EverMind-AI/Raven

解决的问题

标准的 AI 智能体工具通常在长会话导致上下文溢出、需要持续用户提示的被动行为，以及停留在聊天历史中而无法成为可重用资产的工作流方面面临挑战。Raven 通过提供一个管理记忆、上下文和技能演进的强大框架来解决这些问题。

工作原理

Raven 作为 LLM 周围的一个高级层运行，利用 EverOS 记忆基质在不同会话中保持持久的用户和智能体记忆。它采用 "Spine" 架构来管理智能体循环，具有防止上下文崩溃的上下文引擎、允许智能体发起行动的主动引擎 (Sentinel)，以及通过 git commits 利用基准测试自动改进框架的自我演进流水线 (Evolver)。

适用对象

• 正在寻找终端原生运行时和智能体模板来构建数字工作者的开发者。
• 需要能够进行深度研究和主动任务管理的智能体的高级用户。
• 对自我改进智能体架构和基准测试驱动的演进感兴趣的 AI 研究人员。

亮点

• 自我改进技能： 自动检测并将可重用的工作流具象化为不断进化的技能。
• 持久记忆： 使用 EverOS 将用户、智能体和世界知识分离，实现长期持久化。
• 主动代理能力： 包括调度器和提示策略，使智能体无需等待用户输入即可采取行动。
• 深度研究： 通过 MiroThinker 进行多源调查的可选工具。
• 广泛的连接性： 支持包括 Telegram、Slack、Discord 和 WhatsApp 在内的 12 个消息网关。