分享 EverMemOS 仓库

文档 • API 参考 • 演示

Important

Memory Genesis Competition 2026

欢迎参加我们的 AI 记忆竞赛。无论你是构建创新应用、平台插件，还是改进底层基础设施，只要是基于 EverMemOS 的作品都欢迎提交。

赛道：

• Agent + Memory - 构建具备长期、可演化记忆的智能体
• Platform Plugins - 将 EverMemOS 集成到 VSCode、Chrome、Slack、Notion、LangChain 等平台
• OS Infrastructure - 优化核心能力与系统性能

从竞赛 Starter Kit 开始

欢迎加入我们的 Discord 提问交流。AMA 面向所有人开放，双周举行一次。

欢迎来到 EverMemOS

欢迎来到 EverMemOS。加入我们的社区，一起改进项目，并与来自世界各地的优秀开发者协作。

社区	用途
	加入 EverMind Discord 社区，与其他用户交流
	加入 EverMind 微信群，参与讨论并获取更新

应用场景

EverMind + OpenClaw Agent Memory and Plugin

Claw 正在把自己的记忆碎片重新拼起来。想象一个 24/7 在线、拥有持续学习记忆的 Agent，无论你走到哪里，它都能跟着你继续工作。详情可查看 agent_memory 分支和对应的 plugin。

Live2D Character with Memory

为你的二次元角色加上长期记忆，让它能够与你实时语音互动，底层由 TEN Framework 驱动。 更多细节请查看 Live2D Character with Memory Example。

Computer-Use with Memory

将 computer-use 与长期记忆结合起来，启动截图分析并把整个过程沉淀进记忆系统。 更多细节请查看 在线演示。

Game of Thrones Memories

这是一个通过《冰与火之歌：权力的游戏》互动问答来展示 AI 记忆基础设施能力的示例。 更多细节请查看 代码。

EverMemOS Claude Code Plugin

为 Claude Code 提供持久化记忆。它会自动保存并召回你过去编程会话中的上下文。 更多细节请查看 代码。

Visualize Memories with Graphs

Memory Graph 视图会把你存储的实体及其关系可视化出来。这目前还是一个纯前端演示，暂时还没有接入后端，我们正在推进中。 可查看 在线演示。

快速开始

环境要求

• Python 3.10+ • Docker 20.10+ • uv 包管理器 • 4GB RAM

验证环境：

# 验证所需版本
python --version  # 应为 3.10+
docker --version  # 应为 20.10+

安装

# 1. 克隆仓库并进入目录
git clone https://github.com/EverMind-AI/EverMemOS.git
cd EverMemOS

# 2. 启动 Docker 依赖服务
docker compose up -d

# 3. 安装 uv 和项目依赖
curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync

# 4. 配置 API Key
cp env.template .env
# 编辑 .env 并设置：
#   - LLM_API_KEY（用于记忆提取）
#   - VECTORIZE_API_KEY（用于向量化 / rerank）

# 5. 启动服务
uv run python src/run.py

# 6. 验证安装
curl http://localhost:1995/health
# 期望响应：{"status": "healthy", ...}

✅ 服务运行地址：http://localhost:1995 • 完整安装指南

基础使用

通过简单的 Python 代码即可写入并检索记忆：

import requests

API_BASE = "http://localhost:1995/api/v1"

# 1. 存储一条对话记忆
requests.post(f"{API_BASE}/memories", json={
    "message_id": "msg_001",
    "create_time": "2025-02-01T10:00:00+00:00",
    "sender": "user_001",
    "content": "I love playing soccer on weekends"
})

# 2. 搜索相关记忆
response = requests.get(f"{API_BASE}/memories/search", json={
    "query": "What sports does the user like?",
    "user_id": "user_001",
    "memory_types": ["episodic_memory"],
    "retrieve_method": "hybrid"
})

result = response.json().get("result", {})
for memory_group in result.get("memories", []):
    print(f"Memory: {memory_group}")

