> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tess.im/llms.txt
> Use this file to discover all available pages before exploring further.
# Background Models
Os Modelos de Bastidor são LLMs especializados que trabalham nos bastidores da Tess, executando funções específicas que vão além da resposta principal no chat. Eles permitem mais controle, melhor performance e otimização de custos, já que cada função pode usar um modelo diferente, escolhido de acordo com a necessidade.
### **O que é?**
Além do modelo principal que responde no chat, a Tess utiliza 8 modelos auxiliares, responsáveis por tarefas como:
* Extração e organização de memórias
* Roteamento de tarefas entre agentes
* Coordenação de execuções multi-agente
* Busca inteligente
* Explicação de erros
Esses modelos operam de forma transparente para o usuário final e podem ser configurados por Owners ou Administradores para equilibrar qualidade vs. custo.
### **Como usar?**
1. Acesse as configurações do workspace
2. Vá até a seção de LLMs de Background
3. Visualize as funções disponíveis (Memória, Autopilot, Workflow)
4. Para cada função:
* Selecione o modelo desejado
* Ajuste conforme necessidade de qualidade ou custo
5. Salve as configurações e pronto, os modelos passam a operar automaticamente nos bastidores\\
### Explicação mais profunda
Os Modelos de Bastidor estão organizados em três grandes blocos:
1. **Modelo de Extração**\
Lê as conversas e identifica fatos relevantes sobre o usuário. Nesse caso, o modelo roda automaticamente depois de cada conversa. Os modelos mais capazes e avançados extraem fatos mais ricos e precisos.
2. **Modelo de Digest Coletivo**\
Roda diariamente e sintetiza o que o time aprendeu no dia. Transforma dezenas de fatos individuais num resumo legível para gestores. Usa apenas fatos autorizados a compartilhar.
3. **Modelo de Consolidação**\
Mantém a memória limpa ao longo do tempo. Une fatos duplicados ou fragmentados num único fato mais completo. Evita acúmulo de ruído na memória.
1. **Modelo de Roteamento Automático**\
Quando uma tarefa chega sem destino definido, decide qual Funcionário de IA é o mais adequado para executá-la.
2. **Modelo Coordenador de Times**\
Nas execuções multi-agente, decide a sequência e distribuição do trabalho — quem age primeiro, quem revisa, quem entrega.
3. **Modelo de Busca Automática**\
Antes de cada resposta com busca ativa, analisa a pergunta e decide se é necessário buscar na internet — e quais termos pesquisar.
4. **Modelo de Contratação (Omnibar/hire)**\
Quando você usa /hire para criar um Funcionário de IA, cria o perfil do agente e gera as instruções detalhadas de trabalho.
\
**Modelo de Resumo de Erros**\
Quando um workflow falha, esse modelo traduz a mensagem técnica de erro em linguagem simples e compreensível para o usuário — explicando o que aconteceu e o que pode ser feito.
**Boas práticas**
* Use modelos mais fortes apenas onde há ganho real
* Mantenha modelos leves em tarefas repetitivas (ex: consolidação)
* Revise configurações conforme o uso do time evolui
* Teste mudanças em cenários controlados antes de escalar
* Combine com o uso de Memórias para melhorar consistência
### **Observações importantes**
* Os Modelos de Bastidor consomem créditos, mesmo operando de forma invisível
* Cada função roda em momentos diferentes (ex: tempo real, pós-chat, diário)
* A escolha do modelo impacta diretamente:
* Qualidade das automações
* Custo total do workspace
* Disponível apenas em planos com suporte a Background LLMs
Os Modelos de Bastidor permitem que a Tess opere com múltiplas inteligências especializadas ao mesmo tempo. Isso aumenta a qualidade das respostas, melhora a automação e dá controle fino sobre custo — tudo sem complexidade para o usuário final.