Altijd-actieve AI-geheugenagent: geef je AI een brein dat nooit slaapt

Het probleem: AI heeft geheugenverlies

Elke keer dat je een nieuw gesprek begint met een AI-assistent, start het compleet blanco. Het weet niet wie je bent, waar je gisteren aan werkte, of welke beslissingen je team vorige week nam. Dit is geen eigenaardigheid van een specifiek product, het is een fundamentele architectuurbeperking van hoe grote taalmodellen vandaag werken.

De typische workarounds die ontwikkelaars gebruiken hebben allemaal beperkingen:

Vector DB met RAG: Passief ophalen. Je embed eenmalig en haalt later op. Het systeem verwerkt of verbindt nooit actief wat het geleerd heeft.
Gespreksamenvattingen: Verliest detail over tijd. Geen kruisverwijzingen tussen sessies. Een lang project krimpt tot een alinea.
Kennisgrafen: Zeer nauwkeurig maar duur om te bouwen, onderhouden en op schaal te bevragen.

Geen van deze benaderingen bootst na hoe het menselijk brein geheugen verwerkt. Tijdens de slaap slaat het menselijk brein niet alleen herinneringen op, het speelt ze opnieuw af, verbindt ze en comprimeert informatie van de dag. Dat is precies wat de Always-On Memory Agent is ontworpen te doen.

Wat is de Always-On Memory Agent?

De Always-On Memory Agent is een open-source project van Google Cloud Platform gebouwd op Google ADK (Agent Development Kit) en Gemini Flash-Lite. Het draait als een lichtgewicht achtergrondproces 24/7, verwerkt continu informatie, vindt verbanden tussen herinneringen en maakt die kennis op aanvraag beschikbaar, zonder vector-database of embedding-pipeline.

De volledige geheugenopslag is gewoon SQLite. Geen infrastructuur om in te richten, geen embedding-model om te hosten. Een enkele LLM leest, denkt na en schrijft gestructureerde herinneringen.

Always-On AI Memory Agent architectuuroverzicht met ingest, consolidate en query zones

Het ondersteunt 27 bestandstypen: tekst, afbeeldingen, audio, video en PDFs. Je legt een bestand in een inbox-map en de agent verwerkt het automatisch binnen seconden.

Architectuur: drie specialistenagenten

Het systeem gebruikt een orchestrator-patroon met drie specialistenagenten, elk met eigen tools voor lezen en schrijven van de geheugenopslag:

Architectuurdiagram van Always-On Memory Agent met IngestAgent, ConsolidateAgent en QueryAgent

IngestAgent: Ontvangt elk bestand of tekstinvoer. Gebruikt Gemini's multimodale mogelijkheden om een gestructureerde samenvatting, genoemde entiteiten, onderwerpen en een importantiescore te extraheren.
ConsolidateAgent: Draait op een configureerbare timer (standaard elke 30 minuten). Bekijkt alle niet-geconsolideerde herinneringen, vindt dwarsverbindingen en genereert nieuwe inzichten uit patronen, net zoals de nachtelijke consolidatiecyclus van het brein.
QueryAgent: Behandelt gebruikersvragen. Leest alle opgeslagen herinneringen en consolidatie-inzichten, dan synthetiseert het een gefundeerd antwoord met bronvermeldingen naar specifieke geheugenrecords.

Elke agent werkt onafhankelijk op zijn eigen schema, wat betekent dat het systeem continu leert op de achtergrond, ook als niemand het actief gebruikt.

Hoe het werkt: Ingest, Consolidate, Query

Stap 1, Ingest: Voed de agent alles wat je wilt. Laat een PDF-vergaderingsamenvatting vallen in de inbox-map, POST ruwe tekst vanuit je applicatie, of upload een bestand via het dashboard. De IngestAgent gebruikt Gemini om structuur te extraheren, inclusief samenvatting, entiteiten, onderwerpen en een importantiescore.

Stap 2, Consolidate: Elke 30 minuten wordt de ConsolidateAgent wakker en bekijkt herinneringen die nog niet verbonden zijn met andere herinneringen. Het zoekt naar patronen, tegenstrijdigheden en aanvullende feiten door de gehele kennisbasis. Gegenereerde inzichten worden zelf eerste-klas geheugenrecords, wat een steeds groeiend web van verbonden kennis creëert.

