أعلنت Google Cloud إتاحة مصدر "Always-On Memory Agent," وهو تنفيذ مرجعي يقترح طريقة مختلفة لمنح وكلاء الذكاء الاصطناعي ذاكرة — طريقة تتخلى عن قاعدة البيانات المتجهية وembeddings التي تعتمد عليها معظم الصناعة حاليًا. وقد ظهر هذا المشروع في July 18، وهو مبني على Agent Development Kit من Google وعلى Gemini 3.1 Flash-Lite.
The idea
بدلًا من تنفيذ استدعاءات لمرة واحدة، يعمل الوكيل 24/7 كعملية. يقرأ نموذج لغوي باستمرار، ويفكر، ويكتب ذاكرة منظمة إلى ملف SQLite بسيط — متعاملًا مع الذاكرة بوصفها شيئًا يُصان بمرور الوقت، على نحو يشبه الطريقة التي يرسخ بها الإنسان أحداث اليوم، بدلًا من استرجاعها عند الطلب.
No vector database
والغياب المقصود هو طبقة الاسترجاع. فلا توجد قاعدة بيانات متجهية ولا embeddings؛ إذ يقرر نموذج LLM نفسه ما هو المهم ويسجله كنص منظم. وهذا يبادل سرعة البحث القائم على التشابه بحكم نموذج قد قرأ المادة فعلًا — في تحدٍ مباشر للأرثوذكسية السائدة في التوليد المعزز بالاسترجاع.
How the agents divide the work
يوجه منسق العمل إلى ثلاثة وكلاء فرعيين: IngestAgent يستخرج الملخصات والكيانات والموضوعات والأهمية؛ وConsolidateAgent يدمج الروابط عبر الذاكرة كل 30 minutes؛ وQueryAgent يجيب عن الأسئلة مع إحالات إلى المصدر. ويستوعب النظام 27 file types عبر خمس فئات — النصوص والصور والصوت والفيديو والمستندات.
Why Flash-Lite
ويقوم الاختيار على Gemini 3.1 Flash-Lite باعتباره الرهان الذي يتيح ذلك. فلا يمكن لوعي خلفي مستمر أن يكون مجديًا إلا إذا كان النموذج رخيصًا وسريعًا بما يكفي للعمل طوال الوقت. ومع تحسن النماذج خفيفة الوزن، تصبح عملية الدمج المستمرة في الخلفية ميسورة التكلفة — وGoogle، على نحو ملائم، تبيع تحديدًا هذه الفئة من النماذج. ومن المهم التأكيد على أن هذا تصميم مرجعي لا منتج؛ فـGoogle تنشر نمطًا يمكن للآخرين نسخه، وهذا تحديدًا هو ما يغيّر الافتراضات المعمارية السائدة. وإذا اكتسب هذا النهج زخمًا، فستبدو مجموعة واسعة من أدوات قواعد البيانات المتجهية وembeddings المصممة للاسترجاع لمرة واحدة وكأنها اختيارية.