今天在 GitHub Trending 上看到一个有意思的项目：EverOS，一个为 AI 代理和开发者设计的本地优先记忆运行时——让你的 AI 工具从"每次都是陌生人"变成"永远记得你的老朋友"。

一、项目概述

EverOS 是由 EverMind AI 团队开源的 Python 库（v1.1.2，Apache-2.0 许可证），核心理念是：用人类可读的 Markdown 文件作为记忆的权威来源，再通过 SQLite 和 LanceDB 构建本地索引，实现高速检索与自我进化。

它解决了一个痛点：大多数 AI Agent 框架的记忆系统要么是黑盒数据库，要么是向量数据库里的 embeddings，出了问题你根本不知道记忆长什么样。EverOS 反其道而行——记忆就是 .md 文件，你可以直接打开、编辑、对比，Git 版本化管理也天然支持。

核心优势对比：

特性EverOS其他记忆库
存储格式人类可读的 .md 文件，可直接编辑通常是 API、向量、图数据库状态
文件编辑修改 .md，级联监听器自动同步通常需要 SDK、API 或后端更新
本地依赖Markdown + SQLite + LanceDB，无需 MongoDB/ES/Redis通常依赖托管服务、向量库或服务器
追踪维度用户轨迹 + 代理轨迹分离通常围绕聊天历史、实体或检索记录
检索维度支持 user_id / agent_id / app_id / project_id / session_id 正交检索通常是 app/namespace/tenant 级别

二、技术原理与架构

EverOS 的架构由三层组成，各司其职：

2.1 存储层：Markdown 为核心

~/.everos/
├── episodes/       # 用户会话片段
│   └── {user_id}/{session_id}/
│       ├── YYYY-MM-DD-HHMMSS.md
│       └── ...
├── profile/        # 用户画像
│   └── {user_id}/
│       └── profile.md
├── cases/         # 代理案例
├── skills/        # 代理技能
└── wiki/          # 可编辑的知识库

每次向 /api/v1/memory/add 提交消息，EverOS 会：

  1. 提取（Extraction）：用 LLM 分析对话，抽取关键事实和意图
  2. 写入（Write）：生成结构化 Markdown 文件，同步写入 ~/.everos
  3. 索引（Index）：后台更新 SQLite（标量过滤）和 LanceDB（向量 + BM25 混合检索）

2.2 检索层：LanceDB + SQLite 混合

# 从 pyproject.toml 看依赖
"lancedb>=0.13.0",          # 向量 + BM25 + 标量过滤（Arrow 驱动）
"aiosqlite>=0.20.0",        # 异步 SQLite 驱动
"sqlmodel>=0.0.22",         # ORM（Pydantic + SQLAlchemy 2.0）

LanceDB 支持本地向量检索，无需任何外部服务。BM25 则由 jieba 提供中文分词能力。两者结合保证了语义相似度和关键词精确度的平衡。

2.3 反射机制（OME：Offline Memory Evolution）

EverOS 还有一个独特功能——离线记忆进化。间隔运行的后台任务会：

  • 合并相似会话片段（episode clustering）
  • 细化用户画像（profile refinement）
  • 迭代代理技能（skill evolution）

这使得记忆系统不只是被动存储，还会主动整理和提升。

2.4 API 兼容性

FastAPI 驱动的服务端完全兼容 OpenAI 协议：

# EverOS 端点（来自 README）
POST /api/v1/memory/add      # 添加记忆
POST /api/v1/memory/flush    # 强制触发提取
POST /api/v1/memory/search   # 语义检索

支持 OpenRouter / vLLM / Ollama / DeepInfra 等 OpenAI 兼容后端，通过 .env 配置即可切换。

三、安装与快速开始

环境要求

  • Python 3.12+
  • API 密钥（可选，everos demo 演示模式无需密钥）

安装

uv pip install everos
# 或：pip install everos

体验演示（无需 API 密钥）

everos demo

这个命令会打开一个全屏 TUI（终端 UI），用动画展示"记忆球"从对话 → 记忆 → 检索 → 来源证明 → 彩屑的全流程。

完整使用流程

# 1. 初始化配置
everos init

# 2. 启动服务器
everos server start

# 3. 健康检查
curl http://127.0.0.1:8000/health
# → {"status":"ok"}

# 4. 添加一段记忆
TS=$(($(date +%s)*1000))
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\": $TS, \"content\": \"我喜欢在春天去优胜美地攀岩。\"}
    ]
  }"

# 5. 搜索记忆
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": "我喜欢在哪里攀岩？", "top_k": 5}'

开发者模式

git clone https://github.com/EverMind-AI/EverOS.git
cd EverOS
uv sync
source .venv/bin/activate
everos demo --plain
make test

四、使用场景与生态集成

EverOS 不仅仅是个人记忆工具，它已形成一个完整的生态系统：

  • Reunite：用 EverOS 连接走失儿童的记忆
  • Hive Orchestrator：浏览器原生的多 Agent 协作框架
  • EverMem MCP：AI 编码助手的通用长期记忆层（支持 Claude Code、Codex 等）
  • MemoCare：阿尔茨海默症记忆辅助
  • Rokid 智能眼镜：连接现实设备的持久记忆

在工具层面，EverOS 还提供了：

  • Claude Code 插件（自动保存和检索历史上下文）
  • Live2D 角色 + 记忆（TEN Framework 集成）
  • 记忆图谱可视化（Web 端演示）

五、常见问题

Q: 需要配置哪些 API 密钥？ A: 完整功能需要 OpenRouter（LLM）和 DeepInfra（Embedding/Rerank）密钥。但 everos demo 演示模式无需任何密钥即可体验。

Q: 是否支持中文？ A: 支持。BM25 检索层内置 jieba 中文分词，Markdown 文件本身无语言限制。

Q: 数据存储在哪里？ A: 本地 ~/.everos/ 目录，无云端依赖。LanceDB 和 SQLite 索引也在本地。

Q: 与 LangChain Memory 的区别是什么？ A: LangChain Memory 通常基于向量存储，EverOS 以 Markdown 为事实来源、可直接阅读编辑，更适合需要透明性和 Git 版本化的场景。

六、总结

EverOS 是一个设计思路非常清晰的项目——记忆的本质是信息，信息应该以人类可读的格式存储。在这个基础上再构建向量检索和离线进化，兼顾了可用性和深度。

如果你正在构建 AI 编码助手、多 Agent 系统、或者任何需要跨会话记忆的应用，EverOS 值得一试。轻量、本地优先、Markdown 优先的设计理念，让它既易于集成，又足够透明。

GitHub：EverMind-AI/EverOS
官网：evermind.ai