Alternativa ao SillyTavern com Memória em 2026

O sistema de memória do SillyTavern não é automático. Ele usa três camadas: a janela de contexto, a nota da personagem e o armazenamento vetorial opcional. A janela de contexto é o número de tokens (padrão 4096, ajustável até 8192 ou mais, dependendo do seu provedor de API) que a IA consegue "ver" de uma vez. Mensagens mais antigas saem da janela. Para combater isso, o SillyTavern gera automaticamente um resumo da conversa a cada N mensagens (configurável, padrão 10) e injeta esse resumo no contexto. A nota da personagem é um bloco curto de texto sempre presente que você pode usar para guardar fatos importantes, status do relacionamento ou pontos da trama. Para memória de longo prazo, você pode ativar o ChromaDB (banco de dados vetorial), que armazena mensagens passadas como embeddings e recupera as relevantes quando necessário. No entanto, isso exige que você forneça sua própria chave de API para embeddings e uma instância Chroma local ou na nuvem. Sem configuração manual, a memória fica limitada ao que cabe na janela de contexto mais o resumo automático.

A forma mais direta de melhorar a memória do SillyTavern é aumentar o tamanho do contexto. Nas configurações do usuário, você pode definir o "Context Size" para um valor que corresponda ao máximo do seu provedor de API. Por exemplo, o OpenAI GPT-4 Turbo suporta 128.000 tokens, enquanto o Claude 3 Opus suporta 200.000. No entanto, contextos maiores aumentam o custo e a latência. O SillyTavern também permite definir um limite de "Response Length" separadamente. Uma recomendação comum é definir o contexto em 8192 e o comprimento da resposta em 1024 para equilibrar. O "Max Tokens" no menu de geração de prompt controla quantos tokens são realmente enviados para a API; se você definir isso abaixo do tamanho do contexto, economiza dinheiro, mas perde memória. Você também deve ajustar as configurações de "Summary": pode mudar a frequência com que os resumos são gerados (a cada 5-20 mensagens) e se o resumo é anexado ao início ou ao fim do contexto. Para roleplay, colocar o resumo no topo do contexto costuma ser melhor, pois prepara a IA.

A nota da personagem é um pequeno campo de texto (geralmente 500-2000 caracteres) que é sempre incluído em todo prompt enviado para a API. Ela funciona como um banco de memória persistente. Você pode atualizá-la manualmente durante uma conversa para registrar eventos importantes, traços da personagem ou mudanças no relacionamento. Por exemplo, se sua personagem revela um segredo, você pode adicionar "Segredo: a personagem X sabe Y" à nota. Diferente do resumo automático, a nota da personagem nunca é truncada ou esquecida, desde que você a mantenha dentro do limite de tokens. Muitos usuários mantêm um "lorebook" ou "world info" na nota, listando fatos importantes sobre o cenário e as personagens. No entanto, como ela é estática a menos que você a edite, não captura novas informações automaticamente. Para torná-la dinâmica, você pode usar os "Regex Scripts" ou "Quick Replies" do SillyTavern para pedir que a IA sugira atualizações para a nota e depois aplicá-las manualmente.

A integração com o ChromaDB dá ao SillyTavern uma memória de longo prazo capaz de recordar mensagens de dias atrás. Para configurá-la, você precisa rodar um servidor ChromaDB localmente ou hospedar um remotamente. As configurações do SillyTavern têm uma aba "Vector Storage", onde você habilita o Chroma e informa a URL do endpoint. Você também precisa de um modelo de embedding — o SillyTavern é compatível com o text-embedding-ada-002 da OpenAI ou com modelos locais por meio da extensão text-generation-webui. Depois de configurado, cada mensagem enviada pela IA e pelo usuário pode ser convertida em embedding e armazenada. Ao gerar uma resposta, o SillyTavern pode recuperar as K mensagens passadas mais relevantes (configurável, padrão 5) e injetá-las no contexto. Isso, na prática, dá à IA uma memória pesquisável. A desvantagem: o embedding custa dinheiro por token (se você usar a OpenAI) e a recuperação não é perfeita — pode trazer mensagens irrelevantes. Ajustar o "similarity threshold" e o "max retrieval count" é essencial para evitar ruído.

Apesar da flexibilidade, a memória do SillyTavern tem limites rígidos. A janela de contexto é finita — mesmo com um modelo de 128k tokens, conversas extremamente longas acabam perdendo os primeiros detalhes. O resumo automático ajuda, mas é com perdas: resumos são uma compressão, não um registro perfeito. A recuperação do ChromaDB é estatística, não determinística; pode deixar passar contexto crucial se a similaridade do embedding não for alta o suficiente. Além disso, o SillyTavern não tem uma "memória permanente" integrada que persista entre diferentes sessões de chat. Cada conversa é isolada, a menos que você copie manualmente as notas do personagem ou os resumos de uma para outra. O sistema também exige bastante ajuste manual: você mesmo precisa ajustar os tamanhos de contexto, os intervalos de resumo, o conteúdo das notas e as configurações de vetores. Para quem quer uma solução de memória do tipo "configurar e esquecer", a dependência do SillyTavern de chaves de API, hospedagem local e configuração constante pode ser uma barreira. Alternativas como a AIAngels oferecem memória persistente que funciona de imediato, sem malabarismos com tokens nem configuração local.

Para aproveitar ao máximo a memória do SillyTavern, comece definindo o tamanho do contexto no máximo que sua API permitir — para a maioria dos usuários, 8192 é uma aposta segura. Ative o "Automatic Summary" com frequência a cada 8-10 mensagens e defina o comprimento do resumo em 512 tokens. Coloque o resumo no início do contexto nas configurações de "Prompt Item Order". Use a nota do personagem para armazenar fatos imutáveis e atualize-a manualmente após grandes acontecimentos da trama. Se você tem conhecimento técnico, configure o ChromaDB com um modelo de embedding local (como o all-MiniLM-L6-v2) para evitar custos de API. Ajuste a contagem de recuperação para 3-5 e o limite de similaridade para 0,75. Por fim, considere usar o "World Info" (se o seu front-end oferecer suporte) para armazenar lore que a IA possa consultar. Lembre-se de que nenhuma configuração supera totalmente janelas de contexto finitas — para conversas que ultrapassam 100k tokens, considere dividi-las em chats separados ou usar uma ferramenta de memória externa como o MemGPT.