Career Memory e RAG local¶
Career Memory é a camada local que registra fatos e eventos úteis da trajetória profissional. RAG local é o mecanismo que encontra apenas os itens relevantes para a vaga ou consulta atual.
O que é salvo¶
- fatos estruturados do currículo, projetos, experiências, formação, skills e links;
- preferências explícitas;
- análises e recomendações anteriores;
- oportunidades, candidaturas e eventos do tracker;
- feedback manual sobre a qualidade das recomendações.
O arquivo padrão é data/memory/career-memory.jsonl. O perfil consolidado fica em
data/memory/career-profile.json. A pasta data/ é ignorada pelo Git.
Recuperação¶
O retrieval funciona sem IA externa:
- normaliza e tokeniza a consulta;
- mede sobreposição de keywords;
- aplica boost para tags compatíveis;
- aplica boost por tipo de memória;
- aplica um boost pequeno por recência;
- retorna evidências com fonte, trecho e relevância.
Uso na análise¶
A análise local incorpora os trechos recuperados aos fatos do currículo, ajustando scores e recomendação sem inventar informação. A interface mostra as evidências usadas.
Quando Gemini estiver habilitado, o comportamento depende de duas flags:
| Flag | Padrão | Efeito |
|---|---|---|
| Usar memória nesta análise | sim | recupera contexto para a análise local |
| Enviar contexto relevante para Gemini | não | envia apenas o resumo recuperado ao provider |
Desabilitar a primeira flag impede a recuperação. Manter a segunda desabilitada garante que Gemini não receba memória, mesmo quando a análise local a utiliza.
Evolução futura¶
Embeddings locais e reranking podem ser adicionados como opções. Eles não são dependências da v0.8.0 e não devem substituir evidências rastreáveis.
Calibração na v0.9.0¶
O retrieval passa a considerar pesos configuráveis, boost por tipo, penalidade para itens genéricos ou antigos, limites por tipo e feedback útil/não útil. Cada evidência mostra motivo de seleção e breakdown de score.
Capturas multiportal usam uma identidade estável. Quando a mesma vaga aparece em LinkedIn e Gupy, por exemplo, a memória de oportunidade é atualizada em vez de duplicada.
Veja Calibração de evidências.