A Notion memória agentes ganhou uma camada técnica concreta: o Lore. Lançado em agosto de 2026, o projeto de código aberto (MIT) resolve um problema prático de quem usa agentes de IA no trabalho diário: o conhecimento acumulado em uma sessão desaparece quando ela termina. Com o Lore, projetos, decisões, procedimentos e fatos relevantes ficam armazenados em um vault no Notion e disponíveis para qualquer agente na próxima sessão.
Como o Lore funciona e quais dados ele guarda
O vault de Notion memória agentes é uma página no Notion com cinco bancos de dados interligados: Projetos, Tópicos, Memórias, Entidades e Fatos. Os agentes acessam via lore-* MCP tools, que carregam contexto relevante no início de cada sessão e salvam novas informações em segundo plano. A integração funciona com qualquer host que suporte MCP, incluindo Claude Code, Codex e Cursor.
O time da Notion identificou quatro tipos de conhecimento que vale a pena preservar entre sessões: experiências que um agente futuro não conseguiria inferir, tarefas de acompanhamento identificadas durante o trabalho, registros de decisões e procedimentos para problemas específicos. Fatos expiram por padrão a menos que sejam reforçados, e o sistema usa relações como supersedes, scoped e conflicts_with para manter o vault atualizado.
Uma ferramenta similar, o GBrain para memória de agentes de IA, chegou a 30 mil estrelas no GitHub com proposta parecida. A diferença do Lore é o uso do Notion como backend, o que permite que humanos revisem e organizem a memória diretamente na mesma interface onde já trabalham.
Os benchmarks reais do Lore
A Notion publicou dois conjuntos de dados. No primeiro, 500 consultas aleatórias do dataset SkillRet: a taxa de sucesso foi de 84% (420 de 500 passaram, intervalo Wilson de 80,5–87%). O sistema recuperou o alvo em 91,8% dos casos. O Recall@10 foi de 0,42.
No segundo conjunto, 149 cenários pareados em repositórios de código aberto: o agente sem memória passou 82 e o com memória passou 102. Houve 27 casos em que a memória ajudou e 7 em que prejudicou (p = 0,0008 no McNemar). Em tarefas difíceis, a memória recuperou cerca de 46% das falhas do agente sem memória.
Mas a Notion é direta sobre os limites: memória relevante e específica melhora resultados, mas memória ruim atrapalha. Em um piloto interno, 55–60% dos dados eram úteis. Os 40% restantes incluíam 15–20% de duplicatas, 8–12% de fatos inferíveis pelo agente e cerca de 13% de anotações de sessão sem valor duradouro.
Por que a Notion memória agentes importa para o seu negócio
O gargalo de usar Notion memória agentes em equipes é a ausência de continuidade. Quando um agente não lembra que o projeto usa o padrão X, que a integração Y tem um bug conhecido ou que a convenção de nomenclatura mudou em março, cada sessão começa do zero. Isso transforma o custo de usar agentes em tarefas repetitivas ou de longo prazo.
Para times que já usam o Notion como workspace, o Lore reduz a fricção de adoção porque o vault vive onde os documentos já estão. Para times que não usam o Notion, a aposta é diferente: adicionar uma camada de memória exige decidir qual ferramenta vai ser a fonte de verdade do agente, e essa escolha tem impacto na auditabilidade e na governança.
A análise mais completa das implicações está no blog de engenharia da Notion. O repositório oficial com instruções de configuração para Claude Code, Codex e Cursor está em github.com/makenotion/lore.
Conteúdo reescrito e traduzido para PT pela redação luiscortex, revisado por humano.
Fonte: Notion Blog
