EverMemOS——一个面向人工智能智能体的长期记忆操作系统，今日正式开源。这一系统由陈天桥旗下的EverMind团队研发，旨在破解AI因固定上下文窗口导致的“记忆断裂”问题，为AI智能体赋予持久、连贯、可进化的记忆能力。

    这一系统在LoCoMo和LongMemEval-S等主流长期记忆评测集上分别取得了92.3%和82%的分数，显著超越了此前的技术水平。

    行业痛点：AI的“记忆困境”与市场空白

    当前，大型语言模型在处理长时程任务时存在一个根本性弱点——固定的上下文窗口限制，导致AI频繁“遗忘”先前交互内容。

    这种“记忆困境”不仅造成记忆断裂、事实矛盾，更使得深度个性化和知识一致性难以实现。

    AI无法利用历史交互数据来理解用户，也无法保留上下文的中间数据，这大大降低了其应用价值。

    行业巨头已明确意识到这一问题的战略性。Claude和ChatGPT均已将长期记忆作为核心功能推出，表明记忆正成为下一代AI应用的关键分水岭。

    尽管已有RAG等传统方法提供初步解决方案，但这些努力仍显“碎片化”，市场缺乏一个真正可用的、能够覆盖全场景的记忆系统。

    设计灵感：模拟人脑记忆机制

    EverMemOS的设计灵感来源于人类大脑的记忆机制，从感官信号编码、海马体索引到皮层长期存储，前额叶与海马体协同完成记忆的形成与提取。

    这种“类脑”理念成为EverMemOS设计的核心，让AI能够像人类一样思考、记忆与成长。

    这一愿景也与陈天桥在脑科学与AI融合研究中的长期投入一脉相承。

    在10月底举办的首届天桥脑科学研究院AI驱动科学研讨会上，陈天桥系统阐述了包括“长期记忆”在内的发现式智能五种核心能力。

    他指出，当今AI建立在“空间结构”范式之上，是“瞬时的”、“静态的”，而人类大脑的“时间结构”范式是“连续的”、“动态的”。

    技术架构：四层结构实现“记忆处理器”

    EverMemOS创新设计了四层结构，与大脑关键功能区形成类比。

    代理层承担任务理解、分解与生成，类似于前额叶皮层在注意力、计划与执行控制中的作用。

    记忆层管理长期记忆的提取和结构化存储，对应大脑皮层网络的长期巩固存储功能。

    索引层通过Embedding、键值对与知识图谱实现记忆关联和高效检索，类似海马体的关联与快速索引功能。

    接口层则作为AI的“感官接口”与企业级应用无缝集成。

    这一系统三大特点突出：从“记忆数据库”到“记忆处理器”、创新设计“分层记忆提取”与动态组织、实现业界首个可拓展的模块化记忆框架。

    性能突破：双场景覆盖与评测高分

    在场景覆盖上，EverMemOS成为行业首个能同时支持1对1对话与复杂多人协作两大场景的记忆系统，并已被创新的AI Native产品Tanka采用。

    在技术性能上，基于创新的生物‘印迹’启发式记忆提取与应用技术，EverMemOS在最主流的长期记忆评测集上表现出色。

    在LoCoMo和LongMemEval-S评测集中，它分别取得了92.3%和82%的高分，均显著超越了之前的SOTA水平，为行业树立了新标杆。

    这一系统解决了现有方法“只管找，不管用”的核心痛点，通过独特推理与融合机制，让记忆能够实时、主动地影响模型的思考和回应。

    战略布局：从开源到云服务的生态构建

    目前，EverMind已在GitHub上开放EverMemOS开源版本，供开发者与AI团队部署与试用。

    预计在今年晚些时候，团队将发布云服务版本，为企业用户提供更完善的技术支持、数据持久化与可扩展体验。

    这一布局与陈天桥对AI领域的长期投入相呼应。

    上月他宣布将投入10亿美元算力支持全球科学家的创新AI研究，尤其关注“发现式智能”的发展。

    陈天桥认为，AI的终极价值是发现，发现式智能可以主动构建关于世界的可检验理论模型，提出可被证伪的假说，并在与世界的交互与自我反思中持续修正其理解框架。

    EverMemOS的发布标志着AI记忆系统从“数据库”到“处理器”的转变。

    通过模拟人脑的记忆机制，这一系统正尝试为AI赋予持续的记忆能力，使其能够在时间流中记忆、适应与进化。

    随着代码的开源，更多开发者可参与这一进程，共同推动AI向更高层次的智能演进。