EverOS 开源了，安装三行命令就能让 AI 记住所有对话，27B 小模型靠记忆打败 397B 大模型，试试看。
EverOS 是一个为 AI Agent 设计的开源记忆操作系统，在 ACL 2026 发表。其核心 HyperMem 采用超图结构组织记忆，在长期对话任务中召回率超过 93%，而传统 RAG 约 45%。加上 Skills 自进化策略后，27B 参数模型任务成功率提升 234.8%，性能追平 397B 模型。该项目在 GitHub 获得 7200 星，支持 Claude Code、Codex 等主流框架，安装只需三行命令。
ACL 2026发表，Github 开源斩获7200星！ EverOS 让AI Agent记住一切，…
ACL 2026发表，Github 开源斩获7200星！ EverOS 让AI Agent记住一切，27B模型碾压397B！
每一个用过AI写代码的人都经历过这件事。 早上打开终端，跟AI说"继续昨天的工作"。 AI问你：什么工作？
你昨天花了三个小时解释你的代码库结构，你告诉它为什么不用Redux而用Zustand。
你让它记住你偏好函数式写法，你花了一个小时调通了一个bug，它帮你找到了根因。
今天早上，全部消失了。你需要从头再来。
这其实不是Bug，这是当前所有AI Agent的默认状态。 它们没有记忆，每次对话都是一张白纸。
2026年，一个叫EverOS的项目在ACL上发表。它不是又一个向量数据库，不是RAG换了更好的Prompt。
它是一个完整的记忆操作系统，坐在AI Agent的底层，让它真正记住事情。
核心技术叫HyperMem。
传统记忆方案是把文本切成块，转成向量，存进数据库，每次对话时搜索最相似的片段还给你。这是平面查找。
EverOS用超图结构组织记忆——主题层、事件层、事实层，一条超边连接多个节点。跨时间关联和多跳推理内建在结构里。
结果是，长期对话任务的召回率超过93%。传统RAG大约45%。
但真正让人震惊的数据是另一个。他们的基准测试显示，给一个27B参数的模型加上Skills自进化策略，任务成功率提升234.8%。性能追平了397B的模型。
一个小15倍的模型，因为有了记忆，打败了没有记忆的巨型模型。
这不是在说记忆是一个好功能，这是在说记忆是基础设施。 没有记忆的模型就像没有硬盘的电脑，CPU再强，每次重启都归零。
安装只需要三行命令。
所有记忆以Markdown文件存储，可以用Git版本控制，可以在Obsidian里打开，可以用grep搜索。本地优先，不依赖MongoDB、Elasticsearch或Redis。
GitHub上斩获7200颗星，14个fork。 Apache 2.0协议。支持Claude Code、Codex、OpenClaw等主流Agent框架。
有人用它做了阿尔茨海默症辅助记忆系统。 有人集成到AI可穿戴设备，25个可运行的用例。
问题已经不是AI能不能记住事情。 问题是，当AI开始记住一切，你会怎么用它。
项目地址：https://t.co/WjM0ivudwP