Beständig minneslager för AI-agenter, byggt för utvecklare
EverOS, av EverMind AI, är ett minnesoperativsystem som tillhandahåller beständig, portabel kontext för AI-agenter över sessioner och verktyg. Det erbjuder ett lokalt, redigerbart minneslager som registrerar konversationer, preferenser och exekveringsspår och exponerar den kontexten för assistenter via ett servergränssnitt. Nyckelkomponenter inkluderar Markdown-inbyggd lagring, ett indexeringslager och färdighetsutvinning. Produkten riktar sig till utvecklare och kraftanvändare som behöver långsiktig agentkontext samtidigt som de håller data under lokal kontroll.
Hur påverkar hämtning och avgränsning vad verktyget returnerar?
Verktyget kombinerar flera hämtningstekniker för att hantera olika frågetyper: BM25 för nyckelordsmatchning, vektor sökning för semantisk återkallelse, och skalar indexering för numeriska eller rankade frågor. Minne är organiserat över explicita avgränsningar, listade som
- Användare
- Agent
- App
- Projekt
- Session
Kommer det att passa in i befintliga assistent- och utvecklararbetsflöden?
Verktyget körs som en Python-baserad runtime och som en MCP-server, vilket kräver Python 3.12 eller nyare för lokala installationer. Distribueringsvägar inkluderar CLI-installationer, Docker-containrar och REST API-integration. Det stöder Model Context Protocol för direkt användning med MCP-aktiverade assistenter som Claude Code och Cursor, vilket låter team koppla sina befintliga kodnings- eller assistentklienter till en delad minnesstruktur utan att skriva om klienterna.
Vem bygger och utökar projektgemenskapen?
Projektet är öppen källkod under Apache 2.0-licensen och underhålls av EverMind, som också publicerar verktyg som Raven och EverAlgo. Förrådet visar betydande engagemang från gemenskapen, med tusentals stjärnor och flera nedströmsprojekt, som sträcker sig från neurodiversitetsassistenter till AI-bärbara prototyper. Det ekosystemet gör det lättare för utvecklare att hitta integrationer, exempelimplementationer och gemenskapsdrivna utvidgningar.
Hur privata och granskbara är lagrade minnen?
Standardbeteendet behåller data på lokal hårdvara, lagrar minnen som människoläsbara Markdown-filer indexerade med SQLite och LanceDB för hämtning. Eftersom filerna är vanliga Markdown kan användare öppna och redigera dem i textredigerare som Obsidian, vilket ger direkt granskbarhet av vad agenten minns. Den lokala designen placerar ägande och inspektion av minnesfiler under användarens kontroll.
En praktisk, samhällsstödd möjlighet för tekniskt skickliga team
Verktyget är ett praktiskt alternativ för utvecklare och tekniska team som kräver beständig, inspektionsbar agentminne stödd av en aktiv öppen källkodsgemenskap. Hög samhällsintresse och en öppen licens stödjer experimentering och utvidgning. Förvänta dig en kod- och distributionsfokuserad antagningsväg; team utan utvecklarresurser kommer sannolikt att möta en brant installations- och underhållskurva.
