设计狮狮你好，@EverMind 招 UI/UX 设计实习生 🟡 如果你看过某些 AI 产品，心里默默想过 「这玩意儿明明可以好看十倍」，欢迎来跟我们一起做。 会 Figma，对 AI 好奇，审美在线就行。年限不是门槛，品味才是。 简历 + 作品集 👉 yanbing.li@evermind.ai

.@EverMind EverMe 和 Kimi Code 打通了， 一行命令，实现 Agents 共享 Memory，有点东西。 一直很喜欢 Kimi 的模型，设计和品味更是很赞上加赞。 @real_kai42 去了 Kimi 之后，Kimi Code 的工程架构，细节也大幅度加强，有何原因不爱？ 以后这样的合作多来呀，咱还有 Raven 🐦‍⬛ 等着。

今天的分享会预告来啦📢 主题：Long-term Memory for AI Agents：如何让 Agent 拥有持续上下文与长期一致性 ⏰ 时间：5 月 25 日 20:00-21:00（UTC+8） 🎤 嘉宾：@li9292 李韭二丨盛大 Evermind 社区大使 💡 分享内容：AI Agent 长期记忆的核心痛点，实现持续上下文与身份一致性的技术路径 ❗️课前准备：一个你在开发或使用 AI Agent 过程中遇到的记忆相关问题 📍 Zoom会议链接： 会议号: 840 1019 2068 密码: 882991 🔗 推特直播：

盛大集团创始人陈天桥近年来在 AI 领域（尤其是“AI长期记忆”和“脑科学与 AI 交叉”方向）进行了深度布局。 他主张通过模拟人类大脑的记忆与认知机制，解决大语言模型（LLM）的“遗忘”和上下文受限问题，使 AI Agents 具备连贯、可进化且个性化的长期记忆。 旗舰开源项目：EverMemOS（智能记忆操作系统） EverMemOS 是由陈天桥旗下的 EverMind 团队推出的一款旗舰级开源、企业级智能记忆系统，被定位为未来 AI Agents 的“数据与记忆基础设施”。 1. 类脑级记忆生命周期（Engram-Inspired） EverMemOS 的设计灵感来源于人类大脑的记忆编码、巩固与提取机制，包含三个核心阶段： 情境痕迹形成（Episodic Trace Formation）：将实时的对话流转化为 MemCells。MemCells 是记忆的原子单元，用于捕获情境线索、事实以及有时效性的预测信号。 语义整合（Semantic Consolidation）：将分散的 MemCells 提炼并组织成更高维度的、具有主题性的语义结构 —— MemScenes。在这个过程中，系统会持续自动演化并更新用户画像（User Profile）。 重构式回忆（Reconstructive Recollection）：在 AI 需要决策时，通过 MemScene 引导的 Agent 检索机制重构上下文，帮助下游模型完成长周期的连贯推理。 2. 五层技术架构 EverMemOS 将长期记忆的读写流程分层管理： 代理层（Agentic Layer）：处理主动的记忆过程，如记忆提取、向量化、检索和重排序。 记忆层（Memory Layer）：管理核心存储和情境记忆，专注于 MemCells 的提取与生存周期管理。 检索层（Retrieval Layer）：负责多模态检索和对检索结果进行重排序，包括 BM25 + 向量检索的混合搜索以及 RRF（倒数排序融合）等。 业务层（Business Layer）：处理上层的业务逻辑与数据操作。 基础设施层（Infrastructure Layer）：兼容 MongoDB、Elasticsearch、Milvus、Redis 等主流数据库与缓存组件。 3. 性能与生态集成 Token 优化：充当智能注意力过滤器，在部分场景中可将上下文窗口的 Token 消耗降低多达 70%，同时在 LoCoMo 等长期记忆基准测试中达到了 SOTA 性能。 开源生态与插件：MCP（Model Context Protocol）支持：提供了 evermemos-mcp 插件，支持将 AI 编码助手（如 Claude Code、Cursor、Cline 等）接入 EverMemOS 记忆库。 Agent 框架集成：支持 OpenClaw 插件，使智能体能够自动捕获对话、调取历史记忆；同时支持 Live2D 虚拟角色记忆交互等应用。 GitHub 地址：

你天天在用的那些 AI，多半还是金鱼记忆——能背下大半个互联网，记不住你们团队上周聊过什么、上个季度那个方案为什么砍了。 这也是通用 AI 一直进不了企业的原因：它知道互联网知识，不知道你们为什么这样做产品、客户过去提过哪些需求、团队讨论过哪几个方案、某个决策背后真实的考量。每次对话都从零开始认识你。 后面我看到了 @TankaChat ，Tanka 走的是另一条路：把团队每天产生的对话、文件、决策、工具数据，持续沉淀成一层 AI 长期记忆。这套架构三年多前就开始做，长期记忆这块由 EverMind 团队深度参与研发——EverMind 是盛大的兄弟公司，也是最近 AI 圈在传的那个稀疏注意力（MSA）论文背后的团队。技术线上不是临时拼的。 我这里是拿来管理我自己的X的推文分析和文案样本，测试了它多平台的能力，包含的能力：100+ 办公应用双向打通（邮件 / CRM / 文档 / Drive），Skill 和 SOP 能在组织级共享、当团队可复用的资产用，不只停在个人那点 prompt。 最主要里面还包含了是其他的任务编排，比如对话历史，任务编排，它都是可以有记忆的，我自己没有主动的补充记忆，但是自动加载进了上下文，这一点让我很惊艳。 我用得还不算深，长上下文 + 复杂 agent 任务没正经压过，但是在我的使用范围上面还是很不错的。 这让我有了个判断我越来越确定：下一轮 AI 的竞争维度，memory 会比 model 更关键——模型谁都能调，懂你公司的那层上下文是一天天攒出来的，攒不出来的人补不上。AI 终于开始记住团队这件事，比再发一版更大的模型有意思。 官方网站： 限时福利（赠送 1 个月 Plus Plan）：