當AI開始重寫自己：EverMind的自進化智能體框架Raven，正在定義數字生命的下一個形態

一、一個讓人不安的問題

如果你今天打開手機，召喚出你最常用的 AI 助手，問它一個問題 ——"你還記得我上個月跟你說過的那件事嗎？"

大概率，它會禮貌地告訴你：它不記得了。

這不是它不夠聰明，而是它根本沒有被設計成 "記得" 的樣子。當你關掉那個對話窗口，它就像一個被清空的黑板，什么都沒留下。下次你再打開，它依然是那個陌生的、一無所知的 "新朋友"。

這個問題，在 AI 行業有一個專業的說法：無狀態（Stateless）

而解決這個問題，正是 EverMind 過去一直在做的事情。

不是修修補補，而是從底層重新定義 ——AI 應該如何擁有記憶，如何通過記憶成長，以及最終，如何成為一個真正意義上的 "數字生命"。

今天，這個探索走到了一個新的節點：基于自研記憶系統 EverOS 的自進化Harness——Raven Agent 正式發布。

二、記憶，是一切智能的起點

在討論 Raven 之前，我們需要先回答一個更根本的問題：為什么記憶如此重要？

人類的智能，從本質上說，是記憶的產物。你之所以是 "你"，是因為你記得童年的氣味、昨天的對話、上周犯下的錯誤，以及從這些經歷中提煉出的判斷力和直覺。沒有記憶，就沒有成長；沒有成長，就沒有真正的智能。

現在把視角切換到 AI。

2022 年之前，絕大多數 AI 系統都是純粹的 "無狀態機器"—— 你輸入，它輸出，然后一切歸零。2023 年前后，隨著大語言模型（LLM）的爆發，人們開始嘗試給 AI 加上 "外掛記憶"：把歷史對話塞進上下文窗口，或者用向量數據庫做檢索增強（RAG）。這是一種進步，但本質上仍然是 "高級書簽系統"——AI 在翻閱筆記，而不是真正地 "記得"。

真正的記憶，不是檢索，而是內化

一個真正有記憶的智能體，不會每次都去翻閱檔案才知道你喜歡喝咖啡不加糖；它會在某次對話后，把這個偏好悄悄融入自己對你的理解，成為它認知結構的一部分。更重要的是，它會從你們每一次互動的成敗中，提煉出可遷移的經驗，讓自己下一次做得更好。

這，才是 EverMind 所追求的記憶。

三、EverOS：在混戰中建立底座

2026 年的 Memory AI 賽道，已經是一片紅海。

mem0、Letta、Zep AI 等純 API 中間件公司在工具層激烈廝殺，營收和融資始終困在某種天花板之下；Bee AI 被 Amazon 收購，Limitless AI 被 Meta 收購，獨立硬件沒有走出理想的獨立之路；Inflection AI 燒掉超過 15 億美元仍未能建立 C 端商業模式，Character.AI 最終歸入 Google 生態…… 整個賽道充滿了 "起了個大早、趕了個晚集" 的悲劇。

有人說：他們的 Memory 做早了。

EverMind 生逢其時，選擇了一條不同的路：不做中間件，做底座。不做籠統的記憶，聚焦 Agent Memory

2026 年 5 月 - 6 月，EverMind 連續發布了EverOS 1.0.0、1.0.1 和 1.1.0 三個版本，并在 GitHub 社區迅速突破 10k stars，距離 EverOS（原名 EverMemOS）首次發布累計七個月左右。這個數字在 AI 垂類技術賽道中極具含金量 —— 作為參照，mem0 的 GitHub Stars 前七個月僅累積了 7k stars。

EverOS 的核心差異，在于它獨特的 "四層仿生架構"：代理層、記憶層、索引層、接口層。它不是一個數據存儲器，而是一個 "以主體為中心的折疊宇宙"—— 能夠將原始對話流切分為獨立的記憶單元，通過聚類算法形成 "記憶場景"，最終對個體進行深度畫像，涵蓋身份、偏好、技能乃至工作目標。

