Um ambiente de execução de aprendizagem persistente para agentes de IA.
O Duplex está a definir uma nova categoria.
Não é mais uma base de dados de memória para o seu modelo. O Duplex transforma um assistente temporário, preso a um só modelo, num sistema que aprende com o trabalho, mantém o contexto, faz cumprir as suas regras, melhora com as suas ferramentas, partilha o que aprende mediante autorização e muda de fornecedor de modelos sem perder o que aprendeu.
A quarta camada que faltava.
A IA de hoje reparte a inteligência por três camadas. O modelo raciocina, a recuperação fornece documentos e memórias, e o código da aplicação gere os fluxos de trabalho, as permissões e as ferramentas. Nenhuma delas aprende com o trabalho. O Duplex acrescenta a quarta: aprendizagem a partir de tudo o que os seus agentes fazem, guardada enquanto o mantiver a funcionar.
O modelo raciocina sobre a tarefa, e esquece-a quando a tarefa termina.
O que a recuperação nunca foi feita para guardar.
A recuperação traz de volta documentos e memórias que parecem relevantes. O Duplex guarda o que o trabalho ensinou, e age com base nisso:
- 01O que correu bem, e o que falhou
- 02Que ações levaram a que resultados
- 03Que ferramenta funciona em que situação
- 04Que formas de trabalhar melhoraram os resultados
- 05As preferências e as regras ainda em vigor
- 06O que cada ação muda
- 07As competências que o trabalho repetido lhe ensinou
- 08O que tem de ser esquecido, revertido ou retirado
- 09Quando pode responder sozinho, e quando deve perguntar ao seu modelo
A sua IA é o modelo, mais o que o Duplex aprendeu.
O modelo pode mudar. O que o Duplex aprendeu fica.
A sua IA
Aquilo com que trabalham as pessoas e os agentes da sua organização
O modelo fundacional
Pode mudar: uma nova versão, um novo fornecedor
O que o Duplex aprendeu
Fica: é seu, e continua a crescer
Essa separação muda aquilo que uma organização possui. O que aprendeu já não tem de viver nos pesos de um único fornecedor, na transcrição de uma única conversa ou no formato de memória próprio de uma única app.
Chega um novo modelo. Sozinho, começa do zero; com o Duplex, mantém tudo o que foi aprendido até agora.
Para as empresas: IA que se multiplica.
O Duplex muda a economia da IA no trabalho. Cada resultado confirmado pode melhorar a tarefa seguinte, e o que se acumula fica consigo.
Valor que se multiplica.
A maior parte das implementações de IA começa quase do zero em cada tarefa. Os prompts, a recuperação e os fluxos de trabalho fixos dão contexto, mas o sistema não melhora com cada resultado confirmado. Com o Duplex, cada tarefa concluída pode deixar um contributo:
- Uma melhor escolha de ferramenta
- Uma lição sobre o que uma ação muda
- Uma competência reutilizável
- Uma decisão corrigida
- Uma regra a manter
- Um exemplo resolvido
- Um sinal claro do que funcionou
- Uma forma mais rápida de voltar ao trabalho
- Uma nova capacidade, testada antes de ser usada
Por isso, o sistema torna-se mais útil quanto mais a sua organização o usa.
Inteligência que vai consigo.
Claude, Codex, Cursor e Hermes podem todos recorrer ao mesmo Duplex, e os seus próprios agentes também, através do MCP + hooks. Mude de modelo, de cliente de agentes, de fornecedor de modelos ou de fornecedor de ferramentas, e mantenha os processos, as regras, o histórico e as competências que a sua organização aprendeu.
Acaba a dependência de fornecedores, e o que a sua organização aprende torna-se um ativo que perdura.
Pessoal, de equipa e de empresa, em camadas.
O Duplex guarda o que aprende em cada nível que importa:
- Uma pessoa
- Uma equipa
- A organização
- Uma tarefa
- Uma área de trabalho
- Um agente
- Um fio partilhado
Uma pessoa mantém as suas preferências e formas de trabalhar. Uma equipa constrói práticas partilhadas e conhecimento sobre ferramentas. A organização define as regras dentro das quais todos trabalham, e abaixo delas as pessoas e as equipas continuam a aprender. Isso vale muito mais do que uma única memória global.
