Google Cloud випустив Always-On Memory Agent на базі Gemini 3.1 Flash-Lite
Замініть традиційні бази даних для RAG фоновим агентом, який консолідує пам'ять у SQLite. Працюючи на Gemini 3.1 Flash-Lite та Google ADK, він активно пов'язує та синтезує деталі.
Вплив: Високий
Чому це важливо
Ви можете створити дешевий цикл пам'яті без векторних ембедингів, який безперервно обробляє документи, аудіо та зображення без використання векторних баз даних.
TL;DR
- 01Замінює векторні ембединги та RAG безперервною консолідацією даних у SQLite за допомогою LLM.
- 02Підтримує імпорт 27 форматів файлів, зокрема markdown, CSV, логи, зображення та аудіо.
- 03Працює на базі Google ADK та наддешевої моделі Gemini 3.1 Flash-Lite для мінімізації витрат.
Ключові факти
- Підтримувані формати файлів
- 27 категорій
- Інтервал консолідації
- 30 хвилин (за замовчуванням)
- Глибина контексту запиту
- 50 останніх записів
Архітектура: три спеціалізовані субагенти
Підхід Google Cloud структурує роботу з пам'яттю за трьома модульними ролями: 1. IngestAgent: Автоматично парсить 27 типів файлів (від сирих логів та markdown до аудіо), що потрапляють у теку ./inbox, та записує метадані в SQLite. 2. ConsolidateAgent: Працює у фоновому режимі як «цикл сну». Кожні 30 хвилин він аналізує непов'язані рядки БД, знаходить асоціації та оновлює базу знань. 3. QueryAgent: Відповідає на запити користувача, зчитуючи до 50 останніх записів, та формує структуровану відповідь із цитуваннями.
Запуск локального API
Ви можете запустити фонового агента з аргументами командного рядка для налаштування портів та шляхів спостереження:
python agent.py --watch ./docs --port 9000 --consolidate-every 15Після запуску ви можете передавати сирий текст через звичайний HTTP-запит:
curl -X POST http://localhost:8888/ingest \
-d '{"text": "AI agents are the future", "source": "article"}'Спробуй за 2 хвилини
python agent.py --watch ./docs --port 9000 --consolidate-every 15bash
✓ Коли використовувати
- Ідеально для персональних баз знань, локальних колекторів логів та автономного збору інформації.
- Підходить для недорогих рішень, де використання векторних баз є занадто складним або витратним.
✕ Коли НЕ варто
- Не використовуйте, якщо ваші завдання вимагають мікросекундного пошуку по мільйонах векторних індексів.
- Не підходить для строгої синхронізації контексту користувача в реальному часі.
Що зробити сьогодні
- Встановіть змінну середовища GOOGLE_API_KEY локально.
- Склонуйте репозиторій і запустіть агента для автоматичного парсингу оновлень у робочих теках.
- Налаштуйте curl-вебхуки для передачі логів або нотаток безпосередньо у вашу локальну БД.
Джерела