EverOS
13,877
Stars
973
Forks
107
Watchers
48
Open Issues
Apache-2.0
许可证
Python
语言
2025-10-28
创建时间
2026-11-11
最近更新
项目能做什么
面向 AI agent 的便携记忆层:本地优先、原生 Markdown、用户自主,可跨工具与工作流演进。
来源:AI 基于仓库事实生成
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
<div align="center" id="readme-top">  <p align="center"> <a href="https://x.com/evermind"><img src="https://img.shields.io/badge/EverMind-000000?labelColor=gray&style=for-the-badge&logo=x&logoColor=white" alt="X"></a> <a href="https://huggingface.co/EverMind-AI"><img src="https://img.shields.io/badge/🤗_HuggingFace-EverMind-F5C842?labelColor=gray&style=for-the-badge" alt="HuggingFace"></a> <a href="https://discord.gg/QHQ2YYp7cH"><img src="https://img.shields.io/badge/dynamic/json?url=https%3A%2F%2Fdiscord.com%2Fapi%2Fv10%2Finvites%2FQHQ2YYp7cH%3Fwith_counts%3Dtrue&query=%24.approximate_presence_count&suffix=%20online&label=Discord&color=404EED&labelColor=gray&style=for-the-badge&logo=discord&logoColor=white" alt="Discord"></a> <a href="https://github.com/EverMind-AI/EverOS/discussions/67"><img src="https://img.shields.io/badge/WeCom-EverMind_社区-07C160?labelColor=gray&style=for-the-badge&logo=wechat&logoColor=white" alt="WeChat"></a> <!-- cjk-allow: community name --> </p> [Website](https://evermind.ai) · [Documentation](https://docs.evermind.ai) · [Blog](https://evermind.ai/blogs) · [中文](README.zh-CN.md) <!-- cjk-allow: language switcher --> </div> <br> <details> <summary><kbd>Table of Contents</kbd></summary> <br> - [Why EverOS](#why-ever-os) - [Ecosystem Integrations](#ecosystem-integrations) - [Quick Start](#quick-start) - [Use Cases](#use-cases) - [Documentation](#documentation) - [EverMind Ecosystem](#evermind-ecosystem) - [Contributing](#contributing) <br> </details> ## Why EverOS EverOS is a Python library and local-first memory runtime for agents and makers. It gives one portable memory layer across coding assistants, apps, devices, and workflows from day one. It stores conversations, files, and agent trajectories as readable Markdown, then syncs local SQLite and LanceDB indexes for fast retrieval and self-evolving reuse. <table> <tr> <th width="28%">Title</th> <th width="36%">EverOS</th> <th width="36%">Other Agent Memory Libraries</th> </tr> <tr> <td><strong>Markdown source of truth</strong></td> <td>✅ Canonical <code>.md</code> files that are readable, editable, diffable, and Git-versioned</td> <td>❌ Usually API, vector, graph, dashboard, or database state</td> </tr> <tr> <td><strong>Direct file editing</strong></td> <td>✅ Edit <code>.md</code> files; cascade watcher syncs</td> <td>❌ Usually SDK, API, dashboard, or backend update paths</td> </tr> <tr> <td><strong>Local three-part stack</strong></td> <td>✅ Markdown + SQLite + LanceDB; no MongoDB, Elasticsearch, or Redis required</td> <td>❌ Often depends on managed services, vector DBs, graph DBs, or server stacks</td> </tr> <tr> <td><strong>User + agent tracks</strong></td> <td>✅ User <code>episodes/profile</code> and agent <code>cases/skills</code> are separate first-class surfaces</td> <td>❌ Usually centered on chat history, profiles, entities, facts, or retrieval r阅读完整原文
