EverMemOS简介
EverMemOS是一个开源项目，旨在为对话式 AI 智能体提供长期记忆能力。它从对话中提取、构建和检索信息，使智能体能够维持上下文、回忆过去的互动，并逐步建立用户画像。这使得对话变得更具个性化、连贯性和智能。
EverMemOS是一个着眼未来的智能系统。
传统的 AI 记忆仅是“回顾过去”的数据库，而 EverMemOS 让 AI 不仅能“记住”发生了什么，更能“理解”这些记忆的意义，并据此指导当下的行动与决策。在EverMemOS的演示工具中，你可以看到EverMemOS如何从你的历史信息中提取重要信息，然后在对话时记住你的喜好、习惯和历史，就像一个真正认识你的朋友。 在LoCoMo基准测试中，我们基于 EverMemOS 的方法在LLM-Judge评测下达到了92.3% 的推理准确率，优于我们测试的同类方法。
按照EverMemOS官方的说法，其具有如下的优点：
1.脉络有绪：不止“碎片”，串联“故事”：自动串联对话片段，构建清晰主题脉络，让 AI “看得明白”
2.感知有据：不止“检索”，智能“感知”：主动捕捉记忆与任务间的深层关联，让 AI 在关键时刻“想得周到”
3.画像有灵：不止“档案”，动态“成长”：实时更新用户画像，越聊越懂你，让 AI “认得真切”
EverMemOS系统框架
EverMemOS 围绕两条主线运行：记忆构筑与记忆感知。它们组成认知闭环，使系统持续吸收、沉淀并运用过往信息，让每次回应立足真实上下文与长期记忆。
EverMemOS系统架构
记忆类型
EverMemOS 使用统一的 LLMProvider 来管理所有LLM调用，支持多种LLM提供商（OpenAI、Anthropic、Google GenAI、OpenRouter等）。
LLM调用的关键环节：
- 边界检测（Boundary Detection）：使用LLM判断对话是否形成完整事件
- Episode提取：使用LLM从MemCell中提取情节记忆
- Profile提取：使用LLM提取用户画像（偏好、技能、价值观等）
- Foresight提取：使用LLM识别未来需要执行的任务
- EventLog提取：使用LLM提取结构化的事件记录
- GroupProfile提取：使用LLM分析群组特征和话题
| 类型 | 定义 | 特点 | 用途 |
|---|---|---|---|
| Episode | 情节记忆 | 完整的对话上下文和主题信息 | 回答"之前讨论过什么" |
| Profile | 用户画像 | 动态更新，持续演化 | 个性化推荐、理解用户意图 |
| Foresight | 前瞻记忆 | 包含有效期，可过滤过期任务 | 任务管理、提醒功能 |
| EventLog | 事件日志 | 结构化的事件记录 | 事件查询、历史记录 |
| GroupProfile | 群组画像 | 多人群组分析 | 群组分析、协作理解 |
索引类型
轻量级检索
embedding- 纯语义检索bm25- 纯关键词检索rrf- 混合检索（推荐）
Agentic检索
- LLM生成多个互补查询
- 并行检索并融合结果
- 适用于复杂意图理解
开源地址
https://github.com/EverMind-AI/EverMemOSgithub.com/EverMind-AI/EverMemOS
关于LoCoMo基准测试
LoCoMo（Long-Context Memory Benchmark） 是一个专门用于评测大语言模型在“长期对话记忆与使用能力”上的基准测试。
它试图回答一个非常关键、但过去被严重低估的问题：“模型是否真的“记住”了过去，而不是仅仅在长上下文中做一次性检索？”
LoCoMo测试“跨时间、跨轮次的动态记忆问题”，LoCoMo 构造的是多轮、长跨度的对话序列，而不是单段长文档。