EverMind ha rilasciato EverOS, un runtime open-source per la memoria degli agenti AI. EverOS affronta il problema che i modelli di linguaggio sono senza stato: terminata la conversazione, il contesto va perso.
Che cos'è EverOS?
EverOS è una libreria Python e un runtime per la memoria. Funziona come un server, con un'interfaccia da riga di comando e un'API HTTP basata su FastAPI, supportata da operazioni asincrone. Può essere integrato in esistenti loop di agenti senza ricostruire interamente lo stack.
Il design si distingue per due tracce di memoria: la memoria utente, che include profili, episodi, fatti e anticipazioni; e la memoria agente, che include casi e abilità. La conservazione separata rende EverOS diverso da molte altre implementazioni, che si concentrano principalmente sulla storia dei chat.
Ogni record è immagazzinato come un file .md. I file possono essere modificati, cercati con la herramienta grep, e messi sotto versionamento Git. EverAlgo, una libreria separata, gestisce gli algoritmi di estrazione. EverOS li oracola e li persiste.
L'endpoint stack è compatibile con il protocollo OpenAI e consente di collegarsi a OpenAI, OpenRouter, vLLM, Ollama o DeepInfra semplicemente modificando l'URL di base.
EverOS è local-first per default. Il dato non deve mai lasciare il tuo ambiente e ogni livello è ispezionabile. È disponibile anche un'opzione cloud, EverOS Cloud, per quelle squadre che preferiscono non ospitare da sole. Condividono lo stesso SDK e formato di memoria.
Architettura: Markdown, SQLite e LanceDB
EverOS utilizza una pila di archiviazione tre elementi. Il Markdown funge da fonte di verità. SQLite gestisce lo stato e le code. LanceDB gestisce i vettori, BM25 e i filtri scalari.
Questo approccio è intenzionalmente leggero rispetto alle configurazioni di memoria tipiche in produzione. Non è richiesto MongoDB, Elasticsearch, Milvus, Redis o Kafka. Per sviluppatori singoli e piccole squadre, riduce i costi operativi.
La ricerca è ibrida. Una singola query in LanceDB combina corrispondenza di parole chiave BM25, ricerca vettoriale densa e filtraggio scalare. EverMind promuove questa via di ripristino multimodale come mRAG.
Un sistema di sincronizzazione in cascata mantiene allineati file e indici. Modificare un file .md attiva un osservatore file che risincronizza l'indice. La memoria rimane ispezionabile senza essere obsoleta.
La ricerca può avvenire in modo ortogonale in base a identificatori come userid, agentid, appid, projectid, session_id. La scoping è importante in sistemi multi-agente e multi-utente, dove l'isolamento dei dati è richiesto.
Come la memoria si evolve da sola — Casi diventano abilità
Una caratteristica distintiva è la memoria procedurale. EverOS registra ogni compito completato dagli agenti come un caso. Pagine di successo ripetute vengono distillate offline in abilità riutilizzabili.
Questa è la sostanza dell'evoluzione automatica: le abilità vengono condivise tra gli agenti senza curation manuale e senza codifica dura. L'obiettivo è creare agenti che aumentano con l'utilizzo anziché ricominciare ad ogni sessione.
La versione 1.1.0 introduce ulteriori componenti di gestione del ciclo vitale. Aggiunge Knowledge APIs per pagine Markdown con tassonomia e ricerca per argomento. Introduce anche la Riflessione, un processo offline che unisce cluster di episodi e raffina profili e abilità tra le sessioni.
Il modello di memoria è semplice: la memoria episodica risponde a "cosa è accaduto". La memoria del profilo risponde a "chi è questo utente". La memoria procedurale risponde a "come si compie questa task".
Benchmarks
L'équipe EverMind segnala punteggi del 93.05% su LoCoMo, 83.00% su LongMemEval e 93.04% su HaluMem. Ciò include un ritardo medio di < 500ms. Questi dati provengono da EverMind ed è consigliato verificarli con i propri carichi.
Usi Concreti: Esempi Reali
EverOS è utilizzato in una serie di esempi pratici. Hive Orchestrator è un sistema di tipo "mind hive" per gli agenti CLI per la programmazione. Claude Code, Codex, Gemini e OpenCode collaborano come veri processi PTY attraverso un protocollo team condiviso.
Reunite utilizza la memoria semantica per la ricerca di valore pubblico. I genitori descrivono il loro ricordo, i figli descrivono ciò che ricordano, e il sistema scopre le connessioni.
Nel campo sanitario e hardware vi sono altri esempi. Un assistente per Alzheimer e un wearable AI che ascolta la vita quotidiana e la converte in memoria. Tra gli esempi, c'è uno studio buddy con memoria evolvente. L'ecosistema più ampio include un plugin per Claude Code.
Esempio rapido in 5 minuti
L'installazione di EverOS impiega il tooling standard Python. Requisito minimo Python 3.12. Il demo locale non richiede chiavi API.
Segui i comandi mostrati e prova l'aggiunta e ricerca della memoria attraverso chiamate HTTP standard.
L'ingestione multimodale è un plus. Installare everos[multimodale] aggiunge il parsing per immagini, PDF, e audio. I documenti di ufficio richiedono LibreOffice che converte i file in PDF prima del parsing.