Gần đây tôi đã trải nghiệm khá nhiều AI Agent, cũng xem nhiều dự án về Agent, càng xem càng thấy rằng, thứ thực sự giới hạn AI, có lẽ không còn là khả năng của mô hình, mà là trí nhớ.

Hầu hết các Agent hiện nay đều có một vấn đề chung: mỗi khi bắt đầu một phiên mới, gần như phải bắt đầu từ con số không.
Những Bug đã cùng giải quyết hôm qua, tài liệu đã sắp xếp, phương án đã thảo luận, thậm chí thói quen sử dụng của bạn, đều rất khó để thực sự lưu lại.
Nhiều khi, chúng ta không phải đang cộng tác với AI, mà đang lặp đi lặp lại việc cung cấp ngữ cảnh.
Vì vậy gần đây khi thấy EverOS, tôi lại thấy hướng đi này thú vị hơn là chỉ chạy đua tham số mô hình.
Nó không làm thêm một Agent nữa, mà đang xây dựng Memory OS đằng sau Agent – một cơ sở hạ tầng chuyên quản lý trí nhớ dài hạn.
Một điểm tôi khá tán thành là nó không biến Memory thành một hộp đen hoàn toàn vô hình.
EverOS lưu tất cả trí nhớ dưới dạng Markdown, có thể xem, chỉnh sửa trực tiếp trên máy local, và cũng có thể dùng Git để quản lý phiên bản.
Tầng dưới sử dụng Markdown + SQLite + LanceDB để thực hiện truy xuất và lập chỉ mục, không cần duy trì thêm các thành phần phức tạp như MongoDB, Redis.
Đối với nhà phát triển, khi có vấn đề biết xem ở đâu, muốn sửa cũng không cần đoán mô hình đã lưu gì, thiết kế có thể đọc và kiểm soát này, tôi nghĩ quan trọng hơn là chỉ tăng tỷ lệ truy xuất.
Ngoài ra, nó chia User Memory và Agent Memory thành hai đường phát triển độc lập, ý tưởng này cũng khá hợp lý.
Thông tin, sở thích, lịch sử của người dùng là một phần; kinh nghiệm, quy trình và kỹ năng mà Agent đúc kết trong quá trình sử dụng lâu dài lại là phần khác, cả hai không bị trộn lẫn.
Khi số lần sử dụng tăng lên, một số tác vụ lặp đi lặp lại có thể dần lắng đọng thành Skill có thể tái sử dụng, thay vì mỗi lần phải viết lại Prompt.
So với nhiều sản phẩm Memory vẫn còn ở lớp “lưu trữ – truy xuất – tái hiện”, EverOS khiến tôi chú ý hơn đến một số khái niệm phía sau: Knowledge Wiki, Reflection và Dreaming.
Hiểu đơn giản, là giúp Agent không chỉ nhớ những gì đã xảy ra, mà còn có thể tổ chức kiến thức quá khứ thành một kho kiến thức có thể tích lũy bền vững, tự tổng kết kinh nghiệm và rút ra quy luật khi rảnh rỗi, biến những vấn đề lặp lại thành năng lực mới.
Cách nghĩ này giống con người học hỏi hơn, chứ không chỉ là truy vấn thông tin đơn thuần.
Tôi không dám khẳng định EverOS nhất định sẽ trở thành tiêu chuẩn tương lai, nhưng ít nhất nó cung cấp một hướng đi mà tôi khá đồng tình: Memory không chỉ nên là một cơ sở dữ liệu, mà nên trở thành nền tảng cho sự phát triển bền vững của Agent.
Trong tương lai, dù là Claude Code, Codex, hay các Coding Agent, Research Agent, Personal AI khác nhau, thứ thực sự quyết định giới hạn trải nghiệm, có lẽ không phải là mô hình cải thiện thêm vài phần trăm, mà là ai có thể thực sự sở hữu một bộ nhớ dài hạn có thể di chuyển, tích lũy và tiến hóa.
Nếu gần đây bạn cũng đang quan tâm đến Agent, ứng dụng LLM hay AI Infra, tôi nghĩ dự án này đáng để bỏ vào danh sách yêu thích.
⭐ GitHub:
Khuyên bạn nên nhấn Star trước, khi rảnh hãy xem README và kiến trúc tổng thể. Ít nhất trong số các dự án Memory mã nguồn mở tôi từng xem gần đây, nó là một trong số ít dự án vừa có ý tưởng hoàn chỉnh, vừa khá gần với kịch bản phát triển thực tế.