EverMemOS：面向结构化长程推理的自组织记忆操作系统

大型语言模型（LLMs）日益被部署为长期交互式智能体，但其有限的上下文窗口难以维持长时间交互中的一致行为。现有记忆系统通常存储孤立记录并检索片段，难以整合动态演化的用户状态与解决冲突。本文提出EverMemOS——一种受记忆印迹（engram）启发的自组织记忆操作系统。其包含三个核心阶段：情景痕迹形成将对话流转化为包含情景痕迹、原子事实和时限性前瞻信号的MemCells；语义巩固将MemCells组织为主题性MemScenes，提炼稳定语义结构并更新用户画像；重构式回忆基于MemScene引导智能体检索，组合下游推理所需的充分必要上下文。在LoCoMo和LongMemEval上的实验表明，EverMemOS在记忆增强推理任务中达到最先进性能，并通过PersonaMem v2画像研究与案例分析展示了其在用户建模与前瞻能力方面的优势。