DeepSeek Harness记忆插件，斩获13.5k Star！

DeepSeek Harness 的插件生态又有新玩法了。

这次给大家介绍的是EverMind开源的记忆插件EverOS，它可以为AI Agent提供长期记忆能力，让过去积累的用户偏好、项目背景和任务经验，有机会在后续会话中继续发挥作用。

一个项目往往需要连续开发好几天，涉及不同文件、技术方案和调试记录。

如果每次开启新会话，都要重新交代项目背景，甚至重复排查之前遇到的问题，Agent 干活的效率难免打折扣。

EverOS想解决的，就是如何把这些零散的信息沉淀下来，让 Agent 不只是完成眼前的任务，还能在后续工作中找回相关经验。

它采用 Markdown、SQLite 和 LanceDB 等技术构建记忆存储与检索体系，并将记忆能力从单个 AI 应用中独立出来，探索跨会话、跨 Agent 的复用方式。

该项目在github上已收获13.5k stars，除了 DeepSeek Harness，EverMind 还提供面向 Hermes、OpenClaw 等平台的集成方案。

EverOS没有把全部记忆封装在一个难以直接检查的数据库里，采用Markdown、SQLite和LanceDB组成的存储与检索体系。

• Markdown文件负责保存原始记忆内容。用户可以直接打开文件，查看AI保存了什么，也可以手动修正内容。文件还可以纳入Git进行版本管理，不必完全依赖某个封闭的应用界面。

  
  

• SQLite是一款轻量级数据库。在EverOS中，它主要负责管理系统状态、同步队列和审计记录等信息，帮助记忆写入与索引更新有序进行。

  
  

• LanceDB则负责记忆检索所需的索引数据，支持向量检索、全文检索以及条件过滤。当用户的提问与历史记录使用了不同的措辞，系统也有机会从语义层面找到相关内容，而不只是匹配相同的关键词。

三者各司其职，Markdown保存原始记忆，SQLite管理运行状态，LanceDB提供检索索引。

这套设计的一个特点是用户可以直接掌握记忆文件。如果发现AI记录的项目约定有误，可以检查并修改相应内容，再由系统同步更新相关索引。

对于需要长期维护的编程项目、个人知识库和研究工作，这种可读、可编辑的记忆形式，能够减少对单一应用的依赖，也让记忆迁移和维护更加灵活。

EverOS的另一个重要设计，是区分用户侧记忆与 Agent 执行过程中积累的经验。

两类记忆的作用并不相同。

用户记忆回答的是“这个人是谁？他希望怎样完成任务？”

Agent记忆回答的则是“之前做过什么？哪些方法有效？下一次可以借鉴什么？”

以开发任务为例，用户可能要求所有服务统一使用某个接口规范，这属于项目背景和用户要求。Agent在调试中发现某个依赖版本存在兼容性问题，则可能成为后续任务值得参考的执行经验。

如果系统能够分别管理这些信息，下一次执行任务时，就有机会同时调用项目约定和过去的解决经验。

EverOS希望把过去的信息转化为下一次任务可以调用的资源。

记忆系统还有一个常见难题，保存的信息越多未必越好用。

如果每次对话都原样存下来，长期积累后可能出现大量重复内容、已经过时的结论，以及互相矛盾的记录。每次检索都把这些内容塞给模型，不仅浪费上下文，也可能干扰判断。

EverOS为此设计了反思与记忆演化机制。它可以通过后台处理，对积累的记忆进行整理，例如合并相关经历、更新用户画像，以及提炼可复用的技能。

使用以下指令安装：

# 1. 安装并初始化 EverOS（需要 Python 3.12+）uv tool install everoseveros init# 2. 配置 LLM Key（用于提取/高级检索，OpenRouter 等兼容端点均可）# 编辑 ~/.everos/everos.toml 或设置环境变量# 3. 启动 EverOS 服务（默认本地 8000 端口）everos server start# 4. 再安装 DSH 插件dsh plugin --profile web add @everos-ai/dsh-plugin