伴侣AI
AI Skill Hub 推荐使用：伴侣AI 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
📚 深度解析
伴侣AI 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
伴侣AI 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
伴侣AI 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：npm 全局安装 npm install -g evermemoryarchive # 方式二：npx 直接运行（无需安装） npx evermemoryarchive --help # 方式三：项目依赖安装 npm install evermemoryarchive # 方式四：从源码运行 git clone https://github.com/EmaFanClub/EverMemoryArchive cd EverMemoryArchive npm install npm start
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
evermemoryarchive --help
# 基本用法
evermemoryarchive [options] <input>
# Node.js 代码中使用
const evermemoryarchive = require('evermemoryarchive');
const result = await evermemoryarchive.run(options);
console.log(result);
# evermemoryarchive 配置说明 # 查看配置选项 evermemoryarchive --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export EVERMEMORYARCHIVE_CONFIG="/path/to/config.yml"
简介
<p align="center"> <picture> <source media="(prefers-color-scheme: dark)" srcset=".github/assets/ema-logo-dark.png"> <source media="(prefers-color-scheme: light)" srcset=".github/assets/ema-logo-light.png"> <img alt="EMA Logo" src=".github/assets/ema-logo-light.png" width="200"> </picture> </p>
EverMemoryArchive - 让你所爱的角色陪你共度一生
EverMemoryArchive（简称 Ema）是首个能让你所爱的角色陪你共度一生的陪伴型 AI。Ema 支持灵活的本地部署，允许你同时创建多个虚拟角色，陪你一起成长，记住你的一切。Ema 也支持第三方消息平台接入，让你能够随时随地与 Ema 里的角色聊天。
Ema 的初衷是希望赋予一个虚拟角色永久的生命。在 Ema 中，角色会随着时间不断成长，通过与外界的互动，逐渐形成属于自己的记忆与人格。
换句话说，Ema 真正活在你的世界里。
如何安装使用
Ema 当前支持 macOS、Linux 与 Windows。运行 Ema 至少需要：
- 推荐双核 CPU
- 内存 ≥ 4GB
- 硬盘空间 ≥ 4GB
- 无需 GPU
推荐大多数用户从 GitHub Release 下载 portable 版本安装包。portable 版本内置 Node.js、MongoDB 和 ema-launcher 启动器，通常下载后即可运行；如果希望通过安装器完成安装，可以选择文件名包含 installer 的安装包。
1. 下载安装包
[!NOTE] 在 Ema 没有正式发布 Release 版本之前，请参考安装文档进行安装。
打开 GitHub Release 页面：https://github.com/EmaFanClub/EverMemoryArchive/releases
进入最新版本，在 Assets 中下载与你系统匹配的 portable 安装包：
- 解压运行：下载
ema-<platform>-portable-<revision>.zip或.7z，解压后在包根目录运行ema-launcher（Windows 为ema-launcher.exe）。 - 安装器运行：下载
ema-<platform>-portable-<revision>-installer.*，按提示完成安装。安装器后缀按平台区分：Windows 为.exe，macOS 为.command，Linux 为.run。
2. 配置 Ema
Ema 启动后，必须至少配置一个模型 API Key。
推荐以下方式：
- Gemini 官方 API：https://aistudio.google.com/api-keys
- 429 中转站：https://429.icu/
获取 API Key 后，在 Ema 设置页面中填写即可。
Ema 也提供 minimal 版本、GitHub Actions 构建产物、Tavily 搜索引擎和 NapCatQQ 接入等进阶选择，详见安装文档。
和 OpenClaw 等通用 AI 助手对比
| Ema | OpenClaw | |
|---|---|---|
| 角色扮演 | 原生角色扮演，更还原人物设定 | 角色扮演较弱，更偏通用助手 |
| 记忆系统 | 动态记忆架构，Token 消耗更低 | 安装流程复杂，Token 消耗高 |
| 主动行为 | 具有自主作息，更真实的存在感 | 只能被动执行定时任务 |
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- embedding 模型与查询模型不一致导致检索失效
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- embedding 模型与查询模型不一致导致检索失效
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +Apache-2.0 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，伴侣AI 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | EverMemoryArchive |
| 原始描述 | 开源AI工作流：The first lifelong companion AI where the character you love grows old with you.。⭐16 · TypeScript |
| Topics | agent-memoryagentic-aicompanion-aillmroleplay |
| GitHub | https://github.com/EmaFanClub/EverMemoryArchive |
| License | Apache-2.0 |
| 语言 | TypeScript |
收录时间：2026-05-25 · 更新时间：2026-05-30 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。