Regras sobre o que os agentes fazem, e não só sobre o que lhes dizem.
As regras do Duplex regem o que um agente realmente executa, e não apenas o que um prompt pede ao modelo. Através do MCP + hooks, o Duplex intervém antes de cada pedido, antes de cada chamada a uma ferramenta e após cada resultado, e sempre que se partilha ou esquece conhecimento.
As empresas precisam de controlo sobre o comportamento, não de formulações melhores.
Afinação, para muito menos coisas.
A afinação continua a ser importante quando um modelo precisa de uma nova capacidade geral ou de um novo comportamento. Mas muitas necessidades das empresas não exigem, de todo, alterar os pesos:
- “Memorize o nosso procedimento de lançamento.”
- “Aprenda que ferramenta de diagnóstico resolve esta falha.”
- “Deixe de recomendar o que continua a falhar.”
- “Mantenha a restrição deste cliente.”
- “Continue a tarefa depois de mudarmos de modelo.”
- “Partilhe este processo comprovado com a equipa.”
- “Retire o que já não é verdade.”
O Duplex trata destes pedidos fora do modelo: de forma mais rápida, reversível, rastreável até à origem e, em geral, mais barata do que afinar o modelo vezes sem conta.
Uma nova vantagem competitiva.
O ativo valioso já não é só o modelo. A vantagem duradoura passa a ser esta:
A inteligência operacional da sua organização, acumulada continuamente, governada e portátil.
Duas empresas podem usar o mesmo modelo e obter resultados muito diferentes, porque uma delas tem no Duplex anos de lições confirmadas, competências, regras, correções, desfechos e histórico de tarefas.
Para a investigação: aprendizagem contínua, como sistema.
O Duplex trata a aprendizagem contínua como um problema de sistemas, e não só como uma questão de como atualizar os pesos de uma rede.
Aprendizagem que não toca nos pesos.
Grande parte da investigação em aprendizagem contínua atualiza os pesos de uma rede enquanto tenta evitar o esquecimento catastrófico. O Duplex segue outro caminho, e adapta-se fora dos pesos do modelo. Continua a ser verdadeira aprendizagem contínua: o que faz a seguir muda com aquilo que experienciou. E oferece aquilo que as atualizações de pesos dificilmente oferecem:
- Atribuição exata
- Aprendizagem que pode ser revertida
- Isolamento entre clientes
- Esquecimento seletivo
- Um registo de auditoria completo
- Adaptação imediata
- Muito menos computação
- Sem paragens para retreino
Muitas formas de aprender, a funcionar como uma só.
O Duplex junta vários tipos de aprendizagem: adaptar-se depressa, reconhecer o que é novo, saber que certeza tem, prever o que uma ação vai mudar, planear, aprender com os desfechos e transformar evidências em competências que testa antes de as usar.
O valor para a investigação não está em nenhum algoritmo isolado. Está em pô-los a funcionar como um só sistema de aprendizagem persistente e governado, por trás de agentes reais.
Desaprendizagem que chega a tudo.
Esquecer é mais do que apagar um registo. Quando se removem as evidências por trás de algo, tudo o que o Duplex aprendeu com elas pode ser retirado ao mesmo tempo. Isso é importante para a privacidade, a correção, a segurança, a regulação e a validade científica.
Um sistema que aprende mas não consegue desaprender com precisão é incompleto para tudo o que se destine a funcionar durante anos.
Trabalho longo, sem a transcrição inteira.
O Duplex leva adiante aquilo de que uma tarefa longa precisa: o objetivo, as decisões, as restrições e o trabalho ainda em aberto.
A continuidade não tem de significar voltar a dar ao modelo o histórico inteiro, e isso é importante para agentes que trabalham durante horas ou dias.
Aprender com mais do que palavras.
O Duplex aprende com imagens, áudio, vídeo e documentos, além de texto, com a mesma governação sobre o que pode ser aprendido. Capturas de ecrã, designs, conversas gravadas, documentos e resultados de ferramentas podem todos ensiná-lo.
