https://github.com/obrenoalvim/zero-drift

Construí isso pra uma dor minha de todo dia, e virou a base de como trabalho com IA agora. Você usa algum padrão pra não perder contexto entre sessões, ou recomeça a explicação do zero toda vez?

Ps.: Desenvolvo o BloodLink — plataforma gratuita que conecta doadores de sangue a campanhas de doação. Se quiser conhecer, vale a visita.

Carregando publicação patrocinada...
3

Eu tive um problema desses tbm. Isso no inicio do chatgpt. Até dei um nome para esse evento. Dei o nome de "Efeito Drew Barrymore - Como se fosse a primeira vez"

Bom, pra encurtar.
Em todo final de sessão ou quando a instância esta muito pesada, eu peso pra ela criar um .json stateless para que eu possa usar na nova sessão, e faco isso sempre ma janela de WarmUp do modelo, ou seja, antes da pré inferência. Isso faz com que o modelo incorpore o .json se qualquer protocolo inicial.

É isso, ah. A janela fica na equacao exata de t=0.0~3.0* (esse e o tempo de warmup da IA, ela demora no maximo 3ms pra carregar). Vlw

1

"Efeito Drew Barrymore" é um nome ótimo pro problema. E a ideia é parecida: teu JSON no fim da sessão faz o mesmo que o TASK.md vivo do zero-drift, salvar o estado pra próxima instância continuar de onde parou.

A diferença é que no zero-drift isso vira comportamento padrão. Toda sessão lê e atualiza o mesmo arquivo, então o handoff acontece sozinho. Mesmo instinto teu, só que automatizado.

3
3

Boa, esse canário de contexto pelo nome é a sacada mais esperta que vi pra detectar drift sem ficar adivinhando. Rodo algo parecido há meses (um log em markdown por dia + CLAUDE.md), e o buraco que me pegou depois foi a confiança no próprio arquivo: quando o contexto degrada, a IA tende a escrever no Estado Atual que "corrigiu" algo que ficou pela metade, porque ela puxa pra fluência antes da verdade.

O que me salvou foi proibir afirmação no Log e só aceitar evidência crua: saída de comando, exit code, resultado de teste. Aí o TASK.md vira handoff que a próxima sessão confia, não só lê. No teu Zero Drift, o Log aceita a IA dizendo o que fez, ou você amarra a uma prova?

1

Você achou um buraco real, e bom o bastante pra eu já ter corrigido e subido. Na versão antiga o Log aceitava a IA dizer "corrigi X". É ali que o drift entra: quando o contexto degrada, o modelo escolhe a frase que lê bem antes da frase que é verdade. "Corrigi" vira ficção plausível.

A regra nova é a sua. O Log virou registro, não diário. Toda linha que afirma "fiz", "corrigi" ou "funciona" carrega a prova junto: comando, saída, exit code. Sem prova, não entra. Trabalho feito mas não testado vai pra uma seção separada e marcada, Não Verificado / Pendente, em vez de vazar pro Log. O Estado Atual passou a derivar do Log: só afirma "funciona" se a prova está lá. Senão, o máximo é "implementado, não verificado".

Você separou diário de registro. No diário a IA narra. No registro ela cola prova. Essa é a diferença entre o handoff que a próxima sessão lê e o handoff que ela confia. Era o ponto fraco do Zero Drift. Obrigado por bater nele.

1

daora, similiar ao llm_wiki, agregador de contexto.
Faço algo do tipo, liguei a doc geral de arquitetura com de projetos, doc de api e padrão de desenvolvimento, cards do jira.
Ta virando um instanciador de demanda, como cada demanda nova gera um template generico, pra uso futuro, mas ainda não ta bom, esquece das paradas.
vou ver se algo aí me ajuda

0