EverOS: агенты запоминают всё в Markdown — гибридный поиск и самообучающиеся навыки

EverMind представила EverOS — open-source решение для управления памятью AI-агентов под лицензией Apache 2.0. Проблема в том, что LLM не сохраняют контекст между сессиями. EverOS предлагает необычный подход: вместо векторной базы данных память пишется в обычные Markdown-файлы. Агенты могут читать, редактировать и искать по ним в разных сессиях. Всё индексируется через SQLite и LanceDB, а поиск гибридный — BM25, векторный и скалярная фильтрация в одном запросе.

Архитектура лёгкая: не нужны MongoDB, Elasticsearch, Milvus, Redis или Kafka. Markdown — источник правды, SQLite управляет очередями, LanceDB отвечает за векторы и BM25. Редактирование .md-файла через файловый менеджер автоматически синхронизирует индекс. Поиск можно ограничить по user_id, agent_id, app_id, project_id и session_id — это важно для многопользовательских и мультиагентных сценариев.

Ключевая фича — процедурная память. EverOS записывает каждое выполненное задание как Case, а повторяющиеся успешные паттерны офлайн превращает в переиспользуемые Skills. Навыки доступны всей команде агентов без ручного кодирования. Версия 1.1.0 добавила Knowledge API для Markdown-страниц с таксономией и Reflection — процесс, который между сессиями объединяет эпизоды и уточняет профили и навыки.

По бенчмаркам команда EverMind заявляет 93.05% на LoCoMo, 83.00% на LongMemEval и 93.04% на HaluMem. Результаты стоит проверить на своих данных. EverOS работает локально, но есть и облачная версия с тем же SDK и форматом памяти. Интеграция с OpenAI, OpenRouter, vLLM, Ollama или DeepInfra — через смену base URL.