EverOS 是面向 AI 应用的本地服务，把对话提取为可读 Markdown，并用 SQLite、LanceDB 和后台 cascade 建立检索索引。Markdown 是可编辑的源数据，索引用于搜索和派生能力。
来源：github.com/EverMind-AI/EverOS；https://github.com/EverMind-AI/EverOS/b… 查看 GitHub 仓库 → 📘 使用教程 →官方仓库当前约 1.31 万星，v1.3.1 于 2026-09-08 发布；近期版本重点是多轮检索、统一长记忆基准和运行边界。
来源：github.com/EverMind-AI/EverOS/releases/tag/v1.3.1对话抽取结果写入按用户、应用和项目组织的 Markdown 文件，使用者可以直接查看和版本管理。
来源：github.com/EverMind-AI/EverOS/blob/main/QUICKSTART.md仅配置 LLM 时支持关键词检索；增加 embedding 和 rerank 后才启用向量、混合、agentic 等能力。
来源：github.com/EverMind-AI/EverOS/blob/main/QUICKSTART.mdFastAPI 服务提供 add、flush、search 和 health 等接口，当前业务接口使用 /api/v2，/api/v1 是兼容别名。
来源：github.com/EverMind-AI/EverOS/blob/main/QUICKSTART.mdv1.3.1 加入 llm_multiround 搜索，并统一 LoCoMo、LongMemEval、EverMemBench 和 SubtleMemory 的运行流程。
来源：github.com/EverMind-AI/EverOS/releases/tag/v1.3.1客户端把消息提交给本地 API，EverOS 按会话缓存，在边界或 flush 时调用 LLM 抽取并写入 Markdown。cascade worker 再把内容投影到 SQLite/LanceDB 索引。关键词检索可在没有 embedding 的情况下工作；向量、重排、知识库和反思需要额外提供方。
来源：github.com/EverMind-AI/EverOS/blob/main/QUICKSTART.md；https://github.…LLM 提供方，官方最小示例使用 OpenRouter可选 embedding、rerank 和 multimodal pro…everalgo 组件本地文件系统适合需要可阅读、可迁移记忆文件的本地代理原型和个人知识流程。聊天内容、偏好和文件可能包含敏感信息；本地优先不等于完全离线，抽取和可选检索提供方仍可能接收内容。
来源：github.com/EverMind-AI/EverOS/blob/main/QUICKSTART.md；https://github.…最新正式版 v1.3.1 发布于 2026-09-08。该版加入有界的 LLM 多轮检索、独立 decider 配置、四套长记忆基准统一 runner、cascade 静默控制及超时和连接池诊断。
来源：github.com/EverMind-AI/EverOS/releases/tag/v1.3.1status: official_docs_checked_not_run | checked_at: 2026-09-23 | environment: 核对 README、QUICKSTART、pyproject.toml、CHANGELOG 与 v1.3.1 Release | limitations: 未安装包、未配置 OpenRouter 或其他 provider、未启动 API、未写入记忆，也未复跑项目方基准 | observed_output: 包元数据版本 1.3.1，要求 Python >=3.12；官方最小流程仅配置 LLM 时支持 Markdown 写入和 keyword search，v1.3.1 增加 llm_multiround 与四套长记忆基准 harness
来源：github.com/EverMind-AI/EverOS/blob/main/pyproject.toml；https://github…LangGraph 官方内存分为线程级短期记忆和跨会话长期 Store，生产示例使用数据库 checkpointer。EverOS 则把 Markdown 作为可读源数据，并运行独立 API 与本地索引。已使用 LangGraph 且只需图状态持久化时优先沿用其 memory；需要跨应用的 Markdown 记忆目录时再评估 EverOS。
来源：docs.langchain.com/oss/python/langgraph/add-memory；https://github.com…EverOS 的差异在于用 Markdown 保存可读源数据，同时提供本地检索服务。评估时先用虚构对话和 keyword tier，确认目录、删除、备份与 provider 数据边界，再考虑 embedding 和多轮检索。
来源：github.com/EverMind-AI/EverOS/blob/main/QUICKSTART.md；https://github.…官方包元数据要求 Python 3.12 及以上，并列出 Python 3.12 和 3.13。
可以使用 keyword 方法。向量、混合、agentic search、反思和部分知识能力会被禁用；默认 hybrid 方法在缺少 embedding 时会返回 422。
不会。官方说明普通 demo 是硬编码预览，不启动服务器、不调用真实流程，也不写默认记忆目录。
不等于。Markdown 和索引保存在本机，但真实抽取需要配置 LLM，embedding、rerank 和多模态功能也可能调用外部提供方。