🧬 Intelecto: Segundo Cérebro via Telegram

O Intelecto é um assistente pessoal de IA criado por @inematds, escrito em Python (~3000 linhas) com apenas 7 dependências pip. Roda localmente, conecta ao Telegram como interface e usa SQLite para armazenar memórias com busca FTS5 e ranking BM25.

Entender a arquitetura permite customizar o Intelecto para integrar com o vault Obsidian. O design minimalista (sem frameworks pesados) facilita modificações e extensões específicas para o segundo cérebro.

Python, SQLite FTS5, Telegram Bot API, OpenRouter, Ollama, arquitetura minimalista, 7 dependências pip.

O Intelecto define identidade via três arquivos Markdown: SOUL.md (personalidade e valores), AGENTS.md (capacidades e comportamentos dos agentes) e USER.md (contexto do usuário). Esses arquivos são injetados como system prompt em cada conversa.

Customizar esses arquivos é a principal forma de adaptar o Intelecto para o segundo cérebro. O USER.md pode incluir referências ao vault Obsidian, permitindo que o assistente conheça o contexto do seu conhecimento compilado.

SOUL.md, AGENTS.md, USER.md, system prompt, identidade declarativa, personalidade em Markdown, injeção de contexto.

O Intelecto usa SQLite com extensão FTS5 (Full-Text Search) e algoritmo BM25 para ranquear memórias por relevância. Cada conversa é sumarizada automaticamente e armazenada. Deduplication remove memórias semelhantes para evitar redundância.

BM25 é o mesmo algoritmo do Elasticsearch — eficiente, comprovado e sem necessidade de embeddings vetoriais. Entender como ele funciona permite otimizar as memórias armazenadas e a forma como o Intelecto recupera contexto relevante.

BM25, FTS5, TF-IDF, ranking por relevância, sumarização automática, deduplication, memória episódica.

Setup do Intelecto em 5 passos: clone do repositório, pip install das 7 dependências (python-telegram-bot, openai, anthropic, tiktoken, sqlite-utils, python-dotenv, httpx), configuração do .env com tokens e execução do script principal.

A instalação simples é uma das maiores vantagens do Intelecto frente a soluções mais pesadas. Em minutos você tem um assistente pessoal funcional rodando no Telegram, pronto para ser integrado ao vault.

python-telegram-bot, .env, TELEGRAM_TOKEN, OPENROUTER_API_KEY, SQLite automático, configuração declarativa.

O Intelecto suporta dois backends de modelos: OpenRouter (acesso a Claude, GPT-4, Gemini, DeepSeek via API) e Ollama (modelos locais como Llama, Mistral, Qwen). A troca é feita via variável de ambiente sem alterar código.

A flexibilidade de backend permite usar modelos potentes na nuvem para tarefas complexas e modelos locais para operações repetitivas de ingestão, balanceando custo e qualidade no segundo cérebro.

OpenRouter, Ollama, backend agnóstico, variável MODEL no .env, troca de modelo sem code change, custo vs. qualidade.

Comparação entre Intelecto (SQLite + Telegram, ~3000 linhas, 7 deps) e alternativas mais complexas. O Intelecto prioriza simplicidade e hackabilidade — ideal para integração com vault wiki. Alternativas como MemGPT ou custom RAG têm mais features mas são mais difíceis de customizar.

Entender os trade-offs justifica a escolha do Intelecto para o segundo cérebro. Simplicidade significa menor surface de bugs, fácil auditoria do código e integração direta com o vault sem wrappers complexos.

Trade-offs de complexidade, hackabilidade, linhas de código como métrica, dependências mínimas, filosofia Unix de ferramentas simples.

O Intelecto cria automaticamente uma tabela SQLite com FTS5 para cada memória. Ao receber uma query, usa BM25 para ranquear as memórias mais relevantes e injeta as top-N no contexto. Deduplication compara similaridade e remove memórias redundantes periodicamente.

Entender o mecanismo de recuperação SQLite permite otimizar como as memórias são gravadas — palavras-chave estratégicas melhoram o recall do BM25 tanto para memórias de conversa quanto para conhecimento do vault.

FTS5 virtual table, BM25 score, top-N retrieval, deduplication threshold, memória episódica, sumarização de conversa.

A memória SQLite do Intelecto tem limitações críticas para conhecimento de longo prazo: não é versionada com Git, não é legível diretamente por humanos, não tem links entre conceitos, e memórias degradam com sumarizações sucessivas perdendo detalhes originais.

Reconhecer as limitações justifica a arquitetura híbrida. SQLite é excelente para memória de curto prazo e contexto de conversa — mas não substitui um wiki Markdown versionado para conhecimento estruturado permanente.

Memória de curto prazo, degradação por sumarização, ausência de versionamento, não auditável, sem hiperlinks, formato binário.

