Lapisan memori persisten untuk agen AI, dibangun untuk pengembang
EverOS, oleh EverMind AI, adalah sistem operasi memori yang menyediakan konteks yang persisten dan portabel untuk agen AI di seluruh sesi dan alat. Ini menawarkan lapisan memori lokal yang dapat diedit yang merekam percakapan, preferensi, dan jejak eksekusi serta mengekspos konteks itu kepada asisten melalui antarmuka server. Komponen kunci termasuk penyimpanan asli Markdown, lapisan pengindeksan, dan ekstraksi keterampilan. Produk ini menargetkan pengembang dan pengguna power yang memerlukan konteks agen jangka panjang sambil menjaga data di bawah kontrol lokal.
Bagaimana pengambilan dan penentuan ruang lingkup membentuk apa yang dikembalikan oleh alat?
Alat ini menggabungkan beberapa teknik pengambilan untuk menangani berbagai jenis kueri: BM25 untuk pencocokan kata kunci, pencarian vektor untuk pengingat semantik, dan indeks skalar untuk kueri numerik atau terperingkat. Memori diorganisir di seluruh ruang lingkup eksplisit, yang terdaftar sebagai
- Pengguna
- Agensi
- Aplikasi
- Proyek
- Sesi
Apakah ini akan cocok dengan alur kerja asisten dan pengembang yang ada?
Alat ini berjalan sebagai runtime berbasis Python dan sebagai server MCP, memerlukan Python 3.12 atau yang lebih baru untuk instalasi lokal. Jalur penyebaran mencakup instalasi CLI, kontainer Docker, dan integrasi REST API. Ini mendukung Protokol Konteks Model untuk penggunaan langsung dengan asisten yang mendukung MCP seperti Claude Code dan Cursor, memungkinkan tim menghubungkan klien pengkodean atau asisten yang ada ke jaringan memori bersama tanpa menulis ulang klien.
Siapa yang membangun dan memperluas komunitas proyek?
Proyek ini bersifat sumber terbuka di bawah lisensi Apache 2.0 dan dikelola oleh EverMind, yang juga menerbitkan alat seperti Raven dan EverAlgo. Repositori menunjukkan keterlibatan komunitas yang substansial, dengan ribuan bintang dan beberapa proyek hilir, mulai dari asisten neurodiversitas hingga prototipe wearable AI. Ekosistem itu memudahkan pengembang untuk menemukan integrasi, implementasi contoh, dan ekstensi yang didorong oleh komunitas.
Seberapa pribadi dan dapat diaudit memori yang disimpan?
Perilaku default menjaga data di perangkat keras lokal, menyimpan memori sebagai file Markdown yang dapat dibaca manusia yang diindeks dengan SQLite dan LanceDB untuk pengambilan. Karena file adalah Markdown biasa, pengguna dapat membuka dan mengeditnya di editor teks seperti Obsidian, memberikan auditabilitas langsung tentang apa yang diingat oleh agen. Desain lokal-pertama menempatkan kepemilikan dan pemeriksaan file memori di bawah kendali pengguna.
Opsi praktis yang didukung komunitas untuk tim yang terampil secara teknis
Alat ini adalah opsi praktis untuk pengembang dan tim teknis yang memerlukan memori agen yang persisten dan dapat diperiksa, didukung oleh komunitas sumber terbuka yang aktif. Minat komunitas yang tinggi dan lisensi terbuka mendukung eksperimen dan ekstensi. Harapkan jalur adopsi yang berfokus pada kode dan penyebaran; tim tanpa sumber daya pengembang kemungkinan akan menghadapi kurva pengaturan dan pemeliharaan yang curam.
