每次打开AI都要重新解释一遍背景,这种体验相信很多人已经习惯了。但最近EverMind发布的Raven Agent,可能要把这个惯例彻底打破。
从翻档案到长记忆
现在主流AI的记忆方案本质上是外挂硬盘——把你的对话存进数据库,回答前先去库里搜一遍。这就像让一个人每次见你都翻阅你的个人档案,而不是真的记住你。
Raven不一样。它把每次互动中的关键信息直接内化成对你的认知模型。你说过喜欢喝不加糖的咖啡,它下次直接记住;你纠正过它一次错误,它不仅记住正确答案,还会反思为什么出错,下次改进。
这才是真正的记忆——不是检索,是内化。
从L2到L3的跨越
EverMind提出了一个数字生命演进阶梯:L1是听指令干活没记忆的临时工,L2是有档案库的私人助理,L3是能自己总结经验、修改代码进化的专业学徒。
目前全球90%的AI创业公司还在L1、L2阶段红海厮杀,Raven直接瞄准了L3。它的杀手锏是能重写自己的代码。
Raven内置10万项经过评测的技能,但它会评估哪些好用、哪些失效,主动淘汰、强化或组合出新的。更关键的是,它能重写自己的运行时逻辑和策略,甚至动态微调权重。
你的幕僚长来了
对普通用户来说,Raven的落地场景很有意思。它可以通过微信、WhatsApp等常用通讯软件控制。
想象一下:你出差路上发了条语音:帮我整理昨晚会议纪要,提炼三个行动项,同步到项目管理系统,然后邮件提醒负责人。
Raven会自动调度语音转录、文档处理、项目管理API和邮件系统,端到端完成整个工作流。你只需要喝完咖啡看它的完成报告。
从无状态工具到有记忆的幕僚,这可能是AI Agent进化的下一个分水岭。

幕僚长这个定位很准,打工人狂喜。出差能用微信控制太方便了
终于有人解决这个痛点了。用了快一年AI,每次都要重新说背景,真的很累。
能自己改代码这个有点猛...它会不会哪天把自己改坏了?
从数据看,10万项技能的动态淘汰机制是关键。不是堆数量,是动态优化。
问题来了:如果AI能改自己代码,那它的行为边界谁来定义?