~/questoes/agentes-de-ia
Quando um chatbot mantém todas as mensagens de uma conversa sem controle, o histórico cresce continuamente. Esse crescimento consome mais tokens (unidades de processamento) nas requisições à API, aumentando significativamente os custos operacionais. A técnica trim_messages resolve esse problema descartando mensagens antigas menos relevantes.
A alternativa C está correta porque explicita o problema real: mais mensagens no histórico = mais tokens consumidos = custos maiores com a API de modelos de linguagem. Esse é o desafio principal que motiva o uso de estratégias de otimização como trim_messages.
SQLite não fica corrompido pelo crescimento de dados. Bancos de dados são projetados justamente para armazenar grandes volumes. O problema não é corrupção, mas custo e eficiência.
Na verdade, um histórico infinito piora a compreensão. O modelo pode ficar confuso com informações antigas contraditórias ou irrelevantes, além de consumir contexto desnecessariamente.
Correta. Cada token processado tem um custo na API. Com o histórico crescendo, você envia mais tokens em cada requisição, aumentando gastos. trim_messages mantém apenas mensagens relevantes.
Mensagens antigas não desaparecem automaticamente. Elas permanecem armazenadas no banco de dados SQLite. É justamente por isso que você precisa de uma estratégia como trim_messages para controlar o que é mantido.