O wiki Markdown tem vantagens fundamentais: versionado com Git (histórico completo), legível por humanos sem ferramentas especiais, links bidirecionais entre conceitos, auditável via diff, e compilável pelo LLM em respostas estruturadas de alta qualidade.

As vantagens do wiki justificam o investimento em compilação manual ou assistida por LLM. Conhecimento no wiki não degrada, pode ser revisado, corrigido e evoluído — propriedades essenciais para um segundo cérebro confiável.

Git, diff, legibilidade humana, links bidirecionais, auditabilidade, permanência, compilação LLM, estrutura explícita.

A arquitetura híbrida ideal usa as duas memórias em camadas: SQLite como cache de contexto recente (últimas conversas, notas rápidas, itens temporários) e Wiki Markdown como repositório permanente de conhecimento estruturado. A transição entre as duas é gerida por regras explícitas.

A arquitetura híbrida resolve os trade-offs de cada sistema: SQLite dá velocidade e contexto imediato; wiki dá permanência e estrutura. Juntos, cobrem desde o pensamento efêmero até o conhecimento consolidado.

Memória em camadas, cache vs. persistência, critérios de promoção, short-term vs. long-term memory, regras de transição.

Um script bridge Python lê o index.md do vault e injeta páginas relevantes como memórias estruturadas no SQLite do Intelecto. Na direção inversa, memórias SQL marcadas para promoção são exportadas como notas raw/ para ingestão pelo LLM wiki. O fluxo é unidirecional com ponto de controle humano.

A sincronização é o componente central da integração. Entendê-la permite implementar o bridge de forma incremental, começando com sincronização manual e evoluindo para automática conforme a confiança no sistema aumenta.

Bridge script, sincronização unidirecional, ponto de controle, promoção de memória, ingestão via raw/, sincronização incremental.

Regras práticas: use SQLite para contexto de conversa, tarefas em andamento, lembretes efêmeros e notas rápidas. Use o wiki para conceitos definidos, projetos com múltiplas entidades, comparações, decisões com justificativa e qualquer coisa que você queira consultar em 6 meses.

O modelo mental correto evita o erro de colocar tudo em um lugar só — sobrecarregar o wiki com efêmeros ou confiar o importante apenas ao SQLite. A separação clara torna o sistema mais sustentável e confiável.

Regras de roteamento, efêmero vs. permanente, critérios de valor, life expectancy da informação, custo de compilação vs. benefício.

O USER.md é injetado em toda conversa do Intelecto como contexto fixo sobre o usuário. Ao incluir o catálogo do vault (domínios, projetos ativos, conceitos principais) no USER.md, o Intelecto sabe que existe um segundo cérebro e pode referenciar e sugerir páginas do wiki nas respostas.

Esta é a integração mais simples e imediata: sem código, apenas editando um arquivo Markdown. O Intelecto passa a ter consciência do vault, mencionando páginas relevantes e sugerindo ingestões quando o usuário compartilha novas informações.

USER.md, contexto persistente, catálogo de domínios, consciência do vault, integração zero-code, injeção estática de contexto.

Um script Python (bridge.py) lê o index.md do vault, extrai entradas relevantes e as insere como memórias estruturadas no SQLite do Intelecto. O script é executado manualmente ou via cron e usa palavras-chave do index para maximizar o recall BM25.

O bridge permite que o Intelecto recupere conhecimento do wiki durante conversas sem precisar ler arquivos Markdown diretamente. A memória BM25 passa a incluir o conhecimento compilado, tornando as respostas muito mais ricas e contextualizadas.

bridge.py, parsing de Markdown, insert SQL, cron job, palavras-chave estratégicas, memória estruturada, sincronização incremental.

Fluxo de ingestão via Telegram: usuário envia texto/link/arquivo → Intelecto salva como arquivo em raw/ (via Dropbox sync, API ou SSH) → comando /ingere dispara o LLM para compilar a nova página wiki/ → index.md e log.md são atualizados.

O Telegram como interface de ingestão transforma qualquer momento (reunião, leitura, insight) em uma entrada para o segundo cérebro. O celular já está sempre na mão — o Intelecto torna a captura tão natural quanto enviar uma mensagem.

raw/, wiki/, /ingere, Dropbox sync, SSH, Telegram como front-end de ingestão, captura assíncrona, compilação LLM.

Na consulta híbrida, o Intelecto primeiro recupera memórias relevantes via BM25 (incluindo entradas do wiki sincronizadas pelo bridge) e, quando a query é identificada como de conhecimento estruturado, também lê diretamente a página wiki correspondente antes de gerar a resposta.

A consulta híbrida produz respostas muito mais completas: o contexto de conversa recente (SQLite) é combinado com o conhecimento estruturado e permanente (wiki). O resultado supera qualquer um dos dois sistemas isolados.

