Por que as decisões tomadas em chats com IA se perdem, e onde guardá-las

As decisões tomadas numa conversa com o ChatGPT ou o Claude se perdem porque um chat não tem estado. Nada nele marca uma linha como "foi isto que decidimos", nada liga essa linha ao trabalho que ela afeta, e um chat novo começa vazio. A solução é fazer a IA anotar a decisão onde o trabalho vive, como um registro curto com os motivos, e fazer a próxima sessão ler esses registros antes de agir.

Nós fazemos o Weft. Os fatos sobre outros produtos vêm das páginas oficiais deles, verificadas em 27 de outubro de 2026. A ideia de que uma thread "não tem estado" vem do artigo do Hypertask sobre threads do Slack. Este guia a aplica aos chats com IA.

Por que as decisões tomadas com o ChatGPT ou o Claude desaparecem?

Você passa quarenta minutos com um assistente pesando dois provedores de banco de dados, dois modelos de preço ou duas formas de estruturar uma API. Você escolhe um. O raciocínio é bom, o assistente concorda, e você passa para a próxima coisa.

Uma semana depois, a conclusão continua naquele chat, em algum lugar acima de outras duzentas mensagens. Um chat novo não sabe nada sobre ela. Alguém do time nunca a viu. E se no dia seguinte você abrir outro cliente de IA, por exemplo um agente de código no terminal, esse cliente começa do zero e pode sugerir, todo animado, a opção que você descartou.

Isso não é falta de disciplina. Uma conversa é uma sequência de mensagens. Ela não tem campo para "decidido", nem dono, nem vínculo com uma tarefa, nem um jeito de dizer "isto substituiu o que dissemos na terça". Uma questão decidida e uma abandonada ficam iguais depois que rolam para cima.

A memória do chat já não resolve isso?

Não para este trabalho. Muitos assistentes já conseguem lembrar coisas sobre você entre um chat e outro, e isso é útil para preferências e contexto. Mas essa memória pertence a um produto e a uma conta. Ela é escrita para aquele assistente usar, não como um registro que uma pessoa revisa linha por linha, e outro cliente de IA não consegue lê-la. Ela também não diz a qual tarefa uma escolha se referia nem qual escolha anterior ela substituiu.

Um registro de decisões tem outras exigências. Ele precisa ser encontrável pelas pessoas e pelos agentes que trabalham no projeto, legível por qualquer cliente de IA que pegue o trabalho em seguida, ligado a esse trabalho e honesto com a história: quando uma decisão muda, a antiga deve continuar visível, com o motivo pelo qual foi substituída.

O que conta como uma decisão que vale registrar?

Registre uma escolha quando alguém poderia razoavelmente ter escolhido diferente e a escolha vai moldar o trabalho futuro. Bons exemplos:

• Escolher uma ferramenta, um fornecedor ou uma biblioteca em vez de outra.
• Deixar algo de lado de propósito ("sem programa de indicação neste trimestre").
• Definir uma regra que o trabalho precisa seguir ("todos os preços mostrados com IVA incluído na UE").
• Mudar uma escolha anterior, com o motivo.
• Uma lição aprendida do jeito difícil ("não rodar a migration em horário comercial").

Não registre:

• Ideias que você jogou na mesa e não adotou.
• Os passos do trabalho em si (isso fica na tarefa e no resultado dela).
• Qualquer coisa com que a pessoa ainda não concordou, a menos que esteja claramente marcada como proposta.
• Fatos que qualquer um consegue procurar de novo em um minuto.

Um teste útil: se uma nova sessão de IA estivesse prestes a desfazer essa escolha, você ia querer que ela parasse e lesse o porquê? Se sim, registre.

Como é um bom registro de decisão?