在近期更新的 1.1.0 版本中，EverOS 再次界定了 Memory 的范疇：User Memory—— 定義人、Agent Memory—— 定義 Agent、Knowledge Wiki—— 定義世界知識。并且在仿生路徑上邁出新的一步，獨創設計 Reflection 機制，取自人類的 “沉思” 機制，在閑暇時清空任務，整理思緒，沉淀智能，涌現意識。

更令人印象深刻的是其技術指標：以傳統方案1/10 的 Token 消耗，實現超越全量上下文（Full Context）的準確率。這不是優化，這是范式的替換。

與此同時，EverMind 的學術團隊也在同步構筑理論護城河，定義行業范式。近期連發的數篇頂級論文，展示了壓倒性的學術統治力：

• MSA（Memory Sparse Attention）：端到端可訓練稀疏注意力機制，將上下文長度擴展至 1 億 Tokens，性能衰減不足 9%，發布當日即登頂 HuggingFace Daily Papers；
• HyperMem：超圖層次化記憶架構，在 LoCoMo 基準上達到 92.73% 的 SOTA 成績，斬獲 ACL 2026 Oral Presentation 論文榮譽；
• EverMemOS：自組織記憶操作系統，專為結構化長時推理設計，入選 ACL 2026 主會；
• 多方協作對話長時記憶評測：填補行業空白，獲 KDD 2026 Oral Presentation 殊榮。

當競爭對手還在拼湊開源組件時，EverMind 已經在 "超圖記憶架構" 和 "億級 Token 上下文擴展" 等底層范式上確立了行業演進路徑。

EverOS 堅持開源優先，是罕見地將每一個關鍵創新都先行更新到開源版本，再同步給云版本的技術團隊，本質上是 EverMind 在搶占 Agent OS 的生態話語權 —— 當數以萬計的開發者習慣了基于 EverOS 的 API 和 MCP 接口構建智能體時，EverMind 就真正建立起了類似 Android 或 Windows 的底層開發者生態護城河。

四、數字生命的四個階梯：我們在哪里，要去哪里

在面向 Agent 構建生態的道路上，EverMind 又邁出一步 —— 推出 EverOS Agent，命名為 Raven（渡鴉），社區戲稱 “養蝦，養馬，不如養鴉”。

要理解 Raven 的意義，需要先建立一個坐標系。

EverMind 提出了一個關于數字生命演進的框架，將 AI 智能體的發展劃分為四個階段。這個框架，不僅是一張技術路線圖，更是一面照出整個行業現狀的鏡子。

L1：角色化指令體（Role-based Functional Agent）

這是當前市場上最主流的 AI 形態。它擁有特定的工作定位與 Prompt 預設（"你是一個程序員"、"你是一個客服"），能夠響應明確的人類指令。但它缺乏歷史上下文，記憶僅限于當前對話窗口。

它就像數字世界的 "計件臨時工"—— 每次見面都像初次相識，做完即走。

今天市面上 90% 以上的 AI 應用，都停留在這個階段。

L2：記憶增強體（Memory-Augmented Interactive Agent）

引入了基礎的長期記憶模塊，能夠跨會話維持上下文連貫性，記住用戶的偏好、歷史交互和未完成的任務。支持多步驟的長時任務規劃，并開始通過 API 與真實世界（物理設備、SaaS 軟件）產生狀態交互。

這是 EverOS 基礎能力所覆蓋的階段，也是當前最先進的商業 AI 產品所處的位置。

它擁有專屬檔案庫的 "私人助理"—— 記得你的習慣，能幫你跑腿辦事。

L3：自我進化體（Self-Improving Cognitive Agent）

這是真正的分水嶺。L3 突破了 "死記硬背" 的檢索式記憶，具備強化學習、反思與自我改進能力。它不僅能記錄歷史，更能從成功或失敗的交互中提取通用知識，通過動態微調自身的模型權重，實現能力的持續迭代。

它是 Raven 的覆蓋目標，具備成長性的 "專業學徒"—— 不僅能干活，還能在干活中總結經驗，越來越聰明。

L4：全自主數字生命（Autonomous Digital Life）

從 "被動響應" 走向 "主動探索"。它擁有獨立的數據主權和完整的個人記憶庫，能夠基于主人的深層意圖和長期目標，主動發起任務、調度其他低階 Agent，并在復雜的開放世界中端到端地自我演化。它是人類認知與意志的數字化延伸。

