「EverMind」给 AI Agent 加长期记忆：开源 EverOS 让助手跨会话保留上下文

很多 AI Agent 做到后面，瓶颈并不只是模型能力，而是“记不住”。一次会话里它可能很聪明，换到第二天、另一个工具、另一组协作任务，就又像重新认识你一样。EverMind 想补的正是这一层：给 Agent 加一个可以跨会话、跨平台持续演化的长期记忆系统。

它的核心产品 EverOS / EverMemOS 被定位成面向 AI Agent 的 Memory OS。官网给出的说法很直接：把 stateless LLM 变成能真正记住上下文的智能体，并让这些记忆能随着时间更新，而不是把所有历史都硬塞进越来越长的上下文窗口里。

从 RAG 到会演化的记忆层

传统 RAG 更像“找相似文本块”：当用户说过“我女儿喜欢机器人”，系统也许能搜到这句话，但未必理解它在后续礼物推荐、家庭偏好或长期计划里的意义。EverOS 更强调结构化、可更新的记忆：把 Agent 轨迹记录成 Case，从反复出现的模式里蒸馏出可复用 Skill，并通过 Memory Bank 让用户查看、管理和编辑 user memory、group memory、agent memory。

这套设计对多 Agent 场景尤其有用。企业内部知识库、客服连续对话、个人 AI 伴侣、可穿戴设备，都需要系统记住“现在有效的信息”和“已经过期的信息”之间的区别。EverMind 在官网里特别提到 temporal knowledge tracking：比如价格在 3 月 15 日变了，用户 8 月升职了，Agent 不能一直拿旧事实工作。

开源、自托管和基准数字

EverOS 的 GitHub 仓库描述是“Build, evaluate, and integrate long-term memory for self-evolving agents.”，当前主要语言是 Python，许可证为 Apache-2.0。仓库把内容拆成三块：use cases 展示记忆如何改变真实工作流，methods 放可运行和可扩展的记忆系统，benchmarks 用来评估记忆质量和 Agent 自我演化能力。

官网也给出了一组可复现基准：LoCoMo 93.05%、LongMemEval 83.00%、HaluMem 93.04%。这些数字不等于所有应用场景都能直接达到同样效果，但至少说明 EverMind 不是只做一个漂亮概念页，而是把评测、开源实现和部署路径都摆在了台面上。

更适合什么人先试

如果你在做客服 Agent、个人助理、团队知识库、多 Agent 协作，或者任何需要“连续认识同一个用户”的产品，EverOS 值得放进候选清单。它支持云服务，也强调自托管：不想管基础设施可以用 EverOS Cloud；更在意数据主权和可控性，则可以按文档在自己的环境里跑完整 memory stack。

需要注意的是，这不是一个简单 prompt 插件。真正用好长期记忆，往往要重新设计数据进入、检索、更新、过期和用户可控性。EverMind 的价值也正在这里：它把“记忆”从零散工程技巧，往基础设施层推了一步。