EverOS：一款開源、Markdown優先的智慧體記憶執行時，支援混合BM25+向量檢索與自我進化技能
EverMind開源了EverOS，這是一個本地優先的記憶執行時，將AI智慧體的記憶儲存為純Markdown檔案，並透過SQLite和LanceDB建立索引。它結合了混合BM25+向量檢索、多模態攝取，以及可自我進化的技能（Skills），採用Apache 2.0許可證。本文介紹了其工作原理、架構、基準測試結果和侷限性，並提供了可執行的程式碼示例和互動式演示。
EverMind公司近日釋出了EverOS，一個面向AI智慧體的開源記憶執行時。該專案採用Apache 2.0許可證，旨在解決開發者早期遇到的問題：大型語言模型是無狀態的，對話結束後上下文便消失。
EverOS提出了一種不同的解決方案。與將記憶鎖定在向量資料庫中不同，它將記憶以純文本Markdown檔案的形式儲存。這些檔案成為智慧體跨會話讀取、編輯和搜尋的事實來源。
核心特性
- Memory即Markdown：每條記錄對應一個.md檔案，可直接編輯、透過Git版本控制，或在Obsidian等工具中檢視。
- 混合檢索：單一LanceDB查詢同時支援BM25關鍵詞匹配、稠密向量搜尋和標量過濾。EverMind將這種多模態檢索路徑稱為mRAG。
- 自我進化技能：每個完成的任務記錄為案例（Case），重複出現的成功模式離線提煉為可複用的技能（Skill），實現智慧體在使用中不斷改進。
架構設計
EverOS採用三層儲存棧：Markdown作為事實來源，SQLite管理狀態和佇列，LanceDB管理向量、BM25和標量過濾。相比傳統方案，它無需MongoDB、Elasticsearch、Milvus等元件，降低了運維成本。
執行時支援跨使用者、智慧體、應用、專案和會話的多維檢索，確保多智慧體場景下的資料隔離。
基準測試
根據EverMind團隊的報告，EverOS在LoCoMo上達到93.05%，在LongMemEval上達到83.00%，在HaluMem上達到93.04%，p95檢索延遲低於500毫秒。這些資料為團隊自行報告，建議使用者在實際工作負載中驗證。
使用場景
該專案已整合多個實際應用，包括多智慧體協作工具（如Hive Orchestrator）、用於尋找失散親人的語義記憶系統（Reunite）、阿爾茨海默症記憶輔助工具和可穿戴AI裝置。
快速開始
安裝簡單：pip install everos，然後執行everos demo即可啟動本地教育版視覺化工具。API相容OpenAI協議，可快速接入主流模型後端。
EverOS以Apache 2.0許可證開源，提供自託管和雲端兩種部署選項，開發者可根據需求靈活選擇。