它是真正屬于 AGI 時代的 "數字分身"—— 它是你在數字世界永生的意志，甚至在你睡覺時，它依然在為你探索世界、創造價值。

當今全球 90% 的 AI 創業公司還在卷 L1 和 L2 時，EverMind 已經通過極大的資源投入和人才積累，聚焦長期記憶技術核心突破，嘗試在 L3 和 L4 階段建立數字生命演進的基礎設施。

而 Raven，正是 EverMind 推動數字生命從 L2 向 L3 跨越的核心引擎。

五、Raven：當 Agent 開始重寫自己

如果說 EverOS 是地基，那么 Raven 就是在這片地基上生長出的第一棵真正的 "智能之樹"。

Raven 是基于 EverOS 的自我進化 Agent 框架（The Self-Improving Agent Harness），它的核心價值主張可以用三個詞概括：主動（Proactive）、進化（Improving）、個性化（Personalized）。

但這三個詞背后，藏著一套前所未有的技術邏輯。

記憶，不是檔案館，而是神經網絡

傳統的 "記憶增強"AI，本質上是在做檔案管理 —— 把歷史對話存起來，需要時檢索出來。這種方式有一個根本性的缺陷：它只能 "查到"，無法 "悟到"。

Raven 的記憶機制完全不同。它基于 EverOS 的深度畫像能力，將每一次交互中的關鍵信息內化為對用戶的認知模型。它不是在翻閱你的檔案，而是在用你的經歷持續更新它對你的理解 —— 就像一個真正了解你的朋友，不需要每次都翻筆記才知道你在意什么。

更關鍵的是，這種記憶是雙向的。Raven 不僅記住了你，它還從與你的每一次互動中，提煉出對自身能力的反思和改進方向。

十萬技能，開箱即用的進化起點

Raven 內置了高達100,000 項經過深度評測的技能（Skills），覆蓋從日常生產力到專業垂直領域的廣泛場景。這不是簡單的功能堆砌，而是 EverMind 團隊對真實用戶需求的系統性梳理與驗證。

對于普通用戶而言，這意味著 Raven 從第一天起就是一個 "全能助手"，無需漫長的配置和調試；對于開發者而言，這 10 萬個技能構成了一個龐大的參考庫和起點，可以在此基礎上快速構建和迭代自己的專屬 Agent。

更重要的是，這 10 萬個技能并非靜態的。Raven 會根據實際使用中的反饋，持續評估每個技能的有效性，淘汰失效的，強化有效的，并在此過程中生成新的技能組合。

改寫自身代碼：真正的自我進化

這是 Raven 最令人震驚的特性，也是它與所有現有 AI 產品最根本的區別：Raven 不僅能實時進化技能，還能在閑時自我修改邏輯和策略代碼，甚至可以通過 EverBrain（用戶側記憶模型）動態微調模型權重，這也是 EverMind 為數字生命 L4 階段打下的伏筆。

這意味著什么？

意味著 Raven 不是一個 "固定產品"，而是一個 "成長中的生命"。它今天的能力，只是它明天能力的起點。它會從每一次成功的任務中提煉最佳實踐，從每一次失敗中識別改進空間，然后將這些洞察直接寫入自己的代碼和模型，讓下一次的表現更好。

即使在你離開的時候，Raven 依然在進化。

這種能力，在技術上對應的正是數字生命框架中的 L3—— 自我進化體。它突破了 "死記硬背" 的檢索式記憶，實現了真正意義上的經驗內化和能力迭代。

全天候的 "幕僚長"：重新定義人機協同

Raven 不僅是一個獨立的 Agent，更是一個指揮中心

它可以通過 WhatsApp、Telegram 或微信等你最熟悉的通訊工具進行控制 —— 你的聊天軟件，就是你的任務指揮臺。它能夠調度其他專業 Agent 和工具，自動完成跨系統的復雜工作流，處理信息流轉和任務匯總。

