Recientemente he probado bastantes Agentes de IA y también he visto muchos proyectos sobre Agentes. Cuanto más miro, más siento que lo que realmente limita a la IA quizás ya no sea la capacidad del modelo, sino la memoria.

La mayoría de los Agentes actuales tienen un problema en común: cada vez que se inicia una nueva conversación, es casi como empezar desde cero.
Los errores resueltos ayer, los materiales organizados, los planes discutidos, e incluso tus hábitos de uso, difícilmente se conservan realmente. Muchas veces no estamos colaborando con la IA, sino repitiendo una y otra vez el contexto.
Por eso, al ver EverOS recientemente, siento que esta dirección es más interesante que simplemente optimizar los parámetros del modelo.
No ha creado otro Agente, sino que está haciendo el Memory OS detrás del Agente: una infraestructura dedicada a gestionar la memoria a largo plazo.
Un punto que me parece acertado es que no ha convertido la Memoria en una caja negra completamente invisible.
EverOS guarda toda la memoria en Markdown, se puede ver y editar localmente, y también se puede gestionar versiones con Git. A nivel inferior, utiliza Markdown + SQLite + LanceDB para la recuperación e indexación, sin necesidad de mantener componentes complejos como MongoDB, Redis. Para los desarrolladores, si hay un problema saben dónde mirar, y si quieren modificar no tienen que adivinar qué almacenó el modelo. Este diseño legible y controlable me parece más importante que simplemente mejorar la tasa de recuperación.
Además, divide la Memoria de Usuario y la Memoria de Agente en dos rutas de crecimiento independientes, lo que también es bastante razonable.
La información, preferencias e historial del usuario son una parte; la experiencia, procesos y habilidades resumidos por el Agente durante su uso prolongado son otra parte, y ambas no se mezclan. A medida que aumenta la frecuencia de uso, algunas tareas repetitivas pueden ir sedimentando en Habilidades reutilizables, en lugar de tener que reescribir el Prompt cada vez.
En comparación con muchos productos de Memoria que todavía se quedan en el nivel de 'almacenar - recuperar - recordar', lo que más me interesa de EverOS son los conceptos posteriores: Knowledge Wiki, Reflection y Dreaming.
En términos simples, es lograr que el Agente no solo recuerde lo que sucedió, sino que organice el conocimiento pasado en una base de conocimiento acumulable de forma sostenible, y en sus momentos libres pueda resumir experiencia, extraer patrones y convertir problemas recurrentes en nuevas capacidades. Este enfoque se parece más al aprendizaje humano, no a una simple consulta de información.
No me atrevo a decir que EverOS se convertirá en el estándar del futuro, pero al menos proporciona una dirección con la que estoy de acuerdo: la Memoria no debería ser solo una base de datos, sino la base para que el Agente crezca continuamente.
En el futuro, ya sea Claude Code, Codex, o varios Agentes de Codificación, Agentes de Investigación, IAs Personales, lo que realmente determine el límite de la experiencia quizás no sea una mejora de algunos puntos porcentuales en el modelo, sino quién pueda tener realmente un conjunto de memoria a largo plazo que sea transferible, acumulable y evolucionable.
Si últimamente también estás interesado en Agentes, aplicaciones de LLM o AI Infra, creo que este proyecto merece estar en tus favoritos.
⭐ GitHub:

Sugiero que primero le des una Estrella, y cuando tengas tiempo le eches un vistazo al README y a la arquitectura general. Al menos entre los proyectos de Memoria de código abierto que he visto recientemente, es uno de los pocos que tiene tanto una idea completa como una cercanía a los escenarios de desarrollo reales.