Visão Geral

Você já viu o que o PAM faz — ele permite mover suas memórias de IA entre provedores. Esta página explica como as peças se encaixam para que você saiba onde procurar quando precisar de detalhes.

Como o PAM é estruturado

O PAM não é um arquivo monolítico. É um pequeno conjunto de arquivos JSON relacionados:

memory-store.json          <- obrigatório, o documento raiz
├── conversations/         <- arquivos complementares opcionais
│   ├── conversation-1.json
│   └── conversation-2.json
└── embeddings.json        <- arquivo complementar opcional

Memory Store (memory-store.json) é o documento raiz e o único arquivo obrigatório. Ele contém todas as memórias do usuário — preferências, habilidades, fatos, experiências, objetivos, contexto. Cada memória inclui proveniência (de onde veio), dados temporais (quando foi criada ou atualizada) e um hash de conteúdo para verificação de integridade.

Conversations são arquivos complementares que armazenam o histórico de conversas normalizado importado dos provedores. São armazenados separadamente porque as conversas são grandes e nem sempre são necessárias. O memory store os referencia via conversations_index. As conversas suportam ramificações (estrutura DAG) para provedores como o OpenAI que permitem ramificações de conversa.

Embeddings são um arquivo complementar opcional contendo embeddings vetoriais para busca semântica. São separados por design — nem todo consumidor de PAM precisa ou suporta embeddings. Mantê-los separados significa que o formato principal permanece leve e independente de ferramentas.

Dentro de uma memória

Cada memória no store é um objeto JSON. Aqui está uma entrada única:

{
  "id": "mem-001",
  "type": "skill",
  "content": "User is a cloud infrastructure engineer",
  "content_hash": "sha256:e1bae3ec291c99eced01fc91b4152a0cef541fccf2034fc11b3f90f4e4d79b6e",
  "confidence": {
    "initial": 0.95,
    "current": 0.95,
    "decay_model": "none"
  },
  "temporal": {
    "created_at": "2026-02-15T00:00:00Z"
  },
  "provenance": {
    "platform": "chatgpt",
    "extraction_method": "llm_inference"
  }
}

• type — Que tipo de memória: fact, preference, skill, context, relationship, goal, instruction, identity, environment, project, ou custom (com um campo custom_type para extensibilidade)
• content — O texto legível da memória
• content_hash — SHA-256 do conteúdo normalizado (trim, lowercase, normalização NFC, recolher espaços em branco). Permite detecção de adulteração sem uma autoridade central
• confidence — Um objeto com scores initial e current (0.0–1.0), mais decay_model e last_reinforced opcionais
• provenance — De onde veio esta memória: qual plataforma, e o extraction_method usado (llm_inference, explicit_user_input, api_export, browser_extraction ou manual)

Para a lista completa de campos, consulte o schema do Memory Store.

Relações e integridade

Relations conectam memórias entre si. Uma memória pode ser supports, contradicts, extends, supersedes, related_to ou derived_from outra. Isso cria um grafo de conhecimento, não apenas uma lista plana. As relações usam os campos from e to referenciando IDs de memória. Consulte a seção da spec sobre relations para detalhes.

Integrity funciona em dois níveis. Cada memória tem seu próprio content_hash para verificação individual. O memory store completo também pode incluir um bloco integrity de nível superior que cobre o arquivo inteiro via canonicalização (JCS / RFC 8785). Qualquer pessoa que receba um arquivo PAM pode verificar que nada foi alterado. Consulte Verificação de Integridade para o processo completo.

Quem usa o PAM

Se você está construindo uma ferramenta de IA — implemente a importação PAM para que os usuários possam trazer seu contexto de outros assistentes. Implemente a exportação PAM para que os usuários possam sair sem perder seus dados. Comece pelo Schema e pelos Exemplos.

Se você está construindo SDK Converters — escreva importadores que transformem exportações de provedores (ChatGPT, Claude, Gemini) no formato PAM. Consulte Mapeamentos de Provedores para guias campo a campo e o Guia de Interop para heurísticas de detecção.

Se você é um usuário que quer controle — exporte seus dados do seu provedor de IA, passe-os por um SDK Converter e você terá um arquivo JSON legível com tudo o que a IA sabia sobre você. Consulte o Quick Start.

Próximos passos

• Quick Start — Valide seu primeiro arquivo PAM em 3 etapas
• Spec v1.0 — Especificação técnica completa com requisitos normativos
• Exemplos — Arquivos PAM reais, do mínimo ao completo
• FAQ — Perguntas frequentes sobre o formato