想象一下這樣的場景：你在微信上發出一條語音，"幫我整理一下本周的會議紀要，提煉出行動項，同步到項目管理系統，然后給相關負責人發郵件提醒。"Raven 會自動理解你的意圖，調度轉錄工具、文檔工具、項目管理 API 和郵件工具，完成整個工作流 —— 而你，只需要等待結果。

這不是科幻，這是 Raven 今天已經在做的事情。

正如 EverMind 所描述的："一個人加上一個 Agent 團隊，做到過去需要幾十個人才能完成的工作。

六、開發者生態：千姿百態的 Agent，共享進化的平臺

如果說以上描述的是 Raven 對個人用戶的價值，那么 Raven 對整個 AI 開發者生態的影響，可能更為深遠。

EverMind 為 Raven 設計了一套高度解耦的可插拔架構（Pluggable by design）：記憶模塊、主動性引擎和工具路由是完全獨立的，開發者可以在不觸及核心框架的情況下，自由替換任何組件。這種設計，讓 Raven 成為了一個真正的 "Agent 開發平臺"，而不僅僅是一個產品。

未來通過Raven Builder，任何開發者都可以在 Raven 的框架上，為任意場景定義一個專屬 Agent，然后一鍵分享。

這里有一個令人興奮的愿景正在成形：EverMind 將為開發者 "調教" 出的千姿百態的 Agent，提供交流和共享的平臺

想象一個場景：一位法律從業者在 Raven 上訓練出了一個精通中國合同法的專業 Agent，它不僅掌握了大量法律知識，還通過數百次真實案例的處理，積累了豐富的實戰經驗；一位投資人在 Raven 上培育出了一個擅長財務建模的分析 Agent，它能夠在幾分鐘內完成過去需要一整天才能完成的估值工作……

這些 Agent，將在 EverMe 的平臺上被分享、被發現、被其他用戶直接使用，或者被進一步 "調教" 成更專業的版本。

這是一個Agent 的應用商店，但比應用商店更深刻 —— 因為這里的每一個 "應用"，都是有記憶、會成長、能進化的活體智能。

更重要的是，這個生態的繁榮，會形成一個正向飛輪：更多的 Agent 被創建，帶來更多的使用數據；更多的使用數據，讓 EverOS 的記憶系統更加精準；更精準的記憶系統，又讓新的 Agent 能夠更快地進化到更高水平。

這個飛輪一旦轉動，將產生難以復制的網絡效應。

七、人機協同的范式變遷：從 "工具" 到 "伙伴"

Raven 的出現，不僅僅是一款產品的迭代，它預示著人機交互范式的深刻變遷。

在過去的幾十年里，人與計算機的關系，始終是 "人主動，機器被動" 的范式。你打開軟件，軟件等待你的指令；你關掉軟件，軟件停止運轉。計算機是工具，是你意志的延伸，但它本身沒有意志，沒有目標，沒有成長。

大語言模型的出現，讓這個范式開始松動。AI 開始能夠理解自然語言，開始能夠進行多輪對話，開始能夠完成復雜的認知任務。但它依然是被動的 —— 它在等待你的問題，而不是主動為你思考。

Raven 所代表的 L3 階段，標志著這個范式的真正轉變。

一個 L3 級別的 Agent，不再只是等待指令的工具。它會主動觀察你的工作狀態，預判你可能需要的信息；它會在你睡覺時，悄悄完成你昨天交代的任務；它會在發現一個你可能感興趣的機會時，主動向你發出提醒。

這種主動性，來自于它對你的深度理解 —— 而這種理解，正是長期記憶所賦予的。

更深刻的變化在于認知分工的重構

當你擁有一個真正能夠自我進化的 Agent 伙伴時，你的工作方式會發生根本性的改變。你不再需要把精力花在重復性的信息處理和流程執行上，而是可以專注于真正需要人類判斷力的決策和創造。你的 Agent 處理執行層，你負責戰略層 —— 這是一種全新的人機協同模式，也是生產力的一次質的飛躍。

