Google Cloud ha reso open source un "Always-On Memory Agent," un'implementazione di riferimento che propone un modo diverso di dare memoria agli agenti AI — uno che elimina il database vettoriale e gli embeddings su cui oggi si basa la maggior parte del settore. È stato pubblicato il 18 luglio, costruito su Agent Development Kit e Gemini 3.1 Flash-Lite di Google.

L'idea

Anziché eseguire chiamate una tantum, l'agente funziona 24 ore su 24, 7 giorni su 7 come processo. Un modello linguistico legge continuamente, ragiona e scrive memoria strutturata in un semplice file SQLite — trattando la memoria come qualcosa da mantenere nel tempo, nello stesso modo in cui una persona consolida gli eventi della giornata, invece di recuperarla su richiesta.

Nessun database vettoriale

L'omissione più evidente è lo stack di retrieval. Non ci sono database vettoriali né embeddings; è l'LLM stesso a decidere cosa è importante e a registrarlo come testo strutturato. In questo modo si rinuncia alla velocità della ricerca per similarità a favore del giudizio di un modello che ha effettivamente letto il materiale — una sfida diretta all'ortodossia della retrieval-augmented generation.

Come gli agenti si dividono il lavoro

Un orchestratore instrada il lavoro verso tre sotto-agenti: IngestAgent estrae riepiloghi, entità, argomenti e importanza; ConsolidateAgent sintetizza i collegamenti tra le memorie ogni 30 minuti; e QueryAgent risponde alle domande con citazioni alla fonte. Il sistema acquisisce 27 tipi di file in cinque categorie — testo, immagini, audio, video e documenti.

Perché Flash-Lite

La scelta di Gemini 3.1 Flash-Lite è la scommessa che rende possibile tutto questo. Una cognizione continua in background funziona solo se il modello è abbastanza economico e veloce da poter essere eseguito sempre. Man mano che i modelli leggeri migliorano, la consolidazione always-on diventa accessibile — e Google, convenientemente, vende esattamente questa classe di modello. Vale la pena sottolineare che si tratta di un progetto di riferimento, non di un prodotto; Google sta pubblicando un pattern che altri possono copiare, ed è proprio così che cambiano i default architetturali. Se l'approccio dovesse prendere piede, una parte degli strumenti per database vettoriali e embeddings progettati per il retrieval una tantum inizierebbe a sembrare opzionale.