EverMind-AI/Raven

해결하는 문제

Raven은 장기 실행되는 AI 에이전트 작업을 관리하기 위한 포괄적인 시스템을 제공합니다. 터미널 우선 실행, 장기 기억, 그리고 자기 개선 기능을 하나의 "Agent Harness"로 통합함으로써, 에이전트를 좁은 작업 범위를 넘어 확장하는 데 따르는 어려움을 해결하며, 새로운 모델이나 도메인마다 복잡한 하네스를 수동으로 설계해야 하는 필요성을 줄여줍니다.

작동 방식

Raven은 여러 핵심 시스템을 조정하는 중앙 루프로 작동합니다:

• EverOS Memory: 세션 전반에 걸쳐 지속적인 사용자 및 에이전트 기억을 제공합니다.
• SkillForge: 검색, 피드백, 그리고 진화가 가능한 기술 카탈로그를 관리합니다.
• Context Engine: LLM이 가장 관련성 높은 정보를 사용할 수 있도록 토큰 예산 관리 및 컨텍스트 조립을 처리합니다.
• Proactivity: 센티널(sentinels)과 스케줄링을 사용하여 에이전트가 지연된 결정 및 예정된 작업을 수행할 수 있도록 합니다.
• Evolver: 에이전트 절차를 개선하기 위한 재현 가능한 평가 루프를 구현합니다.
• Deep Research: MiroThinker와 통합되어 인라인 인용이 포함된 개방형 웹 검색 및 다중 소스 분석을 수행합니다.

대상 사용자

지속성, 복잡한 도구 사용, 그리고 시간이 지남에 따라 성능을 진화시킬 수 있는 능력이 필요한 자율 에이전트를 배포하기 위한 견고하고 검사 가능한 환경이 필요한 개발자와 AI 연구자를 위해 설계되었습니다.

주요 특징

• Terminal-First Interface: 간소화된 설정 및 운영을 위해 TUI (Terminal User Interface) 및 CLI를 특징으로 합니다.
• Local Tracing: 외부 서비스로 데이터를 전송하지 않고도 LLM 호출, 도구 사용, 그리고 기억 회상을 검사할 수 있는 로컬 대시보드를 포함합니다.
• Broad Integration: 다양한 LLM 제공업체 (OpenAI, Anthropic, DeepSeek, 등) 및 메시징 게이트웨이 (Telegram, Slack, Discord, 등)를 지원합니다.
• Self-Improving: 시간이 지남에 따라 에이전트 성능을 개선하기 위한 평가 및 기술 진화의 내장된 메커니즘을을 제공합니다.