無程式碼也能輕鬆打造專業LINE官方帳號！一鍵導入模板，讓AI助你行銷加分！
EverOS es un sistema operativo de memoria a largo plazo open-source para agentes de IA desarrollado por EverMind, el laboratorio de investigacion de IA respaldado por Shanda Group. En una era donde la mayoria de los agentes de IA operan con memoria a corto plazo limitada a la sesion, EverOS introduce una infraestructura de memoria persistente y autoorganizada que permite a los agentes recordar, razonar y evolucionar entre sesiones indefinidamente.
El proyecto ha obtenido mas de 4,200 estrellas en GitHub y esta respaldado por multiples articulos revisados por pares aceptados en ACL 2026. Su arquitectura de monorepositorio unifica cuatro componentes centrales: EverCore (el SO de memoria autoorganizada), HyperMem (el motor de memoria de hipergrafo), EverMemBench (un marco de evaluacion de memoria de tres capas) y EvoAgentBench (un benchmark de autoevolucion de agentes).
graph TD
A[Agente/LLM] --> B[EverCore]
B --> C[HyperMem Hipergrafo]
B --> D[mRAG Recuperador Multimodal]
C --> E[Hiperaristas de Tema]
C --> F[Hiperaristas de Evento]
C --> G[Hiperaristas de Hecho]
D --> H[Vectores Densos]
D --> I[Palabras Clave Dispersas]
D --> J[Senales Multimodales]
B --> K[Habilidades Evolucionadas]
K --> ALo que hace verdaderamente innovador a EverOS es su capacidad de autoevolucion. Los agentes pueden destilar automaticamente habilidades y patrones de su historial de ejecucion de tareas, logrando una mejora relativa del 234.8% en las tasas de exito de tareas complejas sobre la linea base. Esto no es meramente una capa de cache – es una memoria activa que se vuelve mas inteligente cuanto mas se usa.
Que es EverOS?
EverOS es un sistema operativo de memoria a largo plazo disenado para situarse entre los agentes de IA y sus backends LLM subyacentes. Proporciona una capa de memoria persistente que extrae, estructura, recupera y evoluciona automaticamente el conocimiento entre sesiones de agentes. A diferencia de los almacenes de vectores simples o los buffers de historial de conversacion, EverOS organiza las memorias en un hipergrafo autoorganizado donde las relaciones entre hechos, eventos y temas se modelan explicitamente y se refinan continuamente.
El sistema es agnostico respecto al modelo y funciona con multiples proveedores de LLM, incluidos OpenAI, Anthropic y modelos open-source. Esto lo hace adecuado desde asistentes de codificacion de un solo agente hasta plataformas de orquestacion multiagente a gran escala.
Como funciona la memoria de agente en EverOS?
EverOS implementa una arquitectura de memoria de tres niveles inspirada en la impronta biologica – el proceso mediante el cual los organismos vivos forman recuerdos duraderos a partir de experiencias breves.
EverCore es la capa fundamental. Extrae, estructura y recupera conocimiento a largo plazo utilizando un enfoque autoorganizado. Cuando un agente completa una tarea, EverCore analiza la interaccion, identifica hechos y patrones salientes, y los codifica en el almacen de memoria. En interacciones posteriores, recupera recuerdos relevantes para informar el razonamiento del agente.
HyperMem proporciona el motor de almacenamiento. Construido sobre una estructura de datos de hipergrafo, captura asociaciones de alto orden que los grafos simples no pueden representar. Una hiperarista puede conectar multiples nodos simultaneamente, modelando relaciones complejas como “estos cinco hechos juntos explican el concepto X.” HyperMem ha sido aceptado en ACL 2026 y logro una precision del 92.73% en el benchmark de conversacion a largo plazo LoCoMo.
mRAG (RAG Multimodal) es la capa de recuperacion. Fusiona tres modalidades de recuperacion:
| Modalidad | Metodo | Fortaleza |
|---|---|---|
| Vectores Densos | Busqueda semantica basada en embeddings | Captura similitud conceptual |
| Palabras Clave Dispersas | Coincidencia lexica estilo BM25 | Precision de terminos exactos |
| Alineacion Multimodal | Alineacion de embeddings cross-modal | Maneja texto, imagenes y datos estructurados |
Este enfoque hibrido asegura que la recuperacion de memoria sea tanto semanticamente rica como factualmente precisa, superando a los sistemas RAG de modalidad unica en los benchmarks publicados del proyecto.
Que benchmarks utiliza EverOS?
EverOS incluye dos marcos de evaluacion integrados para medir la calidad de la memoria y la evolucion.