O que importa não é encontrar conteúdos multimédia. É ligar essas evidências aos desfechos, às tarefas, às competências e ao esquecimento.
Para a IA: onde vive a inteligência.
A maior implicação: a inteligência já não tem de viver inteiramente dentro do modelo fundacional.
Uma nova unidade de inteligência.
A visão habitual, e a que o Duplex torna possível:
O modelo é o produto inteligente.
O produto inteligente é o modelo, mais um ambiente de execução que continua a aprender.
As melhorias podem então acumular-se entre chamadas ao modelo, entre sessões e até entre fornecedores de modelos.
Os modelos tornam-se mais fáceis de trocar.
Quando a memória, a personalização, as regras, o uso aprendido das ferramentas, a continuidade das tarefas e as competências próprias de uma organização vivem no Duplex, o modelo por baixo torna-se mais fácil de substituir. Os modelos continuam a competir em raciocínio, velocidade, modalidade e preço.
Mas o que um cliente construiu já não desaparece quando o modelo muda, e o poder passa para quem detém o que foi aprendido.
Agentes que continuam a ser eles próprios.
Um agente ligado ao Duplex continua a ser ele próprio quando:
- Uma conversa termina
- A janela de contexto fica cheia
- O cliente reinicia
- Uma tarefa é retomada dias depois
- O modelo muda
- O trabalho passa do Claude Code para o Codex
- Junta-se outra pessoa autorizada
Isso está mais perto de um trabalhador de software persistente do que de uma sucessão de conversas sem relação entre si.
Uma fronteira clara entre modelo e sistema.
A ACI é a inteligência que se adapta. O Duplex é o produto em torno dela: as decisões, a governação, as formas de entrar e o ciclo de vida de tudo o que aprende. Os agentes trabalham com algumas operações simples e estáveis, o modelo nunca precisa de saber o que corre por baixo delas, e os hooks ligam cada decisão a uma ação real.
É essa fronteira que transforma um motor numa infraestrutura que qualquer agente pode usar.
Outra forma de escalar.
Na IA, parte-se muitas vezes do princípio de que mais capacidade exige sobretudo modelos maiores, mais dados de treino, janelas de contexto mais longas ou mais computação na inferência. O Duplex acrescenta outra dimensão:
Um modelo capaz que continua a acumular experiência confirmada fora dos seus pesos.
Isso pode fazer mais, por menos, do que aumentar o modelo ou o seu prompt vezes sem conta.
Aquilo em que o Duplex se está a tornar.
O Duplex faz com que os agentes de IA recordem, aprendam, melhorem, obedeçam e continuem, de sessão em sessão e de modelo em modelo.
Não é apenas:
- Uma base de dados vetorial
- Um plugin de memória
- Um gestor de prompts
- Um servidor MCP
- Um motor de fluxos de trabalho
- Um gateway de políticas
- Um sistema de afinação
Combina partes de todos eles num só ambiente de execução que aprende.
O Duplex ao lado da memória, das competências, da afinação e dos gateways de IA →Em resumo.
Para as empresas
IA que melhora com o uso, e mantém o que aprendeu através de agentes e fornecedores de modelos.
Para a investigação
Adaptação contínua, incerteza, memória, planeamento, aprendizagem reversível e evidências em qualquer formato, num só sistema a trabalhar por trás de agentes reais.
Para a IA
A inteligência já não tem de viver inteiramente dentro do modelo. O que se aprende pode tornar-se uma camada à parte: governada, portátil e sua.
Infraestrutura, não uma funcionalidade.
A maior oportunidade é pôr a aprendizagem contínua a funcionar na prática: imediata, persistente, reversível, governada e disponível para os agentes que já usa através do MCP + hooks, com o seu modelo tal como está. O Duplex foi concebido para ser a camada onde as pessoas e as organizações constroem a sua inteligência de IA, enquanto os modelos se tornam, por baixo dela, motores de raciocínio substituíveis.
Seja dono da inteligência que sobrevive a todos os modelos.
Um piloto põe o Duplex no seu próprio trabalho, e o que conta como sucesso fica acordado antes de começar.