ИИ-агенты: это память в Markdown, которую можно читать и править через Git

Компания EverMind выпустила EverOS, открытую библиотеку на Python, которая даёт ИИ-агентам долговременную память, записанную обычными файлами в формате Markdown, и это меняет сам подход к тому, как агенты запоминают контекст между сессиями.

Обычно память ИИ-агентов (это программы, которые сами выполняют цепочки действий без пошаговых команд человека) запирают внутри векторных баз данных. Разработчик не видит, что именно агент «запомнил», не может поправить ошибку вручную и не может отследить изменения через привычные инструменты вроде Git. EverOS, по данным репозитория проекта, предлагает другой подход: каждая единица памяти становится файлом с расширением .md, который можно просматривать хоть в блокноте, хоть в Obsidian.

Что именно умеет EverOS?

• Память в Markdown. Каждый факт, эпизод или профиль пользователя сохраняется как отдельный .md-файл. Файлы можно редактировать, искать через grep и ставить под версионный контроль в Git.

• Гибридный поиск без тяжёлой инфраструктуры. Поиск по памяти совмещает три метода в одном запросе: BM25 (классический текстовый поиск по ключевым словам), векторный поиск (поиск по смыслу, а не по точным словам) и скалярную фильтрацию (отбор по конкретным параметрам вроде идентификатора пользователя или проекта).

• Хранилище из трёх компонентов. Markdown как источник истины, SQLite (лёгкая встраиваемая база данных) для управления состоянием и очередями, LanceDB для векторов и поиска. Не нужны MongoDB, Elasticsearch, Redis или Kafka.

• Самообучающаяся процедурная память. EverOS записывает каждую выполненную задачу как «кейс» (Case). Повторяющиеся успешные паттерны автоматически превращаются в переиспользуемые «навыки» (Skills), которые доступны всей команде агентов.

• Два трека памяти. Пользовательская сторона хранит профили, эпизоды, факты и прогнозы. Агентская сторона хранит кейсы и навыки. Такое разделение нетипично: большинство библиотек работают только с историей чата.

• Совместимость с OpenAI-протоколом. Подключается к OpenAI, OpenRouter, vLLM, Ollama или DeepInfra сменой одного URL в конфигурации.

Как агенты «учатся» между сессиями?

Версия 1.1.0 добавила механизм «Рефлексии» (Reflection): между сессиями запускается офлайн-процесс, который объединяет кластеры эпизодов, уточняет профили пользователей и совершенствует навыки. Появились также Knowledge API, страницы знаний в Markdown с таксономией и тематическим поиском.

Модель памяти устроена просто. Эпизодическая память отвечает на вопрос «что произошло». Профильная память отвечает «кто этот пользователь». Процедурная память отвечает «как выполняется эта задача».

Бенчмарки: цифры от самих разработчиков

По данным EverMind, EverOS показывает 93,05% на тесте LoCoMo, 83,00% на LongMemEval и 93,04% на HaluMem (тест на галлюцинации памяти, то есть ситуации, когда агент уверенно «вспоминает» то, чего не было). Задержка поиска на 95-м перцентиле составляет менее 500 миллисекунд.

Важная оговорка: все эти цифры опубликованы самой командой EverMind, независимых подтверждений в источнике нет. Проверяйте на своих задачах.

Как попробовать?

1. Убедитесь, что установлен Python версии 3.12 или новее.
2. Установите библиотеку командой uv pip install everos (или pip install everos).
3. Запустите локальную демонстрацию без API-ключей командой everos demo.
4. Для полноценной работы выполните everos init, укажите ключи OpenRouter и DeepInfra в файле .env, затем everos server start. Проверка: curl http://127.0.0.1:8000/health должен вернуть {"status":"ok"}.

Облачная версия EverOS Cloud существует для команд, которые не хотят разворачивать сервер сами. SDK, поисковый движок и формат памяти одинаковы в обеих версиях.

Сравнение с российскими инструментами

В России готового аналога EverOS с памятью в Markdown-файлах пока нет. YandexGPT и GigaChat работают как облачные языковые модели, но не предоставляют отдельной открытой библиотеки для управления долговременной памятью агентов.

Для разработчиков из России, которые строят агентные системы локально, EverOS закрывает конкретную нишу: инспектируемая, версионируемая память без зависимости от внешнего облака.

Что делать с этим прямо сейчас, по ролям?

Автору Дзена. Если вы экспериментируете с ИИ-агентами для автоматизации контент-планов или исследований, EverOS позволяет агенту «помнить» ваш стиль, тематику и прошлые запросы между сессиями. Память читаема, это обычные текстовые файлы, можно проверить, что именно агент о вас «знает».

Разработчику. Главная ценность: файлы памяти ложатся в Git как любой код. Можно делать diff, откатывать, ревьюить. Гибридный поиск BM25 плюс векторы работает на SQLite и LanceDB без разворачивания отдельных баз.

Предпринимателю в РФ. Библиотека работает локально, данные не покидают ваш сервер. Для экспериментов с ИИ-агентами (это программы, которые выполняют задачи автономно) на внутренних данных компании это принципиальный плюс. Облачные зависимости нулевые.

Частые вопросы

Нужен ли мощный сервер для запуска EverOS?

Нет. Хранилище построено на SQLite и LanceDB, обе базы встраиваемые и работают на обычном ноутбуке. Для локальной демонстрации не нужны даже API-ключи. Для полноценной работы с извлечением памяти потребуется доступ к языковой модели через API (OpenAI, OpenRouter, Ollama или другой совместимый провайдер).

Можно ли использовать EverOS с российскими языковыми моделями?

EverOS совместима с любым провайдером, который поддерживает протокол OpenAI API. Если российская модель (например, развёрнутая через vLLM или Ollama) отвечает по этому протоколу, подключение сводится к смене URL в конфигурации. Прямой интеграции с YandexGPT или GigaChat в документации проекта не упоминается.

Чем EverOS отличается от обычной векторной базы данных?

Векторная база хранит данные в бинарном формате, который человек не может прочитать напрямую. EverOS записывает каждую единицу памяти как текстовый Markdown-файл. Его можно открыть, отредактировать, сравнить с предыдущей версией через Git и просмотреть в любом редакторе. При этом поиск работает и по ключевым словам, и по смыслу одновременно.

Память ИИ-агентов перестаёт быть чёрным ящиком: если вы можете прочитать файл, вы контролируете то, что агент «знает», и это, пожалуй, самое ценное в подходе EverOS.