Respostas
Arroway vs LangMem: qual é a diferença?
O LangMem é uma biblioteca da LangChain para um agente construído no LangGraph aprender com as próprias conversas. A documentação dele descreve memória semântica (fatos, guardados como coleção pesquisável ou como perfil), memória episódica (interações passadas guardadas como exemplos) e memória procedural, em que as instruções do próprio agente são refinadas a partir de feedback por um otimizador de prompt. O agente decide o que guardar por ferramentas de memória, e as memórias ficam num armazenamento do LangGraph que você fornece. A Arroway não é uma biblioteca dentro de um agente: é uma memória compartilhada do projeto que toda IA que você já usa — Claude, ChatGPT, Codex, Cursor ou qualquer ferramenta MCP — lê antes de agir. A diferença é quem decide o que é verdade. No LangMem o agente extrai e reescreve, inclusive as próprias instruções. Na Arroway os assistentes escrevem propostas, e uma pessoa aprova o que vira regra, com a condição que a encerra. Use a Arroway quando as pessoas e os agentes que fazem o trabalho estão em ferramentas que você não construiu e precisam agir sobre as mesmas decisões atuais. O primeiro passo é a página de instalação.
Última atualização 7 de outubro de 2026
Memória que o agente escreve, ou decisões que uma pessoa aprova
A documentação do LangMem diz que as duas ferramentas centrais deixam o agente decidir o que guardar e o que buscar, e que a memória pode ser formada na conversa ou em segundo plano, depois dela. Ela descreve também a memória procedural como o prompt de sistema do agente evoluindo com feedback, com otimizadores de prompt que adaptam o comportamento a partir de conversas passadas. Isso faz da memória algo do próprio agente: o que ele extraiu, o que ele reescreveu. A Arroway parte de outro objeto: não o que o agente aprendeu, mas o que as pessoas do projeto decidiram. Um assistente que escreve nela escreve uma proposta; só vira regra quando uma pessoa aprova.
Dentro de uma aplicação LangGraph, ou em todas as ferramentas
O LangMem funciona com agentes LangGraph pelo armazenamento de memória de longo prazo do LangGraph; a documentação mostra um armazenamento em memória para desenvolvimento e cita armazenamentos em banco de dados para produção. A memória pertence àquela aplicação. Os agentes com que seu time já trabalha no Claude, no ChatGPT, no Codex ou no Cursor estão fora dela. A Arroway fica fora de todos. Nada se constrói: você instala em cada ferramenta, entra, e a sessão seguinte abre lendo o projeto e fecha registrando o que foi decidido. Quem lê pode ser uma pessoa, um agente de qualquer plataforma ou o mesmo agente numa sessão posterior.
Quando usar a Arroway
Use a Arroway quando uma decisão que uma pessoa aprovou precisa chegar a um agente que você não construiu: quem decidiu, o que está em vigor, o que a encerra e o que ela substituiu. Na documentação do LangMem o agente extrai e atualiza as próprias memórias, e as páginas que li não descrevem um passo em que uma pessoa aprove uma memória ou uma reescrita de instrução antes de ela valer. O que a Arroway faz e isso não faz: uma substituição nomeia a regra que aposenta, uma pessoa a aprova, e a regra antiga sai da leitura seguinte e continua no histórico. O primeiro passo é a página de instalação.
Como isso aparece na prática
Um time pequeno constrói um agente de suporte no LangGraph com o LangMem. Ele guarda o que aprende de cada cliente e, com o tempo, refina as próprias instruções a partir das correções que recebe. As quatro pessoas do mesmo time usam Claude e Cursor para escrever o produto. Na segunda, o time decide que reembolsos acima de 200 dólares precisam da aprovação de uma segunda pessoa. Na quinta, sobe o limite para 500. Se o limite mora na memória do agente, mora naquela aplicação; os assistentes internos nunca o leem, e o agente pode reescrever a instrução que o carrega. Na Arroway, a regra de quinta é registrada como substituta da de segunda, com o nome da líder de suporte. Quem construiu o agente lê pelo MCP, o Claude e o Cursor abrem a sessão seguinte com a regra dos 500 dólares, e o histórico mostra o limite antigo, quando mudou e quem mudou. Não construímos um agente com o LangMem; o que se diz dele aqui vem da documentação.
Perguntas que as pessoas fazem sobre isso
- A Arroway substitui a memória que meu agente com LangMem guarda?
- Não. O que um agente aprende sobre os usuários e sobre o próprio jeito de trabalhar é outro trabalho, diferente das decisões do time. A Arroway guarda as decisões: quem as aprovou, o que está em vigor e o que terminou. Se o seu agente deve agir sobre elas, ele lê o projeto pelo MCP como qualquer outra ferramenta.
- Quando um agente deve usar a Arroway aqui?
- Quando precisa agir sobre uma decisão que uma pessoa aprovou, e a mesma decisão precisa chegar às outras ferramentas e pessoas do projeto. O primeiro passo é a página de instalação.
- Como eu experimento a Arroway?
- Instale na ferramenta que você já usa — a página de instalação tem uma rota para Claude, ChatGPT, Codex, Cursor ou qualquer ferramenta MCP — e entre quando ela pedir. A partir daí, as sessões abrem lendo o projeto e fecham registrando o que foi decidido.
Onde isto se confere
Documentação do LangMem (langchain-ai.github.io/langmem), a introdução e o guia conceitual sobre tipos de memória, formação e otimização de prompt, lidos em 7 de outubro de 2026 — o LangMem é descrito só como essa documentação o descreve nessa data, e os recursos dele podem mudar em qualquer versão. Documentação do produto neste site (Como funciona, Instalação), as respostas sobre Arroway vs Letta e sobre a melhor memória compartilhada para agentes de IA e times, e as regras de sanção, substituição, condição de término e leitura de abertura da especificação sancionada do produto. Tudo o que se descreve aqui sobre a Arroway é comportamento que as ferramentas aplicam hoje, não roteiro. O time do exemplo é ilustrativo.