> ## Documentation Index
> Fetch the complete documentation index at: https://docs.strattum.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Problemas no Memory

> Diagnóstico dos problemas mais comuns do Memory: fila de revisão grande demais, entidades duplicadas, entidade que não aparece e confidence threshold mal calibrado.

Esta página cobre os problemas mais comuns do Memory — fila de revisão, Entity Resolution e calibração de threshold. Para cada um, você tem o sintoma que aparece no Console, a causa mais provável e a correção.

***

## Problemas comuns

> **A fila de revisão está grande demais**
>
> **Sintoma:** **Memory → Review Queue** acumula centenas de entidades pendentes e o time não consegue vencer o volume.
>
> **Causa provável:** o `auto_confirm_threshold` está alto demais para as suas fontes, então muitas entidades de boa qualidade caem na fila em vez de entrar direto no grafo. Nos primeiros dias a fila é naturalmente maior, porque o modelo ainda está aprendendo os padrões das fontes.
>
> **Correção:**
>
> * Nas primeiras semanas, processe a fila em lote: selecione itens pendentes de alta confiança e use **Confirmar em bulk**.
> * Depois de calibrar, eleve o `auto_confirm_threshold` gradualmente para reduzir o trabalho manual. Ajuste por fonte via `PUT /v1/memory/ner-review/thresholds/{source_type}`.
> * Estabeleça uma rotina de revisão — diária para fontes de alta frequência como Slack. Itens pendentes são conhecimento que ainda não chegou aos agentes.

> **A mesma entidade aparece duplicada no grafo**
>
> **Sintoma:** "TechCorp", "Tech Corp Ltda" e "TechCorp Brasil" existem como nós separados; o mesmo cliente aparece mais de uma vez.
>
> **Causa provável:** o Entity Resolution não encontrou uma chave determinística (CPF, CNPJ, email normalizado, telefone) para unir os registros, e o matching probabilístico ficou abaixo do corte. Fontes não-estruturadas geram grafias diferentes para a mesma entidade.
>
> **Correção:**
>
> * Em **NER Review**, use a ação **Remapear** para redirecionar cada variação ao nó canônico. É a ferramenta principal de deduplicação progressiva.
> * Se sua empresa já tem um ID unificado nos sistemas, exponha esse campo como `external_id` no conector — o Memory usa essa chave direto e pula o Entity Resolution.
> * Padronize CPF/CNPJ, email e telefone na camada `clean/` do conector para o matching determinístico resolver antes de chegar ao probabilístico. \[verificar campos disponíveis por fonte]

> **Uma entidade que deveria existir não aparece**
>
> **Sintoma:** você busca por um cliente em **Memory → Entities** e ele não está lá, mesmo com dados na fonte.
>
> **Causa provável:**
>
> * A entidade caiu abaixo do `review_threshold` e foi rejeitada silenciosamente.
> * O conector que traz essa entidade não sincronizou, ou o Memory Worker ainda não processou o último ciclo.
> * A ontologia não inclui o tipo de entidade correspondente.
>
> **Correção:**
>
> * Confira o status do conector de origem em **Connections** — ele precisa estar **Conectado**. Veja [Conectores não sincronizam](https://docs.strattum.ai/troubleshooting/connectors.md).
> * O Memory Worker roda em ciclos configuráveis (padrão a cada 5 minutos). Aguarde um ciclo após a sincronização do conector.
> * Confirme que o tipo de entidade está na ontologia em **Memory → Configuration**. Sem o tipo definido, o Memory não procura por ele.
> * Se a entidade foi rejeitada por confiança baixa, reduza o `review_threshold` da fonte para que casos semelhantes entrem na fila em vez de serem descartados.

> **O confidence threshold está mal calibrado**
>
> **Sintoma:** ou entram entidades erradas no grafo automaticamente, ou quase tudo cai na fila de revisão.
>
> **Causa provável:** o threshold não está ajustado ao ruído da fonte. Threshold baixo demais aceita falsos positivos; alto demais empurra tudo para revisão manual.
>
> **Correção:**
>
> * Comece **Balanceado (0.80)** na ontologia e reavalie o volume da fila após 2 semanas.
> * Para dados críticos (crédito, compliance), use o perfil **Conservador (0.90+)**.
> * Lembre que reduzir o `review_threshold` aumenta o volume da fila, e reduzir o `auto_confirm_threshold` aumenta o que precisa de revisão manual. Ajuste um de cada vez e acompanhe o impacto via Observability.
> * Ajustes valem só para itens novos — a fila existente não é reclassificada retroativamente.

***

## Onde ver os logs

O volume da fila e a taxa de NER ambíguo aparecem em **Observability**. Use essas métricas para identificar quais fontes geram mais revisões manuais antes de mexer em threshold. O status do conector de origem fica em **Connections** → `···` → **Ver logs**.

## Como abrir um chamado

Se o comportamento persistir após ajustar threshold e confirmar que o conector sincroniza, abra um chamado no canal **#strattum-suporte** no Slack. Inclua a fonte envolvida, os thresholds atuais e um exemplo de entidade afetada (texto detectado e score).

***

## Próximos passos

> **[Memory — visão geral](https://docs.strattum.ai/memory/overview.md)**
>
> Como Entity Resolution e o grafo consolidam tudo sobre uma entidade.

> **[NER Review](https://docs.strattum.ai/memory/ner-review.md)**
>
> Fluxo de confiança, thresholds por fonte e ações de confirmar, rejeitar e remapear.

> **[Configuração pós-instalação](https://docs.strattum.ai/getting-started/configuration.md)**
>
> Como definir a ontologia e o confidence threshold no setup inicial.

> **[Conectores não sincronizam](https://docs.strattum.ai/troubleshooting/connectors.md)**
>
> Quando a entidade não aparece porque a fonte não sincronizou.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.