PM do Google lança em código aberto o Always On Memory Agent, abandonando bancos de dados vetoriais para memória persistente baseada em LLM

O Always On Memory Agent não é só mais um repositório de memória para IA: é uma mudança de paradigma na forma como agentes armazenam, organizam e recuperam conhecimento. Em vez de depender de embeddings e bancos vetoriais, que exigem processamento pesado, indexação constante e custos crescentes com escala, ele usa SQLite como camada de persistência e o Gemini 3.1 Flash-Lite para extrair, estruturar e consolidar informações diretamente em formato legível, quase como um cérebro digital que 'dorme' periodicamente para organizar o que aprendeu. Com apenas 500 linhas de Python, ele roda localmente, oferece API HTTP e painel Streamlit, e foi projetado desde o início para operação contínua, não como um módulo adicional, mas como infraestrutura nativa de agente.

Seu núcleo técnico está no trio de subagentes: IngestAgent lê 27 formatos (incluindo PDF, áudio e vídeo), ConsolidateAgent faz a 'digestão cognitiva' a cada 30 minutos, ligando fatos soltos, gerando insights e simulando uma espécie de consolidação sináptica, e QueryAgent responde com citações precisas, sem hallucinações genéricas, porque consulta apenas memórias recentes e insights validados. A economia é real: 5 MB por 1.000 sessões versus 150 MB por sessão em soluções vetoriais tradicionais, e custo operacional 8× menor graças ao Flash-Lite, que também entrega 363 tokens/segundo e janela de contexto de 1 milhão de tokens.

Isso importa porque resolve o calcanhar de Aquiles dos agentes corporativos: a amnésia funcional. Sistemas atuais esquecem contextos entre sessões, repetem erros, não mantêm histórico de decisões ou preferências do usuário e dependem de pipelines externos frágeis. O Always On Memory Agent mostra que memória persistente pode ser leve, auditável, local e barata, sem abrir mão de multimodalidade ou escalabilidade. Para equipes de IA, é um sinal claro de que a próxima geração de agentes não será construída em cima de RAG ou bancos vetoriais, mas em arquiteturas de memória ativa, onde o modelo não só responde, mas também reflete, conecta e evolui seu próprio conhecimento ao longo do tempo.