Seja breve e mantenha os motivos. O formato abaixo é uma versão leve do MADR (Markdown Architectural Decision Records), que é o que a ferramenta record_decision do Weft usa:

Título:        Uploads de arquivos: object storage, não o banco de dados
Resultado:     Os arquivos enviados vão para o object storage; o banco guarda
               só a chave do arquivo e os metadados.
Status:        accepted
Contexto:      Os usuários anexam arquivos de até 50 MB. Guardá-los no
               banco deixaria os backups lentos e grandes.
Opções:        1. Object storage   + barato, backups continuam pequenos
                                   - mais um serviço para configurar
               2. Coluna no banco  + um lugar só para tudo
                                   - backups crescem a cada upload
Consequências: Precisamos de URLs assinadas para downloads.
               Excluir uma tarefa também precisa excluir os arquivos dela.
Revisitar se:  Precisarmos buscar dentro do conteúdo dos arquivos.
Tarefa:        Uploads de arquivos

• Título dá nome à decisão para que você a encontre passando os olhos.
• Resultado é uma frase com que alguém recém-chegado consegue agir.
• Contexto é o que era verdade naquele momento. É a parte que some primeiro da memória.
• Opções lista só o que foi de fato considerado, não alternativas inventadas depois.
• Consequências inclui os pontos negativos que vocês aceitaram, para que ninguém os "descubra" depois como bugs.
• Revisitar se diz o que tornaria a escolha errada.

Como o Weft guarda um registro de decisão?

O Weft é um quadro de tarefas que os seus clientes de IA acessam via MCP em https://letsweft.com/api/mcp. Três das suas 32 ferramentas cuidam das decisões:

• record_decision recebe um título e um resultado, além de contexto, até cinco opções com prós e contras, consequências e a condição para revisitar. Ele pode ser ligado a uma tarefa (taskId) ou a um projeto. Os registros são imutáveis: para mudar um, a IA registra uma nova decisão com supersedesId apontando para a antiga, e o registro antigo fica, marcado como substituído.
• get_context retorna as decisões e lições em vigor no workspace, das mais novas para as mais antigas, dentro de um orçamento de tokens (800 tokens por padrão). Dá para restringir a um projeto ou a uma tarefa. Cada linha traz a data, uma decisão substituída nunca aparece, e as linhas que não couberam são contadas em vez de escondidas.
• get_task_history no modo decisions lista todas as decisões registradas sobre uma tarefa, incluindo os vereditos de revisão e os motivos.

record_decision tem um segundo uso: repassar um veredito que a pessoa deu na conversa sobre um trabalho esperando a revisão dela (aceito, retrabalho, descartado ou adiado). A descrição da ferramenta diz à IA que aqui ela é a mensageira, não quem decide, então ela nunca deve usá-la para aceitar o próprio trabalho.

Como os registros nunca são editados no lugar, a história continua honesta. Se você troca de provedor em março, a decisão de janeiro continua lá, marcada como substituída, e o registro de março diz por quê.

Como peço à minha IA para registrar decisões?

Conecte o Weft ao seu cliente de IA e cole uma instrução como esta no início de um chat, ou nas instruções personalizadas do cliente ou no arquivo do projeto, se ele tiver:

Quando fizermos uma escolha de verdade neste chat (escolhemos uma opção em vez de outra,
deixamos algo de lado ou mudamos uma escolha anterior), registre-a no Weft com
record_decision antes de seguirmos:
- title: a decisão, em poucas palavras
- outcome: a escolha em uma frase
- context: o que era verdade e forçou a escolha
- options: só as opções que realmente consideramos, com prós e contras
- consequences: o que vem depois, de bom e de ruim
- confirmation: quando devemos revisitá-la
- taskId ou project: a tarefa ou o projeto a que ela se refere
Se ela mudar uma decisão anterior, passe supersedesId em vez de editar.
Não registre conversa fiada, palpites ou coisas com que eu não concordei.
Se eu ainda não me comprometi, use o status "proposed".
No início de qualquer trabalho que não seja trivial, chame get_context primeiro e me diga
quais decisões anteriores se aplicam.

Conectar leva um minuto. No ChatGPT, o Weft é um app publicado no diretório de plugins, disponível em todos os planos, inclusive o Free (configuração). No Claude Code é um comando (configuração). O claude.ai e o Claude Desktop o adicionam como conector personalizado. O login é OAuth no navegador, então não há chave para copiar, e o Weft emite refresh tokens, então o próprio cliente renova o login. As páginas de configuração de outros clientes, como Cursor e Codex, estão na documentação.

O que acontece quando troco do ChatGPT para o Claude Code no dia seguinte?

Este é o caso para o qual a instrução foi feita.

