EverMind发布EverOS本地化记忆运行时 支持Markdown混合检索与自演化技能

背景

大型语言模型天生无状态，连续对话结束后上下文即被抛弃。EverMind 在此痛点上推出 EverOS，旨在为 Agent 提供持久、可编辑且可本地化的记忆层。项目采用 Apache 2.0 许可证，既可自行部署，也提供云托管版本，兼容 OpenAI、OpenRouter、vLLM、Ollama 等多家后端。

核心特性

• Markdown 为真相来源：所有记忆条目以 .md 文件形式存储，支持直接打开、编辑、Git 版控，亦可在 Obsidian 等笔记软件中浏览。
• 三层存储栈：SQLite 负责状态与队列管理，LanceDB 负责向量、BM25 与标量过滤，二者共同实现轻量化本地存储，无需 MongoDB、Elasticsearch 等重量级组件。
• 混合检索 (Hybrid Retrieval)：单次 LanceDB 查询同时执行 BM25 关键字匹配、稠密向量相似度搜索以及自定义标量过滤，形成 mRAG 检索路径。
• 多模态摄入：可一次性解析 PDF、图片、音频及 Office 文档，自动生成对应的 Markdown 页面并加入检索索引。
• 自演化 Skills：每一次任务完成会记录为 Case，系统离线聚合成功模式并抽象为可复用的 Skill，实现记忆的过程化、可演进特性。

性能与基准

EverMind 官方报告的基准成绩如下：

• LoCoMo 93.05%
• LongMemEval 83.00%
• HaluMem 93.04%
• 检索延迟 p95 < 500ms

这些指标均来源于 EverMind 自测，建议用户在自有工作负载上复现验证。

典型使用案例

1. Hive Orchestrator：在浏览器中构建的团队式编码 Agent，利用 EverOS 持久记忆实现跨会话的代码上下文共享。
2. Reunite：面向公共价值检索的语义记忆系统，父子记忆链路帮助用户快速定位相关信息。
3. 健康助理：结合图像与文本的阿尔茨海默症记忆辅助装置，将日常对话转化为结构化记忆并提供提醒。

开源与生态

项目代码托管于 GitHub，提供 pip install everos 的标准安装方式，Python 3.12+ 环境即可运行。示例包括本地 Demo、FastAPI HTTP API、以及 CLI 工具。通过 everos[multimodal] 可额外开启多模态解析插件，依赖 LibreOffice 完成 Office 文档转 PDF。

结语

EverOS 把「记忆即文件」的理念落地为可检索、可编辑、可演化的完整体系，为构建长期记忆的智能体提供了低成本、本地化的技术选项。随着社区贡献的持续增长，未来可能出现更多基于该框架的行业化解决方案。