商业机会分析 AI 生成
EverOS Sync:本地优先的跨设备加密记忆同步服务
| 产品构想 | 针对 EverOS 的 local-first 特性,提供零配置的端到端加密(E2EE)跨设备同步云服务,让个人在多台电脑、手机或服务器上的 Agent 共享同一份演化记忆。 |
| 核心功能 | 端到端加密增量同步、版本冲突解决与回滚、Webhook 自动触发更新、多端状态监控面板。 |
| 目标用户 | 在多终端(开发机、轻量云服务器、家用 NAS)部署和使用 Agent 的独立开发者及重度 AI 用户。 |
| 难度/周期 | 中等 · 4-6 周 · 成本:极低(主要是对象存储与中继服务器成本,每月 <$50) |
| 收费模式 | SaaS 订阅制(如 $5-10/月,提供存储配额与多节点接入)。 |
| 竞争风险 | 用户可能倾向于自行使用 Git/Syncthing 等免费方案自建同步。 |
| 依据 | 已验证事实 |
EverOS Studio:面向 PKM 与 Agent 的可视化管理桌面端
| 产品构想 | 结合 Markdown 原生特性,开发类似 Obsidian 体验的独立桌面端/扩展,允许用户像阅读知识库一样检查、搜索、人工干预和修正 Agent 的长期记忆与进化图谱。 |
| 核心功能 | 记忆图谱可视化、手动编辑与即时生效校验、MCP 协议一键导入导出、记忆衰减与遗忘策略可视化配置。 |
| 目标用户 | Obsidian/Logseq 用户、对 Agent 可控性有强要求的非纯代码高级用户、Prompt 工程师。 |
| 难度/周期 | 中等 · 6-8 周 · 成本:开发机器与签名证书成本(约 $100-200/年) |
| 收费模式 | Freemium 模式(基础浏览免费,高级图谱分析、一键重整、商用授权收费买断或年付)。 |
| 竞争风险 | PKM 用户对付费桌面工具要求极高,UI/UX 细节打磨周期容易拉长。 |
| 依据 | 数据支持的判断 |
EverOS for Teams:多 Agent 团队共享记忆中枢
| 产品构想 | 为初创团队或研发部门提供统一的 Agent 共享知识与经验池,支持团队内多个不同功能 Agent 共享沉淀的 SOP、业务上下文与排错经验。 |
| 核心功能 | 团队记忆权限分级(个人私有 vs 团队公开)、敏感信息自动脱敏脱出(PII 过滤)、记忆合并审批流、与 GitHub/Slack/飞书集成。 |
| 目标用户 | 使用 AI 编程助手(如 Cursor、Claude Code)或自动化客服/运营 Agent 的小型技术团队。 |
| 难度/周期 | 较高 · 8-12 周 · 成本:中等(需维护认证系统、多租户隔离与合规审计日志) |
| 收费模式 | 按团队席位收费(如 $15/席位/月)或企业私有部署授权费。 |
| 竞争风险 | 团队级 Agent 落地场景仍在探索期,市场渗透教育成本高。 |
| 依据 | AI推测 |
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| affaan-m/ECC | 中文介绍暂未生成 The agent harness performance optimization system. Skills, i |
300,648 | JavaScript |
| 666ghj/MiroFish | 中文介绍暂未生成 A Simple and Universal Swarm Intelligence Engine, Predicting |
85,175 | Python |
| ruvnet/ruflo | 中文介绍暂未生成 🌊 The original agent harness. Deploy intelligent multi-playe |
81,414 | TypeScript |
| mem0ai/mem0 | 中文介绍暂未生成 The Memory Layer for AI Agents - Drop-in memory infrastructu |
68,761 | Python |
| vectorize-io/hindsight | 中文介绍暂未生成 Hindsight: Agent Memory That Learns |
60,274 | Python |
| bojieli/ai-agent-book | 中文介绍暂未生成 《深入理解 AI Agent:设计原理与工程实践》(李博杰 著)开源主仓库:全书正文、编译版 PDF 与按章配套代码 |
57,660 | Python |
以上为通过 GitHub 官方 Search API 检索的相似项目,功能差异与优劣势需进一步人工确认,配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 2025-10-28,近 30 天仍在推送,发布过 22 个 Release |
| 社区活跃 | Star 13,877 / Fork 973 / Issue 48(数据支持,可自行核实) |
| 许可证 | Apache-2.0 |
| 主要风险 | 上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价 |
安装与使用
快速开始(以仓库 README 为准)
git clone https://github.com/EverMind-AI/EverOS.git cd EverOS # 请阅读仓库 README 获取确切安装步骤(依赖、配置、启动命令)
术语说明:Docker=应用容器(把程序和依赖打包运行);API Key=调用外部服务的密钥;Git Clone=把仓库代码下载到本地。常见错误:API Key 未配置 / 端口占用 / 数据库连接失败,多数项目在 README 的 Troubleshooting 章节有说明。