GitHub Copilot Memory ganha controles: a memória da IA agora precisa de governança

Memória parece uma vantagem óbvia para um assistente de programação. Se a IA lembra padrões do projeto, preferências do time e decisões anteriores, ela perde menos tempo perguntando o básico. Mas a mesma memória que economiza minutos também pode guardar contexto errado, ultrapassado ou sensível. Por isso, a notícia do GitHub Copilot Memory não é apenas sobre produtividade. É sobre controle.

Em 26 de maio de 2026, o GitHub anunciou novos recursos para o Copilot Memory, ainda em preview público para planos pagos. A atualização inclui melhor orientação para exclusão de memórias, desligamento por repositório e comando /memory na Copilot CLI. A mudança parece pequena, mas toca no centro da próxima fase dos assistentes de código: como dar continuidade sem transformar contexto em risco permanente.

O que aconteceu

O Copilot Memory permite que o assistente guarde preferências de usuário e fatos de repositório. Com a atualização, quando alguém pede para esquecer uma informação, o Copilot passa a indicar o local correto para excluir aquele dado. Administradores também podem desativar memória em um repositório específico, impedindo leitura e gravação de fatos naquele escopo.

Na CLI, o comando /memory ajuda a consultar status e controlar o recurso. O GitHub também passou a explicar melhor se uma informação será salva como preferência pessoal ou como fato de repositório. Essa distinção é importante: "prefiro testes com Vitest" não tem o mesmo peso que "este serviço autentica usuários por um fluxo interno".

A técnica por trás

Assistentes de código dependem de contexto. Sem ele, geram respostas genéricas. Com contexto demais, podem misturar projetos, repetir decisões antigas ou expor informações indevidas. A memória tenta resolver esse equilíbrio criando uma camada persistente entre sessões. O desafio é que persistência muda a natureza da ferramenta: ela deixa de ser apenas uma resposta temporária e vira parte da infraestrutura de conhecimento do time.

Por isso, escopo é tão importante quanto capacidade. Uma memória pessoal deve seguir o usuário. Uma memória de repositório deve ficar presa ao projeto. Uma informação sensível talvez não deva ser lembrada nunca. O avanço real está em tornar essas fronteiras visíveis e administráveis.

Por que isso importa

Times de engenharia já vivem cercados de contexto: issues, PRs, ADRs, READMEs, wikis, logs e conversas. A IA promete costurar tudo isso, mas a costura precisa ser auditável. Se um assistente sugere código baseado em uma memória incorreta, quem percebe? Se ele mantém uma regra que deixou de valer, como o time corrige? Se ele aprendeu algo de um repositório privado, onde esse dado reaparece?

Os novos controles não resolvem todos esses problemas, mas indicam uma direção saudável. Memória de IA deve ter botão de desligar, trilha de revisão e fronteiras claras. Sem isso, assistentes agenticoss podem acelerar erros com a mesma eficiência com que aceleram tarefas.

O futuro que isso antecipa

O próximo passo dos devtools não será apenas completar código melhor. Será manter relação contínua com o projeto. A IA vai lembrar padrões, revisar mudanças, abrir PRs, rodar testes e sugerir arquitetura. Nesse mundo, esquecer também vira uma função de segurança.

A pergunta que fica para equipes é desconfortável: se a IA começa a lembrar como seu sistema funciona, quem dentro da organização será responsável por revisar aquilo que ela acredita saber?

O que observar

O recurso ainda está em preview, então o ponto mais importante será observar como equipes reais organizam políticas de uso. Um time pequeno pode aceitar memória ligada por padrão. Uma empresa maior talvez precise separar repositórios críticos, projetos experimentais e ambientes com dados sensíveis. A configuração certa não será universal.

Também será importante acompanhar como memórias conflitantes serão tratadas. Projetos mudam de framework, convenção e arquitetura. Se o Copilot guarda uma preferência antiga, ele pode sugerir decisões que parecem coerentes, mas já não fazem sentido. A qualidade do recurso dependerá de edição, expiração e revisão, não apenas de coleta.

Há uma mudança cultural embutida aqui. Desenvolvedores estão acostumados a revisar código, mas não necessariamente a revisar memória de ferramentas. Em um futuro próximo, manter o contexto da IA limpo pode virar parte da higiene de engenharia, assim como atualizar documentação, remover feature flags antigas e arquivar decisões que perderam validade.

Fontes

1. https://github.blog/changelog/2026-05-26-copilot-memory-has-more-controls-for-deletion-scope-and-the-copilot-cli