EverMind wydał EverOS, open-source'owy runtime pamięci dla agentów AI na licencji Apache 2.0, który rozwiązuje podstawowy problem: duże modele językowe są bezstanowe, a gdy rozmowa się kończy, kontekst znika. EverOS proponuje inne podejście - zamiast przechowywać pamięć wewnątrz wektorowej bazy danych, zapisuje ją jako zwykłe pliki Markdown, które stają się źródłem prawdy czytanym, edytowanym i przeszukiwanym przez agentów między sesjami.
Biblioteka Pythona działa jako serwer z interfejsem CLI i HTTP API FastAPI, obsługując async-first architektury. Wyróżnia się tym, że prowadzi dwie osobne ścieżki pamięci: user-side memory (Profiles, Episodes, Facts, Foresights) i agent-side memory (Cases, Skills). Każdy rekord trafia jako plik .md, który można otwierać, edytować, przeszukiwać za pomocą grep lub wersjonować w Git. Hybrydowe wyszukiwanie łączy BM25, wyszukiwanie wektorowe i scalar filtering w jednym zapytaniu, indeksując dane przez SQLite i LanceDB.
Systemem wyróżnia się możliwość destylacji obsługiwanych spraw w reużywalne Skills - proceduralne, self-evolving umiejętności agentów. EverOS działa zarówno w wersji cloud'owej, jak i self-hosted, zachowując parzystość funkcji. Benchmarki wypadają solidnie, jednak pochodzą od samej EverMind, więc warto zweryfikować je na własnych obciążeniach. Projekt jest w pełni open source'owy i gotowy do włączenia do istniejących pętli agentów bez konieczności przebudowy całego stosu technologicznego.