<mark id="oztn4"></mark>
0
| 本文作者： 業(yè)界評論 | 2026-07-09 20:53 |
在生成式AI爆發(fā)的第三年，大模型的能力邊界正不斷被拓寬，但一個基礎(chǔ)性痛點卻始終如影隨形：AI的“失憶癥”。當你關(guān)閉對話窗口，無論剛才的交流多么深入，AI都會瞬間清空一切，回到初始狀態(tài)。這種被稱為“無狀態(tài)（Stateless）”的技術(shù)局限，正在成為阻礙AI向真正智能體演進的最大瓶頸。
針對這一行業(yè)痛點，盛大集團孵化的聚焦長期記憶技術(shù)的AI科技團隊EverMind，近日正式發(fā)布了基于EverOS的深度自進化智能體——Raven Agent（渡鴉）。通過獨創(chuàng)的雙向記憶機制和可重寫自身代碼的進化能力，Raven正試圖將AI從“被動響應(yīng)的工具”推向“主動進化的數(shù)字生命”，標志著Agent技術(shù)向L3階段的實質(zhì)性跨越
從“檢索增強”到“記憶內(nèi)化”：打破RAG的局限
過去兩年，為了解決大模型的遺忘問題，行業(yè)內(nèi)普遍采用檢索增強生成（RAG）技術(shù)或不斷擴大上下文窗口。然而，這些方案本質(zhì)上仍是“高級書簽系統(tǒng)”。正如EverMind團隊所指出的：“真正的記憶不是檢索，而是內(nèi)化?！?/p>
傳統(tǒng)的記憶增強AI只能將歷史對話存檔并在需要時調(diào)出，這種方式“查得到”卻“悟不到”。Raven則采用了截然不同的機制。依托EverOS底層的“四層仿生架構(gòu)”（代理層、記憶層、索引層、接口層），Raven能夠?qū)⒃紝υ捔髑蟹譃楠毩⒌挠洃泦卧?，通過聚類算法形成“記憶場景”，最終構(gòu)建出包含用戶身份、偏好、技能及工作目標的深度畫像。
這種記憶是雙向且動態(tài)的。Raven不僅記錄用戶的偏好，更將其融入自身的認知模型中。更重要的是，它能從每一次交互的成敗中提煉經(jīng)驗，反思并改進自身的響應(yīng)策略。測試數(shù)據(jù)顯示，在EverOS的底層支持下，Raven能夠以傳統(tǒng)方案1/10的Token消耗，實現(xiàn)超越全量上下文（Full Context）的準確率，完成從“存儲器”到“認知網(wǎng)絡(luò)”的范式替換。
重寫代碼與十萬技能：L3級自我進化的工程實現(xiàn)
為了清晰界定Agent的發(fā)展路徑，EverMind提出了數(shù)字生命演進的四個階梯：從L1的角色化指令體（如當前多數(shù)套殼AI），到L2的記憶增強體（具備長期記憶與基礎(chǔ)規(guī)劃能力），再到L3的自我進化體，最終走向L4的全自主數(shù)字生命。
當前，全球絕大多數(shù)AI應(yīng)用仍停留在L1和L2階段。而Raven的發(fā)布，正是EverMind向L3階段發(fā)起沖擊的核心引擎。其支撐L3級自我進化的核心技術(shù)特性體現(xiàn)在兩個方面：
首先是開箱即用的龐大技能庫。Raven內(nèi)置了高達10萬項經(jīng)過深度評測的技能（Skills），覆蓋日常生產(chǎn)力到垂直專業(yè)領(lǐng)域。這不僅為普通用戶提供了即插即用的全能助手，也為開發(fā)者提供了龐大的參考庫。這些技能并非靜態(tài)，Raven會根據(jù)實際反饋持續(xù)評估、淘汰失效技能，并生成新的技能組合。
其次，也是Raven最具顛覆性的特性——改寫自身代碼的能力。Raven不僅能夠重寫自己的技能、運行時邏輯和策略，甚至可以通過EverBrain（用戶側(cè)個性化小模型）動態(tài)微調(diào)模型權(quán)重。這意味著Raven能夠從成功的任務(wù)中提煉最佳實踐，從失敗中識別改進空間，并將洞察直接寫入代碼。這種突破“死記硬背”的經(jīng)驗內(nèi)化與能力迭代，正是L3級自我進化體的核心標志。
高度解耦的模塊化架構(gòu)：構(gòu)建Agent生態(tài)飛輪
Raven不僅是一個獨立的C端產(chǎn)品，更是一個開放的Agent開發(fā)平臺。EverMind為Raven設(shè)計了一套高度解耦的可插拔架構(gòu)（Pluggable by design），記憶模塊、主動性引擎和工具路由完全獨立。開發(fā)者無需觸及核心框架，即可自由替換任何組件。
通過即將推出的Raven Builder，開發(fā)者可以為任意場景定義專屬Agent并一鍵分享。未來，這些被“調(diào)教”出的千姿百態(tài)的Agent將在EverMe平臺上交流與共享。無論是精通合同法的法律Agent，還是擅長財務(wù)建模的分析Agent，都將成為這個生態(tài)中的活體智能。
這種生態(tài)布局將形成強大的正向飛輪：更多Agent的創(chuàng)建帶來更多使用數(shù)據(jù)，數(shù)據(jù)反哺EverOS使記憶系統(tǒng)更精準，進而推動新Agent更快進化。當數(shù)以萬計的開發(fā)者習慣基于EverOS的API和MCP接口構(gòu)建智能體時，EverMind將有望建立起類似Android或Windows的底層開發(fā)者生態(tài)護城河。
結(jié)語：重構(gòu)人機協(xié)同范式
從學(xué)術(shù)理論到工程實現(xiàn)，EverMind正在構(gòu)筑深厚的壁壘。近期，其學(xué)術(shù)團隊連發(fā)數(shù)篇頂級論文，包括將上下文擴展至1億Tokens的MSA機制，以及在LoCoMo基準上達到SOTA的HyperMem超圖架構(gòu)，確立了行業(yè)演進的技術(shù)標準。
當AI擁有了真正的記憶和自我重寫的能力，人機交互的范式將發(fā)生深刻變遷——AI不再是等待指令的被動工具，而是主動觀察、預(yù)判需求、自我進化的伙伴。Raven的誕生，或許正是這場認知分工重構(gòu)的起點。
雷峰網(wǎng)雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
