Baru-baru ini saya mencoba banyak AI Agent dan juga melihat banyak proyek tentang Agent. Semakin saya melihat, semakin saya merasa bahwa yang benar-benar membatasi AI mungkin bukan lagi kemampuan model, melainkan memori.

Sebagian besar Agent saat ini memiliki masalah yang sama: setiap kali memulai sesi baru, hampir semuanya dimulai dari nol.

Bug yang kemarin diselesaikan bersama, materi yang telah diatur, solusi yang didiskusikan, bahkan kebiasaan penggunaan Anda, sulit untuk benar-benar tersimpan. Sering kali, kita tidak sedang berkolaborasi dengan AI, melainkan berulang kali memberikan konteks yang sama.

Jadi, ketika baru-baru ini melihat EverOS, saya justru merasa arah ini lebih menarik daripada sekadar meningkatkan parameter model.

Ia tidak membuat Agent lain, melainkan membuat Memory OS di balik Agent—sebuah infrastruktur yang khusus mengelola memori jangka panjang.

Satu hal yang saya setujui adalah ia tidak membuat Memory menjadi kotak hitam yang sepenuhnya tidak terlihat.

EverOS menyimpan semua memori dalam format Markdown, yang dapat langsung dilihat dan diedit secara lokal, serta dapat dikelola versinya menggunakan Git. Di bagian bawah, ia menggunakan Markdown + SQLite + LanceDB untuk pencarian dan indeks, tanpa perlu memelihara komponen kompleks seperti MongoDB atau Redis. Bagi pengembang, jika ada masalah, mereka tahu ke mana harus melihat, dan jika ingin mengubah, mereka tidak perlu menebak apa yang sebenarnya disimpan oleh model. Desain yang dapat dibaca dan dikendalikan ini, menurut saya, lebih penting daripada sekadar meningkatkan tingkat pengambilan.

Selain itu, ia memisahkan User Memory dan Agent Memory menjadi dua jalur pertumbuhan independen, pendekatan ini juga cukup masuk akal.

Informasi, preferensi, dan riwayat pengguna adalah satu bagian; pengalaman, proses, dan keterampilan yang dirangkum oleh Agent selama penggunaan jangka panjang adalah bagian lain; keduanya tidak tercampur. Seiring bertambahnya penggunaan, beberapa tugas yang diulang dapat perlahan mengendap menjadi Skill yang dapat digunakan kembali, bukan setiap kali harus menulis Prompt baru.

Dibandingkan dengan banyak produk Memori yang masih berada di level "penyimpanan-pencarian-pengambilan", EverOS lebih menarik perhatian saya pada beberapa konsep di belakangnya: Knowledge Wiki, Reflection, dan Dreaming.

Secara sederhana, ini membuat Agent tidak hanya mengingat apa yang terjadi, tetapi juga dapat mengatur pengetahuan masa lalu menjadi basis pengetahuan yang dapat diakumulasi secara berkelanjutan, merangkum pengalaman dan menemukan pola saat waktu luang, mengubah masalah yang berulang menjadi kemampuan baru. Pendekatan ini lebih mirip cara manusia belajar, bukan sekadar melakukan pencarian informasi satu kali.

Saya tidak berani mengatakan bahwa EverOS pasti akan menjadi standar masa depan, tetapi setidaknya ia menyediakan arah yang saya setujui: Memori seharusnya bukan hanya database, tetapi harus menjadi dasar untuk pertumbuhan berkelanjutan bagi Agent.

Ke depannya, baik Claude Code, Codex, atau berbagai Coding Agent, Research Agent, Personal AI, yang benar-benar menentukan batas pengalaman mungkin bukan lagi peningkatan beberapa persen dari model, melainkan siapa yang benar-benar memiliki memori jangka panjang yang dapat dipindahkan, diakumulasi, dan berevolusi.

Jika Anda baru-baru ini juga memperhatikan Agent, aplikasi LLM, atau AI Infra, menurut saya proyek ini layak untuk dimasukkan ke bookmark.

⭐ GitHub:

Saran: Beri bintang dulu, dan jika ada waktu, lihat README dan arsitektur keseluruhan. Setidaknya dalam proyek Memori open-source yang saya lihat baru-baru ini, ini adalah salah satu dari sedikit yang memiliki pemikiran lengkap dan juga cukup dekat dengan skenario pengembangan nyata.