EverMemOS 拆解：三層記憶點樣接住跨日工作，又點解未能完全放手

一個 agent 今日改咗 API，聽日開新 session 已經唔記得點解咁改，呢種斷片就係長期 AI 工具最煩嘅位。TechNews 科技新報 形容 EverMemOS 可以幫 AI「工作好幾天」；方向有根據，不過個講法行得快過證據。論文測到嘅係長對話記憶問答，未有 coding agent 無人看管連續跑幾日嘅實驗。

MemCells 收好事件，MemScenes 整理脈絡

一般 RAG 會拆開對話，查詢時搵語意相近嘅 chunks；關鍵字對得上，時間同前因後果仍可能散晒。EverMemOS 論文提出先按話題邊界整理 MemCells。每個 cell 包住事件摘要、可核對嘅 atomic facts、帶有效期嘅 Foresight，同原始時間及來源。Foresight 係模型推斷，可信程度同已發生事實始終有分別。

跟住系統按主題歸類 MemCells，組成 MemScenes，一路更新場景摘要同 user profile，亦會追蹤衝突。答問題時，佢用 dense search 同 BM25 搵候選，再揀相關場景、重排 episodes，剔走過期 Foresight。agentic retrieval 仲會檢查資料夠唔夠，唔夠就改寫查詢再搵。論文話 LoCoMo 有 31% 問題觸發第二輪，準確度背後亦有額外延遲同 token 成本。

對 coding agent 有用，但只補到一截

放落 coding agent，最實際係保存架構取捨、試過但失敗嘅修補、repo 慣例、未完成工作同錯誤原因。下一個 session 可以取回成組背景，少啲重覆解釋。跨日研究都一樣，問題、來源、暫定結論同矛盾證據可以按主題聚埋；日子拉長之後，呢種整理通常好用過純粹放大 context window。

長期記憶只補到狀態連續性。agent 要連續跑幾日，仲要有排程、工具故障復原、權限控制、測試、完成條件同人工 checkpoint；MemCells 冇代你處理呢啲。摘要一旦錯誤咁記低某個決定，後面亦可能沿住錯路行，所以重要決定仍要以 repo、issue 同測試結果做準。

9.2% 升幅有條件，未等於可以放手幾日

研究團隊報告，GPT-4.1-mini 做 backbone 時，EverMemOS 喺 LoCoMo 整體準確率有 93.05%，Zep 係 85.22%；論文寫嘅 9.2% 係相對升幅，絕對差距係 7.83 個百分點。LongMemEval 就係 83.00%，高過 MemOS 嘅 77.80%，相對升 6.7%。多步同時間問題進步幾明顯，MemScenes 呢個方向值得繼續追。

benchmark 邊界亦要講清楚。LoCoMo 只得 10 段長對話、合共 1,540 條問題；LongMemEval 係 500 條問題，仍然係由聊天紀錄搵答案。量化測試預設只用 episodes，Foresight 主要靠質化案例展示；LongMemEval 部分 baseline 直接引用 MemOS leaderboard，冇全部重新跑。OpenReview 暫時只列作 ACL ARR 2026 年 1 月投稿，所以呢批數字暫時只可以當係研究團隊自行報告嘅成績。

EverOS 可以自行部署，整合已經開始成形

論文列出嘅 EverMemOS repo 而家會轉去 EverOS。截至 7 月 15 日，最新 release 係 1.1.1，採 Apache 2.0 license；現版本要 Python 3.12，安裝後可開本機 server。對話、檔案同 agent trajectory 以 Markdown 做主要資料，再同步到 SQLite 同 LanceDB 索引，亦有 add、flush、search 等 API。

模型層支援 OpenAI-compatible endpoint，官方列出 OpenAI、OpenRouter、vLLM、Ollama 同 DeepInfra。repo 亦索引咗 Claude Code plugin 同社群 MCP 方案，後者可接 Cursor、Cline、Gemini CLI 等客戶端。對想跨工具帶住同一份記憶嘅開發者，API 同本機資料層已經夠砌第一版。

資料邊界要畫清楚

local-first 仍要核對資料會去邊。官方 quick start預設用 OpenRouter 處理 LLM 同 multimodal、DeepInfra 做 embedding 同 rerank，對話同工作內容可能會送去外部服務。想收窄資料流，可以改用自己管理嘅 vLLM 或 Ollama endpoint；公司部署仲要加身份權限、資料保留期限、刪除同步、磁碟加密同備份規則。user profile 同 Foresight 由多段對話推斷出嚟，敏感程度可以高過原始一句 prompt。

團隊可以先用冇機密嘅 repo 跑幾星期，驗證記憶有冇引用原始來源、舊決定改咗會唔會清走、跨項目會唔會撈亂，同埋模型成本及延遲。呢幾關過到，EverOS 先適合接入長期 coding 或研究任務；「放手幾日」仍要等真正長時間 agent 測試先有答案。

參考來源

• TechNews 科技新報 — 告別健忘症！AI 迎接記憶作業系統時代，真的能幫你工作好幾天 — original report
• EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning — 研究團隊論文，提供架構、benchmark 設定、數字、成本同限制
• ACL ARR 2026 January Submissions — 核對 EverMemOS 嘅公開投稿狀態
• EverMind-AI / EverOS — 官方開源 repo，用嚟核對現行版本、license、部署方法同資料層
• Memory Types — EverOS — 官方文件，核對 profile、episodic、event log 同 Foresight 嘅用途
• everos-mcp — 官方 repo 收錄嘅社群整合，核對支援嘅 MCP 客戶端同功能

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。