Recuperação em dois estágios, classificação de query, leitura direta de wiki, fusion de contextos, resposta aumentada por wiki.

Sincronização automática via watcher Python que monitora mudanças no vault (inotify ou polling) e dispara o bridge.py quando páginas wiki são atualizadas. O Intelecto recebe as novas memórias dentro de minutos, sem intervenção manual.

A sincronização automática fecha o loop do segundo cérebro: compilar uma nova página wiki atualiza automaticamente o Intelecto. O conhecimento vive nos dois sistemas simultaneamente sem esforço extra do usuário.

inotify, polling, watcher, sincronização incremental, debounce, vault como source of truth, latência de sincronização.

Demonstração completa: usuário lê um artigo → envia link pelo Telegram → Intelecto salva em raw/ → /ingere compila para wiki/ → bridge sincroniza para SQLite → usuário consulta "o que aprendi sobre X?" → Intelecto retorna síntese com dados da memória SQLite e da página wiki compilada.

O exemplo de ponta a ponta torna concreto o valor do sistema integrado. Ver o fluxo completo ajuda a identificar onde customizar, otimizar e onde adicionar automações para o próprio workflow.

Fluxo end-to-end, captura → compilação → sincronização → consulta, ciclo de vida da informação, ROI do segundo cérebro.

Princípios de UX para o Intelecto como interface de captura: latência zero (resposta imediata de confirmação), feedback contextual (Intelecto comenta brevemente sobre o que foi capturado), e sugestões inteligentes (sugere tag ou domínio do vault baseado no conteúdo enviado).

A qualidade da interface de captura determina se o sistema será usado consistentemente. Uma interface com fricção alta é abandonada em dias. Design correto torna a captura tão fluida quanto pensar em voz alta.

Latência zero, feedback imediato, sugestão contextual, fricção zero, captura assíncrona, confirmação de recebimento.

Comandos Telegram customizados adicionados ao Intelecto: /ingere [texto ou URL] aciona a pipeline de ingestão do wiki, /consulta [query] faz busca híbrida SQLite+wiki, /audit executa o lint do vault e reporta páginas órfãs e contradições, /status mostra estatísticas do vault.

Comandos explícitos criam intenções claras — o usuário sabe exatamente o que o sistema vai fazer. Isso é melhor que depender de detecção automática de intenção para operações críticas como ingestão e auditoria.

/ingere, /consulta, /audit, /status, CommandHandler, BotCommand, menu de comandos Telegram, intenção explícita.

Handler para arquivos enviados pelo Telegram: PDFs são convertidos para texto via pypdf, imagens são descritas pelo vision model do LLM, áudios são transcritos via Whisper. Todos os resultados são salvos em raw/ com metadados (origem, data, tipo) para ingestão pelo wiki.

O envio de arquivos expande o segundo cérebro para além de texto: artigos em PDF, fotos de whiteboard, gravações de reunião — tudo se torna conhecimento estruturado após passar pelo pipeline de ingestão multi-modal.

pypdf, vision model, Whisper, multi-modal, MessageHandler, document handler, metadados de origem, raw/ como drop zone.

O Intelecto pode enviar mensagens proativas via job queue do python-telegram-bot: lembrete diário de itens pendentes no vault, alerta quando uma página wiki tem mais de 90 dias sem revisão, sugestão de conexões entre novas capturas e páginas existentes.

Notificações proativas transformam o segundo cérebro de repositório passivo em parceiro ativo. O sistema lembra de itens que você esqueceu, sugere conexões não óbvias e mantém o vault vivo e em uso contínuo.

JobQueue, send_message, notificação proativa, spaced repetition, vault health check, conexões sugeridas, assistente ativo.

O Intelecto em um grupo Telegram permite que uma equipe contribua para o mesmo vault: cada membro envia capturas que são atribuídas com metadados de autoria, o vault cresce colaborativamente e o Intelecto responde a todos com contexto do conhecimento compartilhado.

Um segundo cérebro de equipe é um multiplicador de produtividade. O conhecimento de cada membro enriquece o vault compartilhado, e o Intelecto serve como interface única para consulta e captura — sem email, sem Notion compartilhado, sem fricção.

Grupo Telegram, multi-user, metadados de autoria, vault compartilhado, permissões, conhecimento coletivo, segundo cérebro de equipe.

Roteiro de implementação em 4 semanas: Semana 1 — Intelecto básico funcionando no Telegram. Semana 2 — USER.md configurado com contexto do vault. Semana 3 — bridge.py sincronizando wiki → SQLite. Semana 4 — comandos customizados e automações finais.

Um roteiro faseado reduz a sobrecarga de implementar tudo de uma vez. Cada fase entrega valor imediato, e você pode parar em qualquer etapa com um sistema já funcional e útil.

Implementação faseada, MVP, entrega incremental, 4 semanas, value at each stage, roteiro de adoção, segundo cérebro progressivo.