EverOS：开源Markdown优先智能体记忆运行时，支持混合检索与自进化技能

EverMind 发布了 EverOS，这是一个面向 AI 智能体的开源记忆运行时。它采用 Apache 2.0 许可证发布。它针对的是智能体开发者很早就遇到的一个问题：大语言模型是无状态的。对话一结束，上下文就消失了。

EverOS 提出了一种不同的底层方案。它没有把记忆锁在向量数据库里，而是把记忆写成纯 Markdown 文件。这些文件成为事实来源，智能体可以跨会话读取、编辑和搜索它们。

TL;DR

• EverOS 将智能体记忆存储为可编辑的 Markdown，并由 SQLite 和 LanceDB 建立索引。
• 混合检索在一次查询中融合 BM25、向量搜索和标量过滤。
• 案例会蒸馏为可复用的技能，为智能体提供程序性、可自我演化的记忆。
• 基准测试分数很强，但由 EverMind 自行报告；请在你自己的工作负载上验证。
• 它以 Apache 2.0 开源，云端与自托管能力对等。

什么是 EverOS？

EverOS 是一个 Python 库，也是一个本地优先的记忆运行时。它以服务器形式运行，带有 CLI 和 FastAPI HTTP API，全程异步优先。你可以把它接入现有的智能体循环，而不必重建你的技术栈。

该设计将两条记忆轨道分开。用户侧记忆保存 Profiles、Episodes、Facts 和 Foresights。智能体侧记忆保存 Cases 和 Skills。将二者分开并不常见；大多数库仅以聊天历史为核心。

每条记录都以 .md 文件形式落地。你可以打开、编辑、grep 和用 Git 进行版本管理，或在 Obsidian 中查看。EverAlgo 是一个独立的无状态库，负责处理提取算法。EverOS 负责编排并持久化结果。

端点栈兼容 OpenAI 协议。只需更改 base URL，即可连接到 OpenAI、OpenRouter、vLLM、Ollama 或 DeepInfra。这使得集成几乎只需改动一处配置。

运行时默认本地优先。数据无需离开你的环境，每一层都可检查。对于不愿自托管的团队，还提供托管的 EverOS Cloud 选项。两者共享相同的 SDK、检索引擎和记忆格式。

架构——Markdown、SQLite 和 LanceDB

EverOS 采用三件式存储栈。Markdown 是事实来源。SQLite 管理状态和队列。LanceDB 管理向量、BM25 和标量过滤。

这刻意比典型的生产级记忆配置更轻量。无需 MongoDB、Elasticsearch、Milvus、Redis 或 Kafka。对于独立开发者和小团队而言，这降低了运维成本。

检索是混合式的。单次 LanceDB 查询同时结合 BM25 关键词匹配、稠密向量搜索和标量过滤。EverMind 将这条多模态检索路径作为 mRAG 进行推广。

级联索引同步让文件与索引保持一致。编辑一个 .md 文件会触发文件监听器，重新同步索引。记忆保持可检视，而不会变得过时。

检索在各个标识符之间也是正交的。你可以按 user_id、agent_id、app_id、project_id 和 session_id 来限定搜索范围。这种范围限定在多智能体和多用户部署中很重要，因为那里需要数据隔离。

记忆如何自我演化——案例变成技能

一个独特的功能是程序性记忆。EverOS 将每个已完成的智能体任务记录为一个 Case。重复出现的成功模式会在离线状态下被蒸馏为可复用的技能。

这就是所谓"自我演化"的说法，直白地说。技能在一个智能体团队中共享，无需人工整理，也无需硬编码。目标是让智能体随着使用而改进，而不是每次会话都重新开始。

1.1.0 版本增加了更多生命周期机制。它引入了 Knowledge API，用于生成有来源支撑的 Markdown 页面，并支持分类法和主题搜索。它还新增了 Reflection，这是一个离线过程，会在会话之间合并情节聚类并优化画像和技能。

记忆模型很简单。情景记忆回答“发生了什么”。画像记忆回答“这个用户是谁”。程序性记忆回答“这项任务如何完成”。

基准测试

EverMind 团队报告称，在 LoCoMo 上达到 93.05%，在 LongMemEval 上达到 83.00%，在 HaluMem 上达到 93.04%。它还提到 p95 检索延迟低于 500ms。LoCoMo 和 LongMemEval 衡量长期对话记忆；HaluMem 针对记忆幻觉。这些数字来自 EverMind 的帖子。

下表在具体设计维度上将 EverOS 与常见替代方案进行了对比：

用例，附真实示例

该库链接了可用的集成。它们展示了持久记忆在真实产品中能实现什么。

Hive Orchestrator 是一个面向 CLI 编程智能体的浏览器原生蜂巢思维。Claude Code、Codex、Gemini 和 OpenCode 通过共享的团队协议，作为真实的 PTY 进程进行协作。

Reunite 使用语义记忆进行公共价值搜索。父母描述他们记得的内容，孩子描述他们回忆的内容，系统则呈现出其中的关联。

其他示例涵盖医疗健康和硬件领域。其中包括一个阿尔茨海默症记忆助手和一款 AI 可穿戴设备。这款可穿戴设备会聆听日常生活并将其转化为记忆。示例中还包括一个具备自演化记忆的学习伙伴。更广泛的生态系统还增加了一个 Claude Code 插件，以及一个面向编程助手的基于 MCP 的记忆层。

五分钟代码走读

安装使用标准 Python 工具链。EverOS 需要 Python 3.12 或更高版本。本地演示无需 API 密钥。

# Requires Python 3.12+
uv pip install everos        # or: pip install everos
everos demo                  # local educational visualizer, no keys
everos init                  # paste OpenRouter + DeepInfra keys into .env
everos server start          # starts the FastAPI server
curl http://127.0.0.1:8000/health   # -> {"status":"ok"}

添加和搜索记忆都是普通的 HTTP 调用。下面的示例存储一条事实，强制进行提取，然后将其检索回来。

# 1) Add a short conversation
curl -X POST http://127.0.0.1:8000/api/v1/memory/add \
  -H 'Content-Type: application/json' \
  -d '{"session_id":"demo-001","app_id":"default","project_id":"default",
       "messages":[{"sender_id":"alice","role":"user","timestamp":1750000000000,
                    "content":"I love climbing in Yosemite every spring."}]}'

# 2) Flush to force extraction (local demo)
curl -X POST http://127.0.0.1:8000/api/v1/memory/flush \
  -H 'Content-Type: application/json' \
  -d '{"session_id":"demo-001","app_id":"default","project_id":"default"}'

# 3) Search it back
curl -X POST http://127.0.0.1:8000/api/v1/memory/search \
  -H 'Content-Type: application/json' \
  -d '{"user_id":"alice","app_id":"default","project_id":"default",
       "query":"Where do I like to climb?","top_k":5}'

多模态摄入是一个可选的附加功能。安装 everos[multimodal] 会增加对图像、PDF 和音频的解析。Office 文档还需要 LibreOffice，它会在解析前将文件转换为 PDF。

试一试：交互式记忆演示

下方嵌入的演示会在你的浏览器中模拟 EverOS 的循环。添加一段内容，观察它被提取并打上标签，然后通过混合检索将其搜索回来。它仅用于演示，不会连接到实时服务器。