Google Cloud показал AI-агента с постоянной памятью на Gemini

В репозитории Google Cloud появился открытый пример Always-On Memory Agent — агента с постоянно работающей памятью. Он не ограничивается одним диалогом: принимает новые материалы, сохраняет из них структурированные сведения и периодически ищет связи между уже накопленными фактами.

В основе — Google ADK, Gemini 3.1 Flash-Lite и SQLite. Авторы специально обходятся без векторной базы и эмбеддингов: модель сама читает входящие данные, выделяет сущности, темы и важность, а затем записывает результат в локальную базу. Это не универсальная замена RAG, а готовый паттерн для задач, где важен развивающийся контекст.

Как устроена «память» агента

Проект разделён на три роли. IngestAgent забирает входящие материалы, ConsolidateAgent по таймеру — раз в 30 минут по умолчанию — просматривает новые записи и формирует связи и краткие выводы, а QueryAgent отвечает на вопросы с указанием использованных записей памяти.

Агент умеет следить за папкой и принимать 27 типов файлов: тексты, изображения, аудио, видео и PDF. Для креатора или небольшой команды это может стать основой личной базы знаний: туда можно складывать брифы, расшифровки созвонов, референсы и отчёты, а затем спрашивать систему о выводах и связях между ними.

Почему это может пригодиться в работе

Такой подход полезен, когда обычного чата уже мало, а полноценная корпоративная база знаний пока избыточна. Например, агент может собирать материалы по клиенту, конспекты идей для контента или обращения в поддержку и поддерживать их в актуальном контексте без ручного пересказа каждого старого диалога.

Важно, что это референсная реализация, а не готовый облачный сервис: её нужно развернуть самостоятельно и подключить API-ключ Gemini. Зато код открыт, а SQLite делает старт достаточно простым для эксперимента. В проекте также есть HTTP API и необязательная панель Streamlit для загрузки файлов, поиска и просмотра накопленных записей.

Что попробовать

Если вы строите своего AI-помощника, можно взять из примера две идеи: разделить приём новых данных и ответы на вопросы, а также запускать отдельную «сборку памяти» по расписанию. Это помогает агенту не просто хранить документы, а постепенно формировать из них рабочую картину.