В последнее время я опробовал много AI Agent и посмотрел множество проектов об Agent. Чем больше смотрю, тем больше понимаю, что настоящее ограничение для ИИ — возможно, уже не способность моделей, а память.

У большинства современных Agent есть одна общая проблема: каждый раз, когда начинается новый сеанс, всё почти начинается с нуля.

Вчера исправленный баг, систематизированные материалы, обсуждённые решения и даже ваши привычки использования — всё это сложно по-настоящему сохранить. Во многих случаях мы не сотрудничаем с ИИ, а снова и снова повторяем контекст.

Поэтому, когда я недавно увидел EverOS, мне показалось, что это направление гораздо интереснее, чем просто накручивать параметры модели.

Он не делает очередной Agent, а создаёт Memory OS для Agent — инфраструктуру, специально предназначенную для управления долговременной памятью.

Одна вещь, которую я одобряю: они не превратили Memory в полностью непрозрачный чёрный ящик.

EverOS сохраняет всю память в Markdown, который можно просматривать и редактировать локально, а также управлять версиями через Git. На нижнем уровне поиск и индексация выполняются через Markdown + SQLite + LanceDB, без необходимости поддерживать такие сложные компоненты, как MongoDB, Redis. Для разработчиков — если что-то пошло не так, знаешь, куда смотреть; хочешь изменить — не нужно гадать, что именно модель хранит. Такая читаемая и контролируемая архитектура, на мой взгляд, важнее, чем просто повышение процента возврата.

Кроме того, они разделили User Memory и Agent Memory на два независимых пути развития — эта идея тоже вполне разумна.

Информация, предпочтения и история пользователя — одна часть; опыт, процессы и навыки, накопленные Agent в ходе длительного использования, — другая часть. Они не смешиваются. С увеличением числа использований некоторые повторяющиеся задачи могут постепенно превращаться в переиспользуемые Skill, а не каждый раз писать новый Prompt.

По сравнению со многими Memory-продуктами, которые всё ещё находятся на уровне «хранение — поиск — возврат», EverOS привлекает меня своими концепциями: Knowledge Wiki, Reflection и Dreaming.

Проще говоря, это позволяет Agent не просто запоминать, что произошло, но и систематизировать прошлые знания в постоянно пополняемую базу знаний, а в свободное время самостоятельно обобщать опыт, выделять закономерности и превращать повторяющиеся проблемы в новые способности. Такой подход больше напоминает обучение человека, а не простой одноразовый информационный запрос.

Я не смею утверждать, что EverOS обязательно станет будущим стандартом, но по крайней мере он предлагает направление, которое я в целом одобряю: Memory должна быть не просто базой данных, а основой для постоянного роста Agent.

Будущее — будь то Claude Code, Codex, различные Coding Agent, Research Agent или Personal AI — решающим фактором, определяющим верхнюю границу опыта, возможно, станет не несколько процентов улучшения модели, а то, кто сможет по-настоящему создать переносимую, накапливаемую и эволюционирующую долговременную память.

Если вы в последнее время тоже интересуетесь Agent, приложениями на LLM или AI Infra, я считаю, что этот проект стоит добавить в закладки.

⭐ GitHub：

Рекомендую сначала поставить Star, а при наличии времени посмотреть README и общую архитектуру. По крайней мере, среди тех open-source Memory-проектов, которые я видел недавно, это один из немногих, имеющий как полную концепцию, так и близость к реальным сценариям разработки.