EverOS：一款开源、Markdown优先的智能体记忆运行时，支持混合BM25+向量检索与自我进化技能
EverMind开源了EverOS，这是一个本地优先的记忆运行时，将AI智能体的记忆存储为纯Markdown文件，并通过SQLite和LanceDB建立索引。它结合了混合BM25+向量检索、多模态摄取，以及可自我进化的技能（Skills），采用Apache 2.0许可证。本文介绍了其工作原理、架构、基准测试结果和局限性，并提供了可运行的代码示例和交互式演示。
EverMind公司近日发布了EverOS，一个面向AI智能体的开源记忆运行时。该项目采用Apache 2.0许可证，旨在解决开发者早期遇到的问题：大型语言模型是无状态的，对话结束后上下文便消失。
EverOS提出了一种不同的解决方案。与将记忆锁定在向量数据库中不同，它将记忆以纯文本Markdown文件的形式存储。这些文件成为智能体跨会话读取、编辑和搜索的事实来源。
核心特性
- Memory即Markdown：每条记录对应一个.md文件，可直接编辑、通过Git版本控制，或在Obsidian等工具中查看。
- 混合检索：单一LanceDB查询同时支持BM25关键词匹配、稠密向量搜索和标量过滤。EverMind将这种多模态检索路径称为mRAG。
- 自我进化技能：每个完成的任务记录为案例（Case），重复出现的成功模式离线提炼为可复用的技能（Skill），实现智能体在使用中不断改进。
架构设计
EverOS采用三层存储栈：Markdown作为事实来源，SQLite管理状态和队列，LanceDB管理向量、BM25和标量过滤。相比传统方案，它无需MongoDB、Elasticsearch、Milvus等组件，降低了运维成本。
运行时支持跨用户、智能体、应用、项目和会话的多维检索，确保多智能体场景下的数据隔离。
基准测试
根据EverMind团队的报告，EverOS在LoCoMo上达到93.05%，在LongMemEval上达到83.00%，在HaluMem上达到93.04%，p95检索延迟低于500毫秒。这些数据为团队自行报告，建议用户在实际工作负载中验证。
使用场景
该项目已集成多个实际应用，包括多智能体协作工具（如Hive Orchestrator）、用于寻找失散亲人的语义记忆系统（Reunite）、阿尔茨海默症记忆辅助工具和可穿戴AI设备。
快速开始
安装简单：pip install everos，然后运行everos demo即可启动本地教育版可视化工具。API兼容OpenAI协议，可快速接入主流模型后端。
EverOS以Apache 2.0许可证开源，提供自托管和云端两种部署选项，开发者可根据需求灵活选择。