Google Cloud's generative-ai repository udostępnił Always-On Memory Agent - referencyjną implementację, która zmienia podejście do pamięci agentów AI. Zamiast przetwarzać żądanie i od razu je zapominać, agent działa jako ciągły proces, nigdy się nie wyłączając. Zbudowany na bazie Google ADK i modelu Gemini 3.1 Flash-Lite, rezygnuje całkowicie z wektorowych baz danych i embeddings.
Architektura opiera się na trzech specjalistycznych pod-agentach: IngestAgent przejmuje przychodzące dane, ekstrahując strefy (summary, entities, topics) i ocenę ważności za pomocą możliwości multimodalnych Gemini. ConsolidateAgent uruchamia się co 30 minut - jak cykl snu - aby przeglądać zapisane wspomnienia, znaleźć między nimi powiązania i napisać syntetyczną streszczenie. QueryAgent obsługuje pytania użytkownika, wyszukując istotne informacje w strukturalnej pamięci. Cała pamięć trafia do SQLite, gdzie model może ją czytać, analizować i wzbogacać.
To podejście stanowi znaczący krok naprzód wobec tradycyjnych systemów RAG, które operują na pojedynczych zapytaniach. Eliminując koszt embeddings i operacji na wektorach, agent osiąga niskie opóźnienia i koszty dla pracy w tle. Kluczowe dla branży jest też to, że agent "uczy się" podczas bezczynności - co 30 minut syntetyzuje nowe zrozumienie z posiadanej wiedzy bez potrzeby dodatkowych promptów użytkownika. Google pokazuje, że ciągła konsolidacja pamięci może być bardziej efektywna niż retrieval-based approaches, otwierając nowe możliwości dla stacjonarnych i mobilnych agentów AI.