TL;DR

EverOS는 여러 AI agent와 앱이 공유하는 Python 기반 로컬 우선 메모리 runtime이다. 대화와 파일을 Markdown 원본으로 보존하고 SQLite·LanceDB 인덱스를 동기화해 keyword 또는 설정에 따라 hybrid 검색을 수행한다. OpenRouter API key 하나로 핵심 저장·flush·검색을 시작할 수 있으며 embedding과 rerank를 추가하면 reflection, agentic search, Knowledge Wiki가 확장된다. 메모리를 사용자가 직접 읽고 Git으로 관리해야 하거나 Claude Code와 같은 여러 agent에 장기 기억을 붙이려는 경우 적합하지만, 고급 기능과 multimodal 입력에는 외부 provider 및 일부 시스템 의존성이 따른다.

핵심 포인트

• EverOS는 Python 기반의 standalone memory runtime이자 library·CLI·HTTP server다. 특정 프레임워크 플러그인보다 코딩 에이전트와 앱에 붙이는 범용 AI agent memory layer에 가깝다. EverMind 생태계에서는 EverAlgo, Raven, EverMemBench와 연결되는 실사용 런타임 역할을 맡는다.
• 대화·파일·에이전트 trajectory를 읽고 편집할 수 있는 Markdown 파일에 저장한다. SQLite와 LanceDB를 함께 동기화해 로컬 검색 인덱스를 만들며 MongoDB, Elasticsearch, Redis 같은 별도 서버는 필요하지 않다. 사용자가 파일을 직접 수정하면 cascade watcher가 인덱스를 갱신한다.
• 기본 흐름은 ingest, extract, index, recall 순서로 진행되며 `everos demo`는 API key 없이 체험할 수 있다. 실제 운영은 Python 3.12 이상과 OpenRouter API key로 초기화한 뒤 `everos server start`와 `/api/v2/memory/*` endpoint를 사용한다. LLM만 설정하면 keyword search까지 가능하고 embedding, rerank, multimodal provider를 추가할수록 hybrid search, reflection, Knowledge Wiki, 파일 처리가 열린다.
• 검색 범위를 `user_id`, `agent_id`, `app_id`, `project_id`, `session_id`로 나눌 수 있어 여러 에이전트와 앱의 메모리를 함께 관리한다. 세션 사이에는 episode를 profile과 skill로 정리하는 offline reflection이 작동하며 Claude Code, 브라우저 agent, 멀티에이전트 도구 같은 통합 사례가 제공된다. Markdown 소유권과 로컬 실행을 중시하면서도 office 파일 처리는 LibreOffice, 고급 검색은 추가 provider라는 운영 조건을 감수해야 한다.