简介

EverOS 由 EverMind 开发，是一款为大语言模型 agent 提供持久、结构化长期记忆的记忆操作系统。标准 LLM 本身是无状态的：一旦对话结束或上下文窗口被填满，此前的交互就会丢失，用户不得不重复说明，agent 也无法从经验中学习。EverOS 通过自动提取、组织和检索记忆来解决这个问题，让 agent 在数天、多个会话和多个平台之间保持一致的上下文。

在技术层面，EverOS 将对话切分为公司称为 MemCell 的单元——包含情节（episode）、原子事实（atomic facts）、前瞻（foresight）和元数据——并将其聚类为主题化的 MemScene。开发者只需三个 API 调用即可集成：添加消息、触发记忆提取、检索已存储的上下文。它支持四种检索方式（关键词 BM25、向量、混合、agentic），由于记忆层与模型无关，可搭配任意 LLM 使用；同时提供托管云服务和采用 Apache 2.0 许可证的开源自托管版本。

主要功能

结构化记忆提取：对话自动拆解为包含原子事实和元数据的 MemCell，再归类为主题化的 MemScene，实现有组织的长期回忆。

多模态 RAG（mRAG）：通过单一 API 即可摄取并索引来自 PDF、图片、音频、视频、电子表格、演示文稿、邮件、HTML 页面、文本文件和 URL 的记忆。

自我演化的 agent 记忆：agent 的执行轨迹被记录为 Cases，重复出现的模式会被提炼为可复用的 Skills，让 agent 在任务上不断改进，而不必每次从零开始。

多用户归因：为每位参与者维护独立档案，在群组对话中每个发言者拥有各自独立的记忆历史。

多 agent 共享记忆：共享同一用户或群组命名空间的 agent 可直接读写同一份记忆，无需显式交接。

四种检索方式：关键词（BM25）、向量、混合（推荐的默认方式）以及 agentic 式 LLM 引导检索。

Memory Bank：可视化管理用户、群组和 agent 记忆的界面，支持按 memory_id 删除或批量删除。

定价与费用

定价：在我们查看的页面上未公开列出，请前往官方网站查询当前方案。网站提到一项促销活动，EverOS Pro 用户可获得 6 个月的 3 倍用量。
开源性：EverOS 以 Apache 2.0 许可证发布在 GitHub 上，团队可在自己的基础设施上自托管，实现完整的数据本地化。
基准测试：厂商公布了公开长期记忆基准的得分，包括 LoCoMo（93.05%，对比 Zep 的 85.22%）、LongMemEval（83.00%，对比 MemOS 的 77.80%）和 HaluMem（93.04%），并称这些基准可复现。
快速集成：通过 `pip install everos` 安装，快速上手围绕三个 API 端点（添加消息、触发提取、检索）构建。

适用人群

EverOS 面向构建需要持久记忆的 AI agent 的开发者和工程团队——包括陪伴类应用和个人助理、需要跨会话历史的客服系统、教育与教练类 agent，以及长期运行的企业 agent。需要协调多个 agent 跨平台共享知识的团队，会发现多 agent 命名空间模型与之契合。由于开源版本支持完全自托管，它也适合对数据有严格要求的组织。面向个人的记忆管理消费级产品 EverMe 正在开发中。

常见问题

EverOS 是什么？EverOS 是 EverMind 推出的记忆操作系统，为基于 LLM 的 agent 提供跨会话、跨用户、跨平台的持久、结构化、可自我演化的记忆。

EverOS 免费吗？EverOS 提供 Apache 2.0 许可证的开源版本，可零许可成本自托管，另有托管云服务；在我们查看的页面上未公开完整定价，请查看官方网站了解详情。

EverOS 支持哪些模型和数据格式？它与模型无关，无论使用哪种 LLM，同一记忆库都能工作；可解析文本、图片、PDF、音频、视频、电子表格、演示文稿、邮件、HTML 和 URL。

EverOS 与标准 RAG 有何不同？传统 RAG 只检索相似文本片段，缺乏深层理解和时间追踪；EverOS 则提取结构化事实、解决冲突，并区分当前信息与过时事实。

EverOS 如何处理数据隐私？记忆按 user_id 和 group_id 划分命名空间，一个用户的记忆在其他范围内不可访问；用户可单独或批量删除数据，通过开源版本自托管可将数据保留在本地基础设施上。

简介

主要功能

定价与费用

适用人群

常见问题

用户评价 (0)

你会推荐 EverOS 吗？留下你的评价

相关教程

相关工具