EverOS: el sistema de memoria de código abierto que guarda lo que recuerdan los agentes de IA en archivos Markdown
La empresa EverMind liberó EverOS, un sistema de memoria de código abierto para agentes de inteligencia artificial que almacena lo que el agente recuerda en archivos de texto plano con formato Markdown. La propuesta busca resolver uno de los problemas más persistentes de los asistentes autónomos: cómo conservar, organizar y recuperar información a lo largo del tiempo sin depender de servicios cerrados en la nube.
El proyecto se publicó bajo licencia Apache 2.0, una de las más permisivas del software libre, lo que permite a desarrolladores y empresas usarlo, modificarlo e integrarlo en productos comerciales sin restricciones mayores. El código está disponible en el repositorio oficial de EverOS en GitHub, y la compañía ofrece además una página con los detalles técnicos de la arquitectura.
Qué es la memoria de un agente y por qué importa
Un agente de IA es un programa que combina un modelo de lenguaje con la capacidad de ejecutar tareas de forma autónoma. A diferencia de un chatbot que olvida casi todo al terminar la conversación, un agente necesita memoria: recordar instrucciones, resultados de tareas previas, preferencias del usuario y conocimiento acumulado.
EverOS aborda ese desafío con un enfoque que sus creadores llaman local-first (primero local): la memoria vive en la computadora del usuario, no en servidores externos. En lugar de guardar la información en formatos opacos, la escribe como archivos Markdown legibles por humanos, lo que facilita inspeccionar, editar o auditar lo que el sistema ha almacenado.
Cómo funciona la arquitectura
El sistema indexa esos archivos Markdown mediante dos motores: SQLite, una base de datos ligera y ampliamente usada, y LanceDB, una base orientada a vectores. Esta combinación habilita lo que se conoce como recuperación híbrida, que mezcla dos técnicas complementarias:
- BM25, un método clásico de búsqueda por coincidencia de palabras clave, eficaz cuando se busca un término exacto.
- Búsqueda vectorial, que localiza información por similitud semántica, es decir, por significado y no solo por las palabras literales.
Al unir ambos enfoques, el sistema puede recuperar el dato correcto tanto cuando el usuario recuerda la palabra exacta como cuando solo describe la idea de manera aproximada.
EverOS también incorpora ingesta multimodal, es decir, la capacidad de incorporar distintos tipos de contenido más allá del texto, y un componente de habilidades autoevolutivas (self-evolving Skills): rutinas que el agente puede refinar con el uso para mejorar su desempeño en tareas repetidas.
Alcances y limitaciones
La presentación del proyecto incluye mediciones de rendimiento, ejemplos de código ejecutable y una demostración interactiva, según describió el medio especializado MarkTechPost. No obstante, la propia documentación reconoce que la herramienta todavía presenta áreas por mejorar, propias de un software en etapa temprana.
El lanzamiento se inscribe en una tendencia creciente dentro del ecosistema de la IA: la búsqueda de soluciones abiertas para dotar de memoria persistente a los agentes, un componente considerado clave para que estos sistemas pasen de responder consultas puntuales a sostener proyectos complejos a lo largo del tiempo. El formato Markdown como base de almacenamiento agrega un atractivo adicional para desarrolladores que valoran la transparencia y el control sobre sus datos.
Habrá que ver si la apuesta por la legibilidad y el enfoque local logra diferenciarse en un campo donde abundan las bases de datos vectoriales y los servicios de memoria gestionados en la nube.