EverOS 怎麼用？給 AI Agent 做長期記憶的本地框架

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

EverMind-AI/EverOS 是一個給 AI Agent 和聊天應用做長期記憶的開源 Python 框架。它的目標不是再做一個聊天機器人，而是把對話、Agent 執行軌跡和文件知識，整理成結構化、可檢索、會演化的記憶層。

它最有意思的地方是儲存設計：EverOS 不把記憶鎖進黑盒資料庫，而是把 Markdown 當作 Source of Truth。你可以直接打開、編輯、grep、用 Git 版本管理，甚至放進 Obsidian 裡看。

它解決什麼問題

很多 Agent 的「記憶」其實只是短期上下文：

今天聊過，明天忘了；
一個工具知道的東西，另一個工具不知道；
使用者偏好、專案經驗、失敗案例都散在聊天記錄裡；
RAG 能搜文件，但不一定能沉澱「經歷過的事」；
記憶系統一旦依賴複雜資料庫，小團隊維護成本就上來了。

EverOS 想做的是更輕量的長期記憶底座。它把使用者側記憶和 Agent 側記憶分開：使用者有 Profile、Episodes、Facts、Foresights；Agent 有 Cases 和 Skills。這樣不只是「記住一句話」，而是能逐步累積人、任務、經驗和流程。

技術結構

README 裡把 EverOS 的核心原則說得很清楚：

Markdown as Source of Truth：所有記憶最終落到 .md 文件；
Lightweight three-piece storage：Markdown + SQLite + LanceDB；
EverAlgo 負責記憶提取演算法，EverOS 負責編排和持久化。

儲存布局大致是：

~/.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 管狀態和隊列，LanceDB 管向量、BM25 和 scalar filter。這個組合比 MongoDB、Elasticsearch、Milvus、Redis、Kafka 全家桶輕很多，也更適合個人開發者和小團隊。

快速開始

安裝方式很簡單：

1
2
3

uv pip install everos
# or
pip install everos

初始化配置：

`1`	`everos init`

然後啟動服務：

`1`	`everos server start`

EverOS 的 endpoint stack 兼容 OpenAI protocol，可以接 OpenAI、OpenRouter、vLLM、Ollama、DeepInfra 等服務。你只需要在 .env 裡調整對應的 BASE_URL 和 API Key。

如果要處理圖片、PDF、音訊、Office 文件等非文本內容，可以安裝多模態擴展：

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

Office 文件轉換依賴 LibreOffice。沒有 LibreOffice 時，PDF、圖片、音訊等不受影響，但 .doc、.docx、.ppt、.pptx、.xls、.xlsx 這類 Office 文件會處理失敗。

適合哪些場景

EverOS 更適合這些應用：

AI 編程助手長期記住專案約定、踩坑記錄和常用流程；
多 Agent 協作時共享長期記憶；
個人聊天助手記住偏好、經歷和長期目標；
企業內部知識助理把文件知識和對話經驗一起沉澱；
科研、資料分析、營運等任務需要跨會話持續累積案例；
想把記憶放在本地文件裡，而不是完全交給雲端平台。

它不太適合只做簡單 FAQ。FAQ 用普通 RAG 就夠了。EverOS 的價值在於「記憶會隨著使用變厚」，而不是只搜靜態資料。

使用邊界

長期記憶聽起來很美，但也有幾個坑：

記錯比忘記更危險，記憶提取需要人工校驗；
使用者隱私和敏感資訊必須可查看、可刪除、可匯出；
Agent 不能因為記憶存在就盲目信任舊結論；
多使用者、多專案、多 Agent 的隔離要設計清楚；
Markdown 可編輯是優點，也意味著你要處理手動修改後的索引同步。

所以 EverOS 更適合被當成基礎設施，而不是直接當最終產品。你需要在應用層決定：哪些內容能記、什麼時候記、記多久、誰能讀、錯了怎麼改。

小結

EverOS 的設計很討喜：用 Markdown 做真相源，用 SQLite 和 LanceDB 做索引，把長期記憶從黑盒資料庫裡拉回到可讀、可改、可版本管理的文件系統裡。

如果你正在做 AI Agent、個人助手、編程助手或多 Agent 平台，並且已經遇到「會話結束就失憶」的問題，EverOS 值得研究。它不是萬能大腦，但提供了一個很務實的記憶作業系統雛形。

參考來源

EverMind-AI/EverOS - GitHub

EverOS on KnightLi的博客