AI 还在装失忆？1 万 Star 开源 EverOS 有点东西，把 Agent 记忆塞进 Markdown

嗨，我是小华同学，专注解锁高效工作与前沿AI工具！每日精选开源技术、实战技巧，助你省时50%、领先他人一步。👉免费订阅，与10万+技术人共享升级秘籍！

EverOS 最值得看的，不是又多了一个 Agent SDK，而是把 AI 的“记忆”变成了 可读、可编辑、可迁移的本地资产。 如果你用过 Claude Code、Codex、Cursor、MCP 工具链，大概率懂这种痛：今天刚教会它你的项目，明天又像第一次见面。 这篇先用 3 分钟讲清：EverOS 解决什么、为什么最近值得关注、以及它适不适合放进你的项目里。

场景创作封面：AI 失忆与 EverOS 记忆层

这个项目为什么值得看

EverOS 是 EverMind-AI 开源的一个项目，我今天抓到的数据是：10,325 Star、836 Fork、Apache-2.0 协议、Python 项目。

它的定位很明确：给 AI Agent、编码助手、应用、设备和工作流提供一层 local-first 的长期记忆运行时。

说人话就是：

它想让 AI 不只是“这次会话里记得你”，而是跨工具、跨项目、跨 session 地记住上下文，并且记忆不被锁死在某个黑盒里。

README 图：EverOS 官方 Banner

它不是普通聊天记录

很多人一听“AI 记忆”，第一反应可能是：不就是把聊天记录丢进向量库吗？

EverOS 的思路更工程化一点。

它把记忆的源头放在 Markdown 文件 里，再用 SQLite 管系统状态、队列和运行记录，用 LanceDB 做向量检索、BM25 和结构化过滤。

这点很关键，因为 Markdown 不是缓存，而是它的 source of truth。

白板手绘创作图：EverOS 记忆层定位

我最关注的 4 个点

第一，Markdown 是记忆源文件。

这意味着你可以读、改、diff、进 Git，甚至用 VSCode、Obsidian、Vim 打开看。对程序员来说，这比“数据在某个服务里”安心很多。

第二，本地三件套更轻。

它不是上来就要求你跑一堆外部服务。项目文档里明确写的是 Markdown + SQLite + LanceDB，不需要 MongoDB、Elasticsearch 或 Redis 这类外部 server stack 才能起步。

第三，用户记忆和 Agent 记忆是分开的。

用户侧有 episodes/profile，Agent 侧有 cases/skills。这个设计很适合做长期协作型 AI：人有人的偏好，Agent 有 Agent 的经验。

第四，它开始走向“自进化记忆”。

最新 v1.1.0 里，项目加入了 Knowledge APIs、Reflection orchestration 等能力。简单理解，就是不只存下来，还希望后续能整理、合并、沉淀。

一条记忆怎么跑起来

EverOS 的核心链路可以先这样理解：

1. /add 接收一段消息，把它放进 session、app、project 对应的缓冲区。
2. /flush 触发提炼，把消息抽成记忆单元。
3. episode 会同步写到 Markdown。
4. OME 在后台继续生成 atomic facts、profile、agent cases、agent skills。
5. cascade 把 Markdown 变化同步到 LanceDB，让它可以被 /search 找回来。

白板板书图：EverOS 记忆写入与检索流程

这个设计有一个很实用的好处：

哪怕索引删掉了，记忆也不应该丢，因为真正的源文件还在 Markdown 树里。

当然，检索是最终一致的。也就是说，刚 /flush 完马上 /search，可能需要等索引追上，文档里提到高负载时可能有 10-15 秒延迟。

适合谁关注

如果你正在做下面这些方向，EverOS 值得先收藏：

README 里也给了不少使用场景，比如 coding assistants、browser agent、wearable、creative assistant、memory graph 等。

README 图：EverOS 用例示例

但它不是万能药

这类项目不要一上来就神化。

EverOS 更像一层 Agent memory infrastructure，不是“装完立刻让所有 AI 变聪明”的魔法按钮。

它目前更适合有工程能力的开发者研究和接入。真实 server-backed memory flow 需要配置模型、embedding、rerank 等 provider key；记忆质量也会受提炼策略、检索策略、数据治理影响。

另外，如果你准备放进真实产品，还要认真考虑隐私、权限、敏感信息、记忆删除和可审计问题。

记忆越强，治理越不能偷懒。

我的判断

EverOS 真正有意思的地方，不是“又一个 Agent 记忆库”，而是它把一个抽象问题讲清楚了：

AI Agent 想长期工作，不能只靠更强模型，还需要一层可拥有、可迁移、可编辑的记忆资产。

这和现在很多开发者在用 Claude Code、Codex、Cursor、MCP、Obsidian 做个人工作流的方向很接近。

所以这篇先作为速览。后面如果大家感兴趣，我会继续把它的本地 demo、源码结构、Markdown 写入链路、以及怎么接到自己的 AI 工具链里单独拆开讲。

如果你也关注 AI Agent、开源项目、LLM 工程化，可以继续关注我的后续更新。

项目地址

https://github.com/EverMind-AI/EverOS