📖 更多示例 • 📚 API 参考 • 🎯 交互式 Demo

Demo

运行 Demo

# 终端 1：启动 API 服务
uv run python src/run.py

# 终端 2：运行简单 Demo
uv run python src/bootstrap.py demo/simple_demo.py

现在就试试：按照 Demo Guide 中的步骤操作即可。

完整 Demo 体验

# 从样例数据中提取记忆
uv run python src/bootstrap.py demo/extract_memory.py

# 启动带记忆的交互式聊天
uv run python src/bootstrap.py demo/chat_with_memory.py

更多细节请查看 Demo Guide。

进阶技巧

• 群聊对话 - 组合多个说话者的消息
• 会话元数据控制 - 精细控制会话上下文
• 记忆检索策略 - 轻量检索与 Agentic 检索
• 批量操作 - 高效处理多条消息

文档

指南	说明
快速开始	安装与配置
配置指南	环境变量与服务配置
API 使用指南	接口与数据格式
开发指南	架构与最佳实践
Memory API	完整 API 参考
Demo Guide	交互式示例
评测指南	基准测试方法

评测与基准测试

EverMemOS 在 LoCoMo 基准测试上实现了 93% 总体准确率，表现优于可比记忆系统。

基准结果

支持的基准数据集

• LoCoMo - 面向单跳 / 多跳推理的长上下文记忆基准
• LongMemEval - 多会话对话记忆评测
• PersonaMem - 基于人格画像的记忆评测

快速开始

# 安装评测依赖
uv sync --group evaluation

# 运行 smoke test（快速验证）
uv run python -m evaluation.cli --dataset locomo --system evermemos --smoke

# 运行完整评测
uv run python -m evaluation.cli --dataset locomo --system evermemos

# 查看结果
cat evaluation/results/locomo-evermemos/report.txt

📊 完整评测指南 • 📈 完整结果

GitHub Codespaces

EverMemOS 支持使用 GitHub Codespaces 进行云端开发。这意味着你不需要在本地手动配置 Docker、网络环境或兼容性问题。

资源要求

机器规格	状态	说明
2-core（免费档）	❌ 不支持	资源不足以运行基础设施服务
4-core	✅ 最低可用	可以运行，但负载较高时可能较慢
8-core	✅ 推荐	可较稳定地运行全部服务
16-core+	✅ 最佳	适合更重的开发与测试任务

说明： 如果你的公司提供 GitHub Codespaces，通常不会受硬件限制影响，因为企业方案往往可以使用更高规格的机器。

开始使用 Codespaces

1. 点击上方 "Open in GitHub Codespaces" 按钮
2. 在弹窗中选择 4-core 及以上 的机器规格
3. 等待容器构建并自动启动服务
4. 在 .env 中填写 API Key（LLM_API_KEY、VECTORIZE_API_KEY 等）
5. 运行 make run 启动服务

MongoDB、Elasticsearch、Milvus、Redis 等基础设施服务都会自动启动，并已预配置为可协同工作。

提问与支持

EverMemOS 已接入以下 AI 驱动问答平台。它们可以帮助你快速、准确地获取答案，并支持从基础安装到高级实现的多语言问题查询。

服务	链接
DeepWiki

🌟 点亮 Star 并关注我们

参与贡献

我们热爱开源社区的活力。无论你是在修 Bug、做功能、完善文档，还是提出一些大胆的新想法，每一个 PR 都会推动 EverMemOS 往前走。欢迎查看 Issues 寻找适合你的切入点，然后把你的成果提交给我们。一起构建记忆系统的未来。

Tip

欢迎各种形式的贡献 🎉

一起把 EverMemOS 做得更好。从代码到文档，每一份贡献都很重要。也欢迎你把自己的项目分享到社交平台，激发更多人的灵感。

欢迎通过 𝕏 联系 EverMemOS 维护者 @elliotchen200，或通过 GitHub 联系 @cyfyifanchen，获取项目动态、参与讨论并展开合作。

代码贡献者

贡献指南

请阅读 Contribution Guidelines 了解代码规范与 Git 工作流。

许可证、引用与鸣谢

Apache 2.0 • Citation • Acknowledgments