有了 Raven，EverOS 真正貼合了 Agentic 場景。這句話的背后，也透露出一個更宏大的命題：當 AI 擁有了真正的記憶和成長能力，人類與 AI 的關系，將從 "主人與工具" 演變為 "伙伴與伙伴"

八、全棧生態：EverMind 的戰略縱深

Raven 的發布，并不是一個孤立的產品事件，而是 EverMind 整體戰略布局中的關鍵一環。

EverMind 的全棧生態，從底層到上層，構成了一個完整的閉環：

• 底層：EverOS（開源 Memory OS）—— 提供長期記憶的基礎設施，已開源并獲得開發者社區的廣泛認可，是整個生態的技術底座。
• 模型層：EverBrain（用戶側記憶模型）—— 負責在用戶側進行記憶模型微調，讓 Agent 的執行不只依賴于 LLM 的通用智能，實現真正的 "個性化智能"。
• Agent 層：Raven（基于 EverOS 的 Agent Harness）—— 基于 EverOS 和 EverBrain，提供面向個人和企業的可進化 Agent 能力，是 EverMind 生態的核心產品。
• 用戶層：EverMe（基于 EverOS 的個人記憶庫與數字分身管理平臺）—— 作為 EverOS 能力的 C 端示范，讓普通用戶也能擁有自己的 "數字分身"，管理和使用自己的長期記憶資產，并協同 Raven 提供 Agent 的協作和交易市場。

除此之外，EverMind 還通過EverX 生態計劃，將這套基礎設施的能力延伸到更廣泛的應用場景。盛大集團內部的 Tanka（AI-Native 企業協作，Product Hunter 周榜冠軍）、MiroBody（長期記憶特色的健康數據引擎，首個獲得 Apple 生態醫療數據資質的健康應用）、MiroFish（長期記憶驅動的預測引擎，長期登頂 GitHub Trending）等生態伙伴，共同構成了一個覆蓋企業協作、健康管理、智能決策等多個垂直領域的協同網絡。

更令人關注的是，EverMind 還孵化了公益項目 ReUnite—— 一個利用 EverOS 的長期記憶與復雜關聯推理能力，在海量信息中尋找失蹤人員線索的公益尋人平臺。該項目獲得了《人民日報》、《文匯報》、《新民晚報》等權威媒體的高度贊譽，被稱為 "科技向善、以人為本" 的典范。

這個全棧生態的戰略價值在于：EverMind 提供的不是一個冷冰冰的 API，而是一個能孵化出殺手級應用的繁榮生態。 當整個生態的數據飛輪轉動起來，EverMind 將建立起其他競爭對手難以復制的戰略縱深。

九、寫在最后：記憶，是數字生命的靈魂

PC 時代，操作系統定義了計算機的價值上限；移動互聯網時代，iOS 和 Android 定義了智能手機的價值上限。而在 AI 原生時代，能定義 Agent OS 的公司，將有機會定義整個智能體時代的價值上限。

這場競爭，本質上是一場關于 "記憶" 的競爭。

誰能讓 AI 真正地記住、真正地成長、真正地進化，誰就能在這個時代建立起最深的護城河。

EverMind 選擇了一條最難走、但也最正確的路：從底層的記憶操作系統（EverOS），到用戶側的記憶模型（EverBrain），再到今天的自我進化 Agent 框架（Raven），它在一步一步地構建一個完整的 "可進化智能底座"。

Raven 的發布，是這條路上的一個重要里程碑。它不僅是一款產品，更是一個宣言：數字生命從 L2 向 L3 的跨越，已經開始

當你的 Agent 開始重寫自己的代碼，當它在你熟睡時依然在為你工作，當它不再只是你的工具而是你的伙伴 —— 那個時刻，我們對 "智能" 的定義，將被永遠改寫。

而 EverMind，正在用 Raven，讓這個時刻提前到來。

Raven 現已開放下載，支持 macOS 與 Windows，開源代碼托管于 GitHub。

一行命令，開啟你的 Agent 進化之旅：

curl -fsSL https://raven.evermind.ai/install.sh | bash

• 官網：raven.evermind.ai
• Github：https://github.com/EverMind-AI/Raven