EverMind-AI/EverOS

EverOS – 持久化、基於 Markdown 的 AI 代理記憶

是什麼 – EverOS 是一個 Python 庫，為任何 LLM 驅動的代理提供 本地優先 的長期記憶層。它將對話、文件和代理的「事件」以純文字 Markdown 檔案形式儲存，同時保持 SQLite 索引和 LanceDB 向量索引同步，以便快速檢索資料。

為何重要 – 多數代理記憶工具將資料隱藏在不透明的資料庫或雲端服務後面。EverOS 讓 真相來源 變成人類可讀的格式，支援版本控制（Git 友好），並可用任意編輯器直接編輯。這使得開發者無需額外儀表板即可檢查、比對和演化記憶。

核心理念

特性	EverOS 如何實現
Markdown 作為真相來源	每個事件、設定檔或知識頁面都是磁碟上的 .md 檔案。檔案可直接編輯，檔案監視器會自動更新 SQLite/LanceDB 索引。
三部分本地棧	無需外部服務： • Markdown 檔案用於持久化 • SQLite 用於關係型查詢（例如按使用者、應用、專案） • LanceDB 用於在配置嵌入提供者時實現快速向量搜尋。
使用者與代理的獨立軌跡	episodes/profile 儲存使用者的個人歷史，而 cases/skills 儲存代理學到的能力。
正交檢索	查詢可按 user_id、agent_id、app_id、project_id 和 session_id 範圍限定，實現對調用哪些記憶的精細控制。
知識維基	可編輯的 Markdown 知識頁面，支援分類、CRUD API 和主題搜尋，均整合在同一記憶儲存中。
反思 / 離線演化	會話結束後，EverOS 可合併相關事件、優化設定檔，並在下次執行前提取可重用的技能。

快速開始（一鍵設定）

1. 安裝 – pip install everos（或 uv pip install everos）。
2. 執行示範 – everos demo 展示了無需 API 密鑰的吸入 → 索引 → 回憶循環。
3. 配置 LLM – everos init 建立 ~/.everos/everos.toml。填入 OpenRouter API 密鑰（例如 model = "openai/gpt-4.1-mini"）。
4. 啟動伺服器 – everos server start（公開 /api/v2/memory/*）。
5. 新增與檢索記憶 – 向 /api/v2/memory/add、/flush 和 /search 發送 JSON。僅配置 LLM 即可獲得 關鍵字搜尋；新增 [embedding] 部分可啟用混合（向量 + 關鍵字）搜尋、反思和技能提取。

可選擴展

擴展	增強功能
everos[multimodal]	透過 everalgo-parser 支援影像、PDF、音訊和辦公文件的吸入。.doc/.ppt/.xls 轉換需 LibreOffice。
嵌入提供者（[embedding]）	混合搜尋、記憶聚類和自動技能提取。
重排序提供者（[rerank]）	代理式搜尋和知識維基風格的排序。

典型用例（如 README 所示）

• 智慧眼鏡助手 – 體育或可穿戴代理的持久上下文。
• AI 程式設計助手 – 長期記憶程式碼片段、專案歷史和開發者偏好。
• 資料分析技術人員 – 記住過去對高維時間序列資料的探索的代理。
• 個人記憶輔助工具 – 用於阿茲海默症支援、品嚐日記或創意腦力激盪的應用，持續記錄使用者經驗的動態日誌。
• 多代理編排平台 – 讓多個代理（Claude、Gemini、OpenCode 等）透過共享知識庫協作的共享記憶後端。

適合誰使用

• 開發 LLM 代理的開發者，需要一個輕量、離線優先的記憶儲存，且能納入版本控制。
• 產品團隊，希望向下游應用（如瀏覽器、智慧眼鏡、IDE 插件）暴露記憶 API，而無需管理外部向量資料庫。
• 研究人員，探索記憶驅動提示、反思或長週期代理行為。

代碼中快速上手（最小範例）

from everos import EverOSClient

client = EverOSClient(root="~/.everos")
# 新增一段簡短對話
client.add_memory(
    session_id="demo-001",
    app_id="demo",
    project_id="demo",
    messages=[
        {"sender_id": "alice", "role": "user", "content": "我喜歡在優勝美地攀岩。"},
        {"sender_id": "alice", "role": "assistant", "content": "聽起來很有趣！"},
    ],
)
client.flush_memory(session_id="demo-001")

# 關鍵字搜尋
results = client.search_memory(
    user_id="alice",
    query="我喜歡在哪裡攀岩？",
    method="keyword",
    top_k=5,
)
print(results)

該呼叫將寫入 ~/.everos 下的 Markdown 檔案，更新 SQLite/LanceDB 索引，並返回匹配的事件。

生態系統

EverOS 預裝了以下整合：

• DeepSeek Harness, Hermes, OpenClaw, Raven, Dify（透過 EverMind-AI/plugins 倉庫）。
• README 中列出的社群專案（如 AIUI 體育代理、Hive 編排器、EverMem 同步工具等）。

許可與貢獻

倉儲遵循典型的開源模型（README 指向 make test、uv sync 和 CONTRIBUTING 指南）。歡迎透過拉取請求貢獻；專案維護 Discord 和 WeChat 社群以提供支援。

---

總結 – EverOS 是一個真正的、可投入生產的庫，無需依賴外部雲端服務，即可為任何基於 LLM 的代理提供持久、可編輯、可搜尋的記憶儲存。其對基於 Markdown 的持久化強調，使其特別吸引那些希望對代理長期知識實現透明性和版本控制的開發者。