EverOS 开源：Markdown 优先的 AI Agent 记忆运行时，支持混合检索与自进化技能

一句话看懂

EverMind 开源了 EverOS，一个将 AI Agent 记忆存储为 Markdown 文件的本地优先运行时，支持混合检索和技能自进化，Apache 2.0 许可。

详细发生了什么

EverMind 团队发布了 EverOS，一个面向 AI Agent 的开源记忆运行时，采用 Apache 2.0 许可。核心思路是：大语言模型是无状态的，每次对话结束上下文就丢失。EverOS 不把记忆锁在向量数据库里，而是写入纯 Markdown 文件，作为 Agent 跨会话读写和搜索的单一事实来源。

EverOS 是一个 Python 库和本地优先的记忆运行时，以 FastAPI HTTP API 和 CLI 形式运行，异步优先。它设计了两条记忆轨道：用户侧记忆（Profile、Episodes、Facts、Foresights）和 Agent 侧记忆（Cases、Skills）。每条记录都是一个 .md 文件，可以用任何文本编辑器、grep、Git 或 Obsidian 查看编辑。

存储栈由三部分组成：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。检索是混合的，单次 LanceDB 查询结合 BM25 关键词匹配、稠密向量搜索和标量过滤，称为 mRAG。编辑 .md 文件会触发文件监听器自动同步索引。

特色功能是程序性记忆：每次 Agent 完成任务记录为一个 Case，重复的成功模式离线蒸馏为可复用的 Skills，实现自进化。版本 1.1.0 增加了 Knowledge API 和 Reflection 离线处理。

基准测试方面，EverMind 团队报告在 LoCoMo 上达到 93.05%，LongMemEval 上 83.00%，HaluMem 上 93.04%，p95 检索延迟低于 500ms。这些数据由 EverMind 自行报告，需自行验证。

中文圈视角

EverOS 对中文开发者有几个值得关注的要点：

1. 本地优先与数据安全：EverOS 默认本地运行，数据不出环境，这对国内有数据合规需求的团队（如医疗、金融）非常友好。相比依赖云服务的记忆方案，它更容易通过安全审查。

2. Markdown 作为存储格式：中文开发者习惯用 Markdown 写文档、做笔记，EverOS 让记忆文件可直接用 Obsidian、Notion 等工具查看编辑，降低了调试和理解成本。同时支持 Git 版本管理，便于团队协作。

3. 国产替代对比：目前国内类似项目较少，如 Dify 的 Agent 记忆依赖数据库，不够透明；FastGPT 有向量记忆但非 Markdown 原生。EverOS 的开源许可和轻量架构（无需 MongoDB、Elasticsearch）使其适合中小团队快速集成。

4. 中文场景适配：BM25 对中文分词支持良好，结合向量检索可有效处理中文长文本记忆。但需注意，其多模态摄入依赖 LibreOffice 转换 Office 文档，中文文档兼容性需测试。

5. 盲点：目前中文社区对此项目讨论较少，其自进化技能机制在中文 Agent 应用（如客服、教育）中有潜力，但缺乏中文 benchmark 验证。

几条值得记住的细节

• 存储栈：Markdown + SQLite + LanceDB，无需 MongoDB、Elasticsearch、Redis 等重型组件。
• 混合检索：单次查询同时执行 BM25 关键词匹配、稠密向量搜索和标量过滤。
• 自进化技能：重复的 Case 自动蒸馏为 Skills，无需手动编写。
• 安装要求：Python 3.12+，pip install everos，可选 everos[multimodal] 支持多模态。
• 本地 demo 无需 API key，运行 everos demo 即可体验。

一句话总结

如果你在构建需要长期记忆的 AI Agent，EverOS 提供了一个轻量、透明、可自托管的开源方案，尤其适合注重数据隐私和可审计性的团队。