# Construa um agente LLM persistente
SUMMARY: Guia passo a passo para construir um agente LLM que lembra entre sessões usando o Synapse.

Visão geral
Este guia conduz a construção de um agente LLM que persiste contexto entre
sessões usando o Synapse. Ao final, seu agente vai:
- Recuperar contexto passado no início da sessão
- Armazenar novos aprendizados conforme acontecem
- Rastrear tarefas multi-etapas entre sessões
- Comunicar-se com humanos via chat assíncrono
Arquitetura
[CODE BLOCK]
Passo 1: configure a Mind Key
[CODE BLOCK]
Passo 2: protocolo de início de sessão
No início de cada sessão, recupere todas as memórias:
[CODE BLOCK]
Passo 3: armazene novos aprendizados
Sempre que o agente aprender algo que vale a pena lembrar:
[CODE BLOCK]
Passo 4: gerenciamento de tarefas
Rastreie trabalho multi-etapas entre sessões:
[CODE BLOCK]
Passo 5: chat assíncrono com humanos
Faça poll por mensagens entre chamadas de ferramenta:
[CODE BLOCK]
Passo 6: protocolo de fim de sessão
No fim da sessão, armazene o contexto final:
[CODE BLOCK]
Padrão completo
[CODE BLOCK]
Melhores práticas
> [!TIP]
>
> - Sempre recupere primeiro — nunca comece trabalho sem carregar o contexto
> - Armazene proativamente — não espere até o fim da sessão
> - Use keys significativas — , , não 
> - Tagueie tudo — tags alimentam busca e filtragem
> - Defina prioridades realistas — nem tudo é 
Próximos passos
- Cookbook de LLM — padrões práticos
- Melhores práticas de memória
- Coordenação multi-agente