EverMemBench evalua la calidad de la memoria en tres capas:
| Capa | Metrica | Descripcion |
|---|---|---|
| Recuerdo Factual | Precision, Exactitud, Cobertura | Puede el agente recuperar correctamente hechos almacenados? |
| Razonamiento Aplicado | Tasa de exito de tareas, F1 | Puede el agente usar recuerdos para resolver tareas complejas? |
| Generalizacion Personalizada | Puntaje de transferencia entre dominios | Pueden los recuerdos generalizarse a dominios nuevos pero relacionados? |
EvoAgentBench mide la autoevolucion del agente, rastreando como los agentes mejoran su rendimiento a lo largo del tiempo en secuencias de tareas longitudinales. En resultados publicados, los agentes que usan EverOS mostraron una mejora relativa del 234.8% en las tasas de exito de tareas complejas en mas de 100 iteraciones de tareas.
Como se compara la memoria de hipergrafo con los enfoques tradicionales?
Los sistemas RAG tradicionales usan bases de datos vectoriales que almacenan embeddings planos. Sobresalen en encontrar contenido “similar” pero tienen dificultades con el razonamiento de multiples saltos y el modelado de relaciones. Los grafos de conocimiento mejoran esto modelando explicitamente entidades y relaciones, pero los grafos de propiedad estandar no pueden representar relaciones de orden superior que involucren mas de dos entidades a la vez.
La memoria de hipergrafo aborda esta brecha:
graph LR
subgraph "BD Vectorial"
A1[(Embedding 1)]
A2[(Embedding 2)]
A3[(Embedding 3)]
end
subgraph "Grafo de Propiedad"
B1[Entidad A] -- relaciona --> B2[Entidad B]
end
subgraph "Hipergrafo HyperMem"
C1[Hecho 1]
C2[Hecho 2]
C3[Hecho 3]
C4{Hiperarista X} --- C1
C4 --- C2
C4 --- C3
endEn un hipergrafo, una sola hiperarista conecta un numero arbitrario de nodos. Esto significa que una memoria como “el usuario prefiere Python, tiene experiencia con FastAPI, trabajo en el proyecto P, e informo el problema #42” puede almacenarse como una sola unidad de hipergrafo en lugar de fragmentarse en multiples relaciones por pares. Las hiperaristas de HyperMem operan en tres niveles jerarquicos: tema, evento y hecho, permitiendo recuperacion de granularidad multiple.
El Ecosistema EverOS
Ademas de los componentes centrales, EverOS soporta un ecosistema en expansion de integraciones y aplicaciones:
- Plugin para Claude Code – Memoria persistente para sesiones de Claude Code
- Agente OpenClaw – Un agente 24/7 con capacidad de aprendizaje continuo
- Personajes Live2D – Personajes anime potenciados por memoria para experiencias interactivas
- Orquestacion multiagente a traves de la plataforma Golutra
- Earth Online – Un juego de productividad consciente de la memoria
EverMind tambien organiza la Memory Genesis Competition 2026, una competicion abierta con pistas para desarrolladores de agentes, constructores de plugins de plataforma y contribuyentes de infraestructura del SO, con premios y reconocimiento para las mejores aplicaciones habilitadas con memoria.
Comenzando con EverOS
EverOS esta disenado para ser facil de implementar localmente:
git clone https://github.com/EverMind-AI/EverOS.git
cd EverOS
docker compose up -d
uv sync
# Configure su .env con claves API
uv run python src/run.py
El servidor se lanza en http://localhost:1995 con una API REST y un panel web. Puede integrar cualquier agente impulsado por LLM haciendo llamadas API a los endpoints de memoria de EverOS. El sitio de documentacion del proyecto proporciona guias de integracion detalladas y referencias de API.
FAQ
Que es EverOS? EverOS es un sistema operativo de memoria a largo plazo open-source para agentes de IA, desarrollado por EverMind. Permite a los agentes persistir, estructurar y autoevolucionar la memoria entre sesiones, admitiendo multiples backends y plataformas LLM.
Como funciona la memoria de agente en EverOS? EverOS utiliza una arquitectura inspirada en la impronta biologica con tres capas: EverCore para memoria autoorganizada, HyperMem para almacenamiento jerarquico basado en hipergrafos, y mRAG para generacion aumentada de recuperacion multimodal que fusiona vectores densos, palabras clave dispersas y senales multimodales.
Que es HyperMem? HyperMem es una arquitectura de memoria jerarquica basada en hipergrafos aceptada en ACL 2026. Captura asociaciones de alto orden a traves de hiperaristas en las capas de tema, evento y hecho, logrando una precision del 92.73% en el benchmark de conversacion a largo plazo LoCoMo.
Que benchmarks soporta EverOS? EverOS incluye EverMemBench para evaluacion de memoria en tres capas (recuerdo factual, razonamiento aplicado, generalizacion personalizada) y EvoAgentBench para medir la autoevolucion del agente en tareas longitudinales.
Como empiezo con EverOS? Clone el repositorio de github.com/EverMind-AI/EverOS, ejecute docker compose up -d, sincronice dependencias con uv sync, configure su archivo .env con claves API, y ejecute uv run python src/run.py. El servidor se inicia en http://localhost:1995.
