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.
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.