EVERMEMOS_LEARN.md

EverMemOS 项目通读摘要

本文档为通读 EverMemOS 官方仓库及文档/架构图后的学习总结，便于与 Creator 项目对照或后续集成。

---

一、定位与愿景

• EverMemOS：面向对话式 AI 的长期记忆操作系统，为智能体提供「活的、持续进化的历史」。
• 核心主张：不止「记忆」，更是「前瞻」（More than memory — it's foresight）；强调记忆提取的准确度与逻辑一致性，受人脑记忆形成启发。
• 部署形态：云服务（EverMemOS Cloud，两行 API 即可用）+ 开源自建（Docker Compose、MongoDB/ES/Milvus/Redis、Python 3.10+、uv、≥4GB 内存）。

---

二、受生物启发的三阶段模型

阶段	大脑对应	功能简述
1. 情景轨迹构建	海马 + 内嗅皮层	将连续对话切分为记忆单元（MemCell），含完整对话、关键事实、时间等
2. 语义整合	新皮层	将相关 MemCell 归类为主题记忆场景（MemScene），并更新用户画像
3. 重构式回忆	前额叶与海马协同	根据当前问题在 MemScene 引导下智能检索，只选取推理所需记忆参与生成

---

三、系统流程（Encoding → Consolidation → Retrieval）

• Phase I：对话历史 + 新对话 → 切分 → MemCell、Episode、Atomic Facts、Foresight。
• Phase II：MemScene Pool → 相似度与增量聚类 → MemBase、用户画像。
• Phase III：Chat/Reasoning Query → Scene Match、Recall Foresight/Profile/Episode → 记忆增强的 Agent。

---

四、开源实现：六层架构

1. Agentic Layer；2. Memory Layer；3. Retrieval Layer（Milvus/ES、混合 RRF、Agentic）；4. Business Layer；5. Infrastructure Layer；6. Core Framework。技术栈：FastAPI、Python 3.10+、uv；MongoDB、ES、Milvus、Redis。

---

五、核心概念

• MemCell：原子记忆单元。Episode：情节记忆。MemScene：语义整合后的场景。Profile：用户画像。Foresight：前瞻。记忆类型：episodic_memory、profile、preferences、relationships 等。

---

六、API 与使用方式

• 云服务（Creator 侧已用）：src/api_EverMemOS.py 使用 EverMemOS 云 API，提供 memory.add、memory.get、memory.search、memory.delete，与 config.EVERMEMOS_API_KEY 配合。
• 开源版 REST：Base http://localhost:8001/api/v1/memories，POST/GET/DELETE memories、GET search 等。

---

七、检索策略

轻量模式（BM25 + 向量 + RRF）与 Agentic 模式（LLM 查询扩展、多轮检索）；Rerank 可选。

---

八、与 Creator 的关系

• 当前：Creator 通过 src/api_EverMemOS.py 使用 EverMemOS 云服务 做记忆的增删查。
• 可选：自建时可将 api_EverMemOS 的 base URL 指向自建实例，统一 user_id/group_id 与 project_id 映射。

---

九、文档与入口

文档	说明
Creator 参赛集成	EVERMEMOS_INTEGRATION.md
参赛与视频指南	VIDEO_DEMO.md
愿景与执行清单	VISION_AND_PLAYBOOK.md

参见 EVERMEMOS_INTEGRATION.md 了解当前 Creator 侧整合方案。