Stap 3, Query: Stel elke vraag in natuurlijke taal. De QueryAgent leest alle opgeslagen herinneringen en consolidatie-inzichten, en synthetiseert een gestructureerd antwoord met citaten terug naar specifieke geheugenrecords. Je weet altijd precies welke bron een antwoord van afkomstig is.

Snelstart: zelf uitvoeren

Het project is eenvoudig lokaal uit te voeren. Je hebt Python nodig, een Google AI Studio API-sleutel en ongeveer 5 minuten:

git clone https://github.com/GoogleCloudPlatform/generative-ai
cd generative-ai/gemini/agents/always-on-memory-agent
pip install -r requirements.txt
export GOOGLE_API_KEY="your-gemini-api-key"
python agent.py

Eenmaal actief bewaakt de agent ./inbox/ op bestanden en beantwoordt vragen op http://localhost:8888. Drie manieren om het te voeden:

Bestandsbewaker: Leg een ondersteund bestand in ./inbox/ en de agent verwerkt het automatisch binnen 5 tot 10 seconden.
HTTP API: POST naar /ingest met JSON met je tekst en bronlabel.
Dashboard: Voer streamlit run dashboard.py uit voor een visuele interface met upload, query, browse en handmatige consolidatieknoppen.

Waarom dit AI-automatisering verandert in 2026

De meeste AI-agenten in productie vandaag zijn staatloos. Elke workflowrun begint opnieuw. Elke RAG-pipeline is alleen-lezen. De agent beantwoordt je vraag en vergeet dat het ooit is gebeurd.

De Always-On Memory Agent doorbreekt dit patroon op een paar belangrijke manieren:

Actief, niet passief: De agent verwerkt continu informatie op de achtergrond, niet alleen wanneer een gebruiker het triggert. Kennis groeit over tijd zonder handmatige curatie.
Geen embeddings vereist: Het volledige ophaalmechanisme is de LLM zelf die gestructureerde geheugenrecords leest. Dit elimineert het embedding-model, de vector-index en de chunking-pipeline als afhankelijkheden.
Cross-modale geheugen: Tekst, afbeeldingen, audio en video worden allemaal verwerkt in dezelfde unified geheugenopslag en kunnen door de ConsolidateAgent worden verbonden.
Kosteneffectief op schaal: Gemini Flash-Lite gebruiken voor alle achtergrondoperaties houdt de kosten per sessie verwaarloosbaar, waardoor echte 24/7-werking praktisch is, ook voor kleine teams.

Bij TecAdRise verkennen we hoe deze geheugenarchitectuur integreert met AI voice agents. Stel je een voice agent voor die de eerdere problemen, voorkeuren en uitkomsten van de laatste drie gesprekken van een beller onthoudt, zonder dat een mens het hoeft te briefen. Dat is de richting die AI-automatisering opgaat in 2026.

Bekijk de volledige uitleg

We hebben de Always-On Memory Agent architectuur volledig behandeld op ons YouTube-kanaal. Bekijk de video hieronder voor een visuele walkthrough van hoe IngestAgent, ConsolidateAgent en QueryAgent samenwerken om je AI persistente geheugen te geven:

Conclusie

De Always-On Memory Agent is een praktische, inzetbare demonstratie van hoe persistente AI-geheugen eruit ziet zonder de complexiteit van een volledige vector-database stack. Door Google ADK's orkestratiecapaciteiten te combineren met Gemini's multimodaal begrip, creëert het een lichtgewicht systeem dat continu kennis opneemt, consolideert en ophaalt, vergelijkbaar met de menselijke geheugenvorming op lange termijn tijdens de slaap.

Of je nu klantgerichte AI-agenten bouwt, interne kennisbeheertoepassingen, of complexe meerstaps-workflows automatiseert, persistente geheugen is de volgende architectuurprimitief die je moet begrijpen. De kloof tussen staatloze AI-tools en echt adaptieve agenten sluit snel.