EverOS 怎么用？给 AI Agent 做长期记忆的本地框架

Sat, 06 Jun 2026 22:26:00 +0800

EverMind-AI/EverOS 是一个给 AI Agent 和聊天应用做长期记忆的开源 Python 框架。它的目标不是再做一个聊天机器人，而是把对话、Agent 执行轨迹和文件知识，整理成结构化、可检索、会演化的记忆层。

它最有意思的地方是存储设计：EverOS 不把记忆锁进黑盒数据库，而是把 Markdown 当作 Source of Truth。你可以直接打开、编辑、grep、用 Git 版本管理，甚至放进 Obsidian 里看。

它解决什么问题

很多 Agent 的“记忆”其实只是短期上下文：

今天聊过，明天忘了；
一个工具知道的东西，另一个工具不知道；
用户偏好、项目经验、失败案例都散在聊天记录里；
RAG 能搜文件，但不一定能沉淀“经历过的事”；
记忆系统一旦依赖复杂数据库，小团队维护成本就上来了。

EverOS 想做的是更轻量的长期记忆底座。它把用户侧记忆和 Agent 侧记忆分开：用户有 Profile、Episodes、Facts、Foresights；Agent 有 Cases 和 Skills。这样不只是“记住一句话”，而是能逐步积累人、任务、经验和流程。

技术结构

README 里把 EverOS 的核心原则说得很清楚：

Markdown as Source of Truth：所有记忆最终落到 .md 文件；
Lightweight three-piece storage：Markdown + SQLite + LanceDB；
EverAlgo 负责记忆提取算法，EverOS 负责编排和持久化。

存储布局大致是：

~/.everos/
├── default_app/
│   └── default_project/
│       ├── users/<user_id>/
│       │   ├── user.md
│       │   ├── episodes/
│       │   ├── .atomic_facts/
│       │   └── .foresights/
│       └── agents/<agent_id>/
│           ├── agent.md
│           ├── .cases/
│           └── skills/
└── .index/
    ├── sqlite/system.db
    └── lancedb/*.lance/

Markdown 是真相源，SQLite 管状态和队列，LanceDB 管向量、BM25 和 scalar filter。这个组合比 MongoDB、Elasticsearch、Milvus、Redis、Kafka 全家桶轻很多，也更适合个人开发者和小团队。

快速开始

安装方式很简单：

1
2
3

uv pip install everos
# or
pip install everos

初始化配置：

`1`	`everos init`

然后启动服务：

`1`	`everos server start`

EverOS 的 endpoint stack 兼容 OpenAI protocol，可以接 OpenAI、OpenRouter、vLLM、Ollama、DeepInfra 等服务。你只需要在 .env 里调整对应的 BASE_URL 和 API Key。

如果要处理图片、PDF、音频、Office 文档等非文本内容，可以安装多模态扩展：

`1`	`uv pip install 'everos[multimodal]'`

Office 文档转换依赖 LibreOffice。没有 LibreOffice 时，PDF、图片、音频等不受影响，但 .doc、.docx、.ppt、.pptx、.xls、.xlsx 这类 Office 文件会处理失败。

适合哪些场景

EverOS 更适合这些应用：

AI 编程助手长期记住项目约定、踩坑记录和常用流程；
多 Agent 协作时共享长期记忆；
个人聊天助手记住偏好、经历和长期目标；
企业内部知识助理把文件知识和对话经验一起沉淀；
科研、数据分析、运营等任务需要跨会话持续积累案例；
想把记忆放在本地文件里，而不是完全交给云端平台。

它不太适合只做简单 FAQ。FAQ 用普通 RAG 就够了。EverOS 的价值在于“记忆会随着使用变厚”，而不是只搜静态资料。

使用边界

长期记忆听起来很美，但也有几个坑：

记错比忘记更危险，记忆提取需要人工校验；
用户隐私和敏感信息必须可查看、可删除、可导出；
Agent 不能因为记忆存在就盲目信任旧结论；
多用户、多项目、多 Agent 的隔离要设计清楚；
Markdown 可编辑是优点，也意味着你要处理手动修改后的索引同步。

所以 EverOS 更适合被当成基础设施，而不是直接当最终产品。你需要在应用层决定：哪些内容能记、什么时候记、记多久、谁能读、错了怎么改。

小结

EverOS 的设计很讨喜：用 Markdown 做真相源，用 SQLite 和 LanceDB 做索引，把长期记忆从黑盒数据库里拉回到可读、可改、可版本管理的文件系统里。

如果你正在做 AI Agent、个人助手、编程助手或多 Agent 平台，并且已经遇到“会话结束就失忆”的问题，EverOS 值得研究。它不是万能大脑，但提供了一个很务实的记忆操作系统雏形。

参考来源

EverMind-AI/EverOS - GitHub

EverOS on KnightLi的博客