Google Cloud lanza Memory Agent sin RAG ni embeddings

⏱ Tiempo de lectura: 4 min

Google Cloud presentó Always-On Memory Agent, una implementación de referencia que reemplaza los enfoques tradicionales de recuperación aumentada por generación (RAG) e incrustaciones vectoriales con consolidación continua de modelos de lenguaje. Construida sobre Google ADK y Gemini 3.1 Flash-Lite, esta solución mantiene la memoria como un proceso activo 24/7 sin depender de bases de datos vectoriales.

Cómo funciona el agente de memoria siempre activo

Always-On Memory Agent utiliza un orquestador que gestiona tres subagentesespecializados: Ingest, Consolidate y Query. El agente Ingest lee nuevos datos, Consolidate conecta y sintetiza información, y Query accede a la memoria estructurada almacenada en SQLite. Este modelo de proceso continuo mantiene la memoria actualizada permanentemente sin pausas, eliminando la necesidad de búsqueda vectorial tradicional y optimizando el acceso a datos consolidados mediante operaciones estructuradas en base de datos relacional.

Arquitectura técnica y componentes principales

La solución se basa en Gemini 3.1 Flash-Lite como modelo base y utiliza SQLite como almacén de memoria persistente. No incorpora embeddings ni consultas vectoriales, lo que simplifica la infraestructura y reduce la complejidad operativa. El repositorio generative-ai de Google Cloud contiene la implementación completa con ejemplos de integración. La arquitectura modular permite que cada subagente se especialice en su función específica: ingestión de datos sin procesar, consolidación semántica continua y consulta estructurada. Fuente: MarkTechPost

Qué cambia con esta información

Este enfoque elimina los cuellos de botella asociados con búsqueda vectorial y requiere menos recursos de indexación. Organizaciones que trabajan con volúmenes de datos continuos pueden mantener memoria activa sin procesamiento por lotes, mejorando la latencia en consultas y reduciendo la complejidad técnica de sistemas que requieren memoria persistente y consultas rápidas sobre información actualizada.

Componente	Descripción
Modelo base	Gemini 3.1 Flash-Lite
Almacenamiento	SQLite (base de datos relacional)
Método de memoria	Consolidación continua de LLM (sin RAG ni embeddings)
Subagente Ingest	Lee y captura nuevos datos
Subagente Consolidate	Conecta y sintetiza información
Subagente Query	Accede a memoria estructurada
Disponibilidad	Repositorio generative-ai de Google Cloud

Preguntas frecuentes sobre Always-On Memory Agent

¿Cuál es la diferencia principal respecto a RAG tradicional?

RAG requiere búsqueda vectorial y embeddings para recuperar fragmentos relevantes antes de generar respuestas. Always-On Memory mantiene memoria consolidada continuamente en una base de datos relacional, eliminando pasos de búsqueda vectorial y permitiendo consultas estructuradas directo sobre datos sintetizados.

¿Por qué no usa embeddings ni bases de datos vectoriales?

La consolidación continua de LLM genera representaciones semánticas estructuradas que se escriben directamente en SQLite como relaciones normalizadas. Este enfoque reduce sobrecarga de indexación vectorial y optimiza para latencia en consultas frecuentes sobre datos actualizados.

¿Está disponible para uso en producción?

Google Cloud lo distribuyó como implementación de referencia en su repositorio generative-ai. Los detalles de soporte, SLA y recomendaciones de escalabilidad no se especifican en el texto fuente recibido.

Qué falta por confirmar

No se detalla documentación pública completa, benchmarks de rendimiento comparativos con RAG tradicional, costos específicos de API, o recomendaciones de casos de uso ideales. Tampoco se especifican limitaciones conocidas de SQLite a escala o ventanas de consolidación de memoria.

En Inteligencia Artificial, este modelo representa un cambio arquitectónico válido para sistemas que requieren memoria continua, aunque su adopción dependerá de validación en carga real y documentación de mejores prácticas. ¿Tu caso de uso requiere consolidación continua o consultas por lotes ocasionales?

Fuente: www.marktechpost.com