1. Na segunda, você planeja uma funcionalidade no ChatGPT. Vocês decidem guardar os uploads no object storage em vez do banco de dados, e o ChatGPT chama record_decision com o contexto, as duas opções e as consequências, ligado à tarefa "Uploads de arquivos".
2. Na terça, você abre o Claude Code no repositório. Se ainda não o conectou: claude mcp add --transport http weft https://letsweft.com/api/mcp.
3. Você pede para ele pegar a tarefa de uploads. Antes de escrever código, ele chama get_context para essa tarefa, ou get_task_history no modo decisions, e recebe de volta o registro de segunda.
4. Ele constrói em cima do object storage em vez de reabrir a questão. Se encontrar um motivo real para a escolha estar errada, pode propor uma nova decisão que substitua a de segunda, e você decide.

Os dois clientes leem o mesmo quadro e as mesmas decisões, porque o registro vive no Weft, não em nenhum dos chats. Cada conexão OAuth é um ator próprio, e o quadro mostra o nome com que cada cliente se registrou, então você vê qual conexão criou qual tarefa. Para rodar vários agentes num só quadro sem colisões, veja vários agentes de IA, um quadro.

Onde devem ir parar as decisões tomadas no ChatGPT?

Quatro lugares comuns, comparados no que um registro de decisões precisa:

A questão não é que chats ou documentos sejam ruins. O chat é onde você pensa. A decisão precisa ser copiada do chat para algo com estado, no momento em que é tomada, por quem já está na conversa: a IA.

Isso substitui a nossa documentação ou wiki?

Não. O Weft não tem documentos nem wiki e não tenta ser um. Explicações longas, guias de onboarding e textos de design pertencem à sua ferramenta de documentação. Um registro de decisão é pequeno de propósito: uma escolha, os motivos e o que a substituiu. Se o seu time já guarda registros de decisão numa wiki e todos os clientes de IA que você usa conseguem lê-la, isso pode bastar. O Weft é útil quando as decisões são tomadas em chats com IA e o próximo leitor muitas vezes é outra IA. Se você está considerando o Notion para isso, veja alternativas ao Notion para tarefas com IA.

Dois outros limites, para ser honesto. O Weft não lê os seus chats: uma decisão só é registrada quando a IA chama record_decision, e é por isso que a instrução acima importa. E a IA pode errar sobre o que conta como decisão, então leia o get_context de vez em quando e substitua o que ela tiver registrado errado.

Quanto custa?

Registrar e ler decisões funciona no plano Free, que inclui 50 tarefas ativas e 200 chamadas de ferramentas de IA por mês. Cada chamada record_decision ou get_context conta como uma. O Pro custa R$ 39 por assento por mês ou R$ 329 por assento por ano, com tarefas e chamadas ilimitadas (preços). O Weft não tem créditos de IA: o raciocínio acontece no seu próprio cliente de IA, e o Weft só guarda o quadro e os registros.

Não posso só pedir ao ChatGPT para resumir as decisões no fim do chat?

Pode, e ajuda. Mas o resumo continua vivendo naquele chat ou onde você o colar. Ele não está ligado à tarefa, outro cliente de IA não consegue lê-lo, e quando a decisão muda não fica registro do que ela substituiu. Registrar cada decisão no momento em que é tomada evita os três problemas.

A IA vai registrar decisões sem que eu peça?

A descrição da ferramenta record_decision diz à IA para usá-la sempre que o usuário fizer uma escolha real na conversa, então alguns clientes vão fazer isso. Não conte com isso. A instrução colada deixa explícito, e você sempre pode dizer "registre essa decisão".

Dá para editar uma decisão registrada errado?

Não no lugar. Os registros são imutáveis. Registre uma decisão corrigida com supersedesId apontando para a errada. O registro antigo fica, marcado como substituído, e get_context para de mostrá-lo.

As decisões precisam de uma tarefa?

Não. Uma decisão pode ser ligada a uma tarefa, a um projeto ou a nenhum dos dois. Ligá-la a uma tarefa faz get_task_history mostrá-la junto daquele trabalho, e get_context pode ser restringido a ela.

Isso é o mesmo que a memória de trabalho do Weft?

Não. A memória de trabalho (notas curtas aprendidas) é um recurso separado do Pro. Os registros de decisão vêm de record_decision, e o código não os restringe ao Pro.

E se eu usar mais de um cliente de IA?

Esse é o principal motivo para fazer isso. ChatGPT, Claude Code, Cursor ou Codex conectados ao mesmo workspace do Weft leem todos as mesmas decisões por get_context, então o segundo cliente não reabre questões que o primeiro já resolveu.