EverMind-AI/EverOS

One portable memory layer for every AI agent: local-first, Markdown-native, user-owned, and self-evolving across apps, tools, and workflows.

EverOS – 지속 가능한, 마크다운 기반 AI 에이전트 메모리

무엇인가요 – EverOS는 어떤 LLM 기반 에이전트에도 로컬 우선 장기 메모리 계층을 제공하는 파이썬 라이브러리입니다. 대화, 파일, 에이전트의 "에피소드"를 일반 텍스트 마크다운 파일로 저장하고, SQLite 인덱스와 LanceDB 벡터 인덱스를 동기화하여 빠른 검색이 가능하게 합니다.

왜 중요한가요 – 대부분의 에이전트 메모리 도구는 데이터를 투명한 데이터베이스나 클라우드 서비스 뒤에 숨깁니다. EverOS는 진실의 소스를 인간이 읽을 수 있는 형식으로 만들고, 버전 관리(깃 친화적), 그리고 어떤 에디터로든 편집할 수 있게 합니다. 이로 인해 개발자는 별도의 대시보드 없이 메모리의 검토, 차이 분석, 진화를 수행할 수 있습니다.

핵심 아이디어

기능	EverOS의 구현 방식
마크다운을 진실의 소스로	모든 에피소드, 프로필, 지식 페이지는 디스크上的 `.md` 파일입니다. 파일은 직접 편집 가능하며, 파일 감시기가 SQLite/LanceDB 인덱스를 자동으로 업데이트합니다.
3단계 로컬 스택	외부 서비스가 필요 없습니다: • 마크다운 파일: 지속성용 • SQLite: 관계형 쿼리(예: 사용자, 앱, 프로젝트 기준) • LanceDB: 임베딩 제공자가 설정된 경우 빠른 벡터 검색 가능.
사용자와 에이전트의 별도 트랙	`episodes/profile`은 사용자의 개인적 기록을 저장하고, `cases/skills`는 에이전트가 학습한 능력을 저장합니다.
직교적 검색	쿼리는 `user_id`, `agent_id`, `app_id`, `project_id`, `session_id`로 범위를 지정할 수 있어 어떤 메모리를 참조할지 세밀하게 제어할 수 있습니다.
지식 위키	분류, CRUD API, 주제 검색이 가능한 편집 가능한 마크다운 지식 페이지가 동일한 메모리 저장소에 포함됩니다.
반성 / 오프라인 진화	세션이 끝난 후, 관련된 에피소드를 병합하고 프로필을 개선하며 다음 실행을 위해 재사용 가능한 기술을 추출할 수 있습니다.

빠른 시작 (한 번의 설정)

설치 – pip install everos (또는 uv pip install everos).
데모 실행 – everos demo로 API 키 없이 인제스트 → 인덱싱 → 리콜 루프를 확인할 수 있습니다.
LLM 구성 – everos init으로 ~/.everos/everos.toml 생성. OpenRouter API 키를 입력 (예: model = "openai/gpt-4.1-mini").
서버 시작 – everos server start ((/api/v2/memory/*)를 노출).
메모 추가 및 검색 – /api/v2/memory/add, /flush, /search에 JSON을 POST. LLM 설정만으로 키워드 검색 가능. [embedding] 섹션을 추가하면 하이브리드(벡터 + 키워드) 검색, 반성, 기술 추출이 가능해집니다.

선택적 확장 기능

확장 기능	추가 기능
`everos[multimodal]`	`everalgo-parser`를 통해 이미지, PDF, 오디오, 사무 문서 인제스트. `.doc/.ppt/.xls` 변환에는 LibreOffice 필요.
임베딩 제공자 (`[embedding]`)	하이브리드 검색, 메모리 클러스터링, 자동 기술 추출.
재랭킹 제공자 (`[rerank]`)	에이전트 기반 검색 및 지식 위키 스타일 랭킹.

일반적인 사용 사례 (README에 표시됨)

스마트글라스 어시스턴트 – 스포츠 또는 웨어러블 에이전트용 지속적 컨텍스트.
AI 코딩 어시스턴트 – 코드 스니펫, 프로젝트 역사, 개발자 선호도의 장기 기억.
데이터 분석 기술자 – 고차원 시계열 데이터의 과거 탐색을 기억하는 에이전트.
개인 기억 보조 도구 – 알츠하이머 지원, 시음 일기, 창의적 브레인스토밍용 앱. 사용자 경험의 살아있는 로그를 유지.
다중 에이전트 오케스트레이션 플랫폼 – Claude, Gemini, OpenCode 등 여러 에이전트가 공통 지식 기반을 통해 협업할 수 있는 공유 메모리 백엔드.

누구에게 적합한가요

LLM 에이전트를 개발하는 개발자 – 가벼우면서도 오프라인 우선의 메모리 저장소가 필요하고, 버전 관리에 남아야 하는 사람.
프로덕트 팀 – 외부 벡터 데이터베이스를 관리하지 않고도 하류 앱(예: 브라우저, 스마트글라스, IDE 플러그인)에 메모리 API를 노출하고 싶은 사람.
연구자 – 메모리 기반 프롬프팅, 반성, 장기적 에이전트 행동을 탐구하는 사람.

코드로 시작하기 (최소 예제)

from everos import EverOSClient

client = EverOSClient(root="~/.everos")
# 짧은 대화 추가
client.add_memory(
    session_id="demo-001",
    app_id="demo",
    project_id="demo",
    messages=[
        {"sender_id": "alice", "role": "user", "content": "나는 요세미티에서 등산하는 것을 좋아해."},
        {"sender_id": "alice", "role": "assistant", "content": "재미있어 보여요!"},
    ],
)
client.flush_memory(session_id="demo-001")

# 키워드 검색
results = client.search_memory(
    user_id="alice",
    query="내가 어디에서 등산하는 걸 좋아해?",
    method="keyword",
    top_k=5,
)
print(results)

이 호출은 ~/.everos 아래에 마크다운 파일을 작성하고, SQLite/LanceDB 인덱스를 업데이트하며, 일치하는 에피소드를 반환합니다.

생태계

EverOS는 다음과 같은 미리 준비된 통합 기능을 제공합니다:

DeepSeek Harness, Hermes, OpenClaw, Raven, Dify (GitHub EverMind-AI/plugins 리포지토리 경유).
README에 나열된 커뮤니티 프로젝트 (예: AIUI 스포츠 에이전트, Hive 오케스트레이터, EverMem 동기화 도구 등).

라이선스 및 기여

리포지토리는 일반적인 오픈소스 모델을 따릅니다 (README에 make test, uv sync, CONTRIBUTING 가이드 링크). 기여는 풀 리퀘스트로 환영하며, 프로젝트는 지원을 위한 디스코드와 위챗 커뮤니티를 운영합니다.

결론 – EverOS는 외부 클라우드 서비스에 의존하지 않고, 어떤 LLM 기반 에이전트에도 내구성 있고, 편집 가능하며, 검색 가능한 메모리 저장소를 제공하는 진정한 프로덕션 준비 라이브러리입니다. 마크다운 기반의 지속성에 중점을 두고 있어, 개발자들이 에이전트의 장기 지식에 대해 투명성과 버전 관리를 원하는 사람들에게 특히 매력적입니다.