Google Daily Hub – система сложнее, чем кажется на первый взгляд. Она является частью общего тренда к гиперперсонализации, который мы наблюдаем в последние месяцы: Preferred Sources, Profile Pages с возможностью подписки в Discover, Brand Profiles в Merchant Center – всё это объединяется с одной целью: предугадывать ваши потребности до того, как вы сформулируете запрос.
Daily Hub конкретно воплощает концепцию «News Digest and Daily Brief», которую мы выявили этим летом при изучении 90 AI-проектов Google через меню AI Mode debug. Внутренняя архитектура системы, расшифрованная Дэмиеном Анделлом и предоставленная мне, демонстрирует уровень технической сложности, который объясняет, почему Google временно приостановила функцию в сентябре 2025 года, всего через месяц после запуска на Pixel 10.
Трёхуровневая архитектура Daily Hub
Чтобы понять Daily Hub, представьте дирижёра (Gemini), который координирует три секции симфонического оркестра, каждая из которых играет свою партию, но должна гармонично слаживаться в реальном времени. Именно это Google пытается реализовать в системе.
Первый уровень: слой памяти и эмбеддингов
Daily Hub опирается на два типа документов, составляющих её память:
- MemoryDocument – полный контентный блок. Каждый документ содержит:
- Структурированный текст (заголовок, резюме, rawText по сегментам)
- Список идентификаторов сущностей (entityIds) из Knowledge Graph
- Два вида эмбеддингов: contentEmbeddings для всего документа и chunkEmbeddings для сегментов
- Технические метаданные (sourceDataIds, memoryTimeMs, servingState)
- Бинарные данные для оптимизированного хранения
- MemoryEntityDocument – облегчённая версия для каждой сущности:
- Характеристики сущности (entityType, entityText, entityDescription, entityTag)
- Ссылка на родительский документ
- Один эмбеддинг без деления на сегменты
- Отметка времени
Например, если Daily Hub обрабатывает статью «Лионель Месси переходит в Inter Miami», система создаст MemoryDocument с полной статьёй и несколько MemoryEntityDocument для «Лионель Месси», «Inter Miami CF», «футбол» и т.д. Эта двойная структура позволяет системе ориентироваться по контенту или по сущностям.
Второй уровень: триумвират персонализации
Существует три параллельные системы, питающие персонализацию Daily Hub:
- Nephesh – универсальная система эмбеддингов, которая хранит интересы пользователя и присваивает им числовые оценки.
- AIP_TOP_ENTITIES – управление топ-сущностями пользователя из Knowledge Graph, обновление ежедневно, учитывает как явные, так и неявные сигналы.
- TAPAS_USER_PROFILE – семантический профиль пользователя, агрегирующий поведенческие характеристики, историю просмотров и скрытые предпочтения.
Третий уровень: «ambient» оркестровка
Здесь происходит координация отображения карточек через AmbientRanking:
- Документы содержат глобальные временные окна, важные интервалы, коэффициенты доверия и действия пользователя (tap, dismiss, seen).
- Примеры типов карточек: спортивные результаты, события календаря, сводки финансовых рынков, информация о поездках и др.
Gemini prompts: раскрытие логики системы
Gemini использует детализированные подсказки для генерации персонализированного контента. Среди них:
- news topics – анализ новостей за последние 7 дней с учётом интересов пользователя, фильтрация тем (без банков и шопинга).
- virtual activities – рекомендации цифровых активностей (YouTube, стримы, онлайн-события) с учётом времени, места и интересов.
- focus areas – цели личного роста, разложенные на конкретные подтемы.
- distilled context – синтез контекста дня пользователя, включая события календаря, погоду и время в пути.
Система генерации «новых тем»
Daily Hub хранит набор новых тем в NewTopic.db, всего 50 тем по категориям Learning, Self Improvement, Fitness & Wellness и News Themes. Темы периодически обновляются для свежести рекомендаций.
Локальные базы данных: интеллектуальный кэш
- ContentInterest.db – хранение интересов пользователя (Nephesh)
- NewTopic.db – новые темы для рекомендаций
- Механизм резервного выбора интересов, если загрузка данных не удалась
Интеграция с экосистемой Google
Система синхронизируется с Google Profile Pages. Пользователь подписывается на издателей, сущности добавляются в профиль, затем влияют на рекомендации Daily Hub. Рекомендуемые объекты делятся на основные и продолжения: статьи, видео, книги, события, транспорт и др.
Учёт времени и места
Daily Hub использует временной и пространственный контекст: время дня, фазы дня, события календаря, местоположение, погодные условия и время в пути. Всё это формирует 50-словное резюме дня пользователя и влияет на рекомендации.
Продвинутые механизмы оценки
Каждой карточке присваиваются три уровня оценок:
- Эмбеддинговый
- Сущностный
- Временной
Комбинация этих оценок определяет финальную релевантность контента.
Причины временного сбоя
- Десинхронизация систем (Nephesh, AIP_TOP_ENTITIES, TAPAS, AmbientRanking)
- Комбинаторный взрыв – миллионы возможных комбинаций тем и сущностей
- Качество рекомендаций – пользователи получали нерелевантный контент
Полная архитектура: обзор
- Сбор сигналов (T-24h)
- Подготовка контекста (T-1h)
- Генерация Gemini (T-0)
- Ambient оценка (T+10ms)
- Отображение (T+100ms)
Скрытые оптимизации
- Система дедупликации
- Многоуровневый кэш (L1-L3)
- Иерархические эмбеддинги: документ, сегменты, сущности
Система слишком амбициозна – пока
Daily Hub демонстрирует стремление Google создавать ассистента, который понимает интересы и предугадывает потребности с учётом времени, места, расписания и эмоционального состояния пользователя. Трёхслойная архитектура впечатляет технически, но пока сталкивается с проблемами координации, что объясняет временную приостановку. Gemini prompts показывают смелую попытку персонализации, однако качество вывода пока недостаточно высоко.
Это не провал, а прототип, который демонстрирует направление развития. Когда технические проблемы будут решены, мы получим систему, способную с высокой точностью предугадывать наши потребности. Вопрос теперь не «если», а «когда» – и, судя по ускорению с середины 2025 года, это произойдёт скорее, чем мы думаем.