如果一個AI每次對話結(jié)束后，都會把與你的全部交流清空，那么無論它多聰明，都只能算是一個“高級聊天工具”，而不是一個真正意義上的智能體（Agent）。
這正是當(dāng)下Agentic AI面臨的核心瓶頸之一：失憶。
近日，由盛大集團全資孵化的AI技術(shù)團隊EverMind，正式對外系統(tǒng)性地展示了他們給出的解法——EverMemOS，最新版本在四大記憶基準(zhǔn)上實現(xiàn)了最先進（SOTA）準(zhǔn)確率。
為什么Agent一定需要長期記憶？
在大模型能力突飛猛進的這兩年里，行業(yè)幾乎把所有注意力都集中在參數(shù)規(guī)模、多模態(tài)、推理能力和算力效率上。
但在真實應(yīng)用中，開發(fā)者很快發(fā)現(xiàn)了一個殘酷事實：模型會“忘事”。
無論是對用戶偏好的理解、對歷史決策的追溯，還是跨時間跨度的復(fù)雜推理，只要上下文窗口結(jié)束，一切都得從頭來過。RAG可以緩解一部分問題，但它更像是“臨時查資料”，而不是“真正記住”。
如果說大模型負(fù)責(zé)“思考”，那么記憶系統(tǒng)決定的，其實是智能體是否具備連續(xù)自我。
鄧亞峰認(rèn)為，“如果模型每次會話后都會重置理解，真正的Agentic AI就無從談起?！?/p>
EverMind正在從靜態(tài)的上下文窗口邁向動態(tài)、自組織的記憶，借助EverMemOS，為智能體提供了一段“活的、會演化的歷史”。
基準(zhǔn)結(jié)果表明：EverMind能夠以遠低于全上下文模型的算力成本，實現(xiàn)更高的準(zhǔn)確率。
正是在這一判斷下，EverMind把研發(fā)重心從模型能力本身，轉(zhuǎn)向了一個更底層，也更難的方向——AI Memory Infra。
EverMemOS：打破行業(yè)基準(zhǔn)，點擊即用
在EverMind最新發(fā)布的論文EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning中，團隊對現(xiàn)有主流方案進行了清晰區(qū)分。
截圖來源：EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning
EverMind詳細闡述了其技術(shù)提出的一套受engram啟發(fā)的生命周期機制，用以模擬生物認(rèn)知過程。與傳統(tǒng)RAG或成本高昂的超長上下文窗口不同，EverMemOS能將經(jīng)驗組織為連貫、可演化的結(jié)構(gòu)。
它試圖構(gòu)建的，是一個類似生物認(rèn)知系統(tǒng)的記憶生命周期，靈感直接來自神經(jīng)科學(xué)中的engram理論。
在這套架構(gòu)中，記憶不是靜態(tài)存儲，而是會被不斷壓縮、重組、強化和遺忘的動態(tài)系統(tǒng)。
EverMemOS的核心機制，被概括為三個連續(xù)但可循環(huán)的階段。
第一階段：情景痕跡形成（Episodic Trace Formation）。
將對話流轉(zhuǎn)換為MemCells，用于捕捉情景痕跡、原子事實以及有時間邊界的前瞻信息。
第二階段：語義鞏固（Semantic Consolidation）。
把MemCells動態(tài)組織為主題化的MemScenes，提煉穩(wěn)定的語義結(jié)構(gòu)，并持續(xù)更新持久化的用戶畫像。
第三階段：重建式回憶（Reconstructive Recollection）。
通過agentic檢索組合“必要且充分”的推理上下文，在優(yōu)化算力成本的同時保證高準(zhǔn)確率。
這也是EverMemOS能在大幅降低token消耗的同時，維持甚至提升準(zhǔn)確率的關(guān)鍵。
基準(zhǔn)成績，是硬指標(biāo)
在AI基礎(chǔ)設(shè)施領(lǐng)域，架構(gòu)是否成立，最終要看基準(zhǔn)測試。
EverMind在四個主流記憶評測基準(zhǔn)上，給出了極具說服力的數(shù)據(jù)。
LoCoMo（93.05%準(zhǔn)確率）：超越全部現(xiàn)有記憶系統(tǒng)與全上下文模型；在多跳推理（+19.7%）與時序任務(wù)（+16.1%）上優(yōu)勢顯著，同時大幅降低token使用與計算成本。
LongMemEval（83.00%準(zhǔn)確率）：在知識更新與時序推理方面位居第一；其中知識更新任務(wù)提升20.6%，體現(xiàn)出系統(tǒng)可通過持續(xù)語義鞏固不斷“進化”的能力。
HaluMem（90.04%召回）：在記憶完整性方面建立新的行業(yè)標(biāo)準(zhǔn)，顯著減少長時程任務(wù)中的幻覺。
PersonaMem v2：在9個復(fù)雜場景中，在深度個性化與行為一致性維度取得最佳綜合表現(xiàn)。
這說明EverMind不需要犧牲效率，去換取長期記憶。結(jié)構(gòu)本身，就是效率。
從論文到云服務(wù)：記憶能力的產(chǎn)品化
如果EverMemOS只停留在論文階段，它的意義仍然是學(xué)術(shù)層面的。
但是，EverMind顯然希望更快地進入真實應(yīng)用場景。
此次同步推出的EverMemOS Cloud Service，正是為開發(fā)者和企業(yè)提供“即插即用”的記憶增強能力。通過簡單API調(diào)用，原本無狀態(tài)的聊天機器人，可以在數(shù)分鐘內(nèi)升級為具備長期上下文感知的智能體。
在設(shè)計上，該云服務(wù)強調(diào)三點：
一是企業(yè)級數(shù)據(jù)安全與隱私隔離；
二是對底層記憶架構(gòu)的自動迭代；
三是盡可能降低開發(fā)者的使用門檻。
目前，該服務(wù)已對候補名單（waitlist）用戶開放內(nèi)測，也可以通過官網(wǎng)申請加入內(nèi)測：console.evermind.ai。
關(guān)鍵詞：
