# EverOS HyperMem超图记忆架构：ACL 2026发表，27B模型性能追平397B

- 来源：Berryxia.AI (@berryxia)
- 发布时间：2026-06-25 00:01
- AIHOT 分数：67
- AIHOT 链接：https://aihot.virxact.com/items/cmqsa2brx019zslfura460ae1
- 原文链接：https://x.com/berryxia/status/2069813072097907057

## AI 摘要

ACL 2026发表的EverOS推出HyperMem超图记忆架构，替代传统向量RAG。长期对话召回率达93%（RAG约45%）。27B参数模型借助记忆与Skills自进化策略，任务成功率提升234.8%，性能追平397B模型。本地优先，记忆存为Markdown文件，支持Git版本控制与Obsidian。三行命令安装，Apache 2.0开源，GitHub获7200星，兼容Claude Code、Codex等Agent框架。

## 正文

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://github.com/EverMind-AI/EverOS