EverMind-AI/Raven

它解决的问题

Raven 解决了协调多个 AI 代理以完成大型、多步骤项目的复杂性。Raven 不是让单个代理做所有事情，而是充当宿主，生成工作流图（DAG）并编排研究、编码、设计和无人值守自动化等专业代理。它还旨在实现递归自我改进，这意味着系统可以提出并采纳对其自身规划和执行逻辑的更改。

工作原理

Raven 将其代理循环拆分为四个解耦的策略模块：记忆（一次回合看到的内容）、规划（如何处理工作）、能力（哪些工具可用）和行动（下一步做什么以及如何评判）。一个名为 Curator 的独立组件会重写这些模块，并安装经过验证的改进。内置代理包括用于深度研究的 Raven-Research、用于软件开发的 Raven-Code、用于视觉交付物的 Raven-Design 以及用于长时间运行工作流的 Raven-Oncall。Raven 还可以通过 ACP、CLI 或兼容 OpenAI 的 API 连接第三方代理。它依赖 EverOS 进行跨会话记忆和上下文。

适用人群

适用于希望使用自主多代理系统端到端运行复杂项目的开发者和团队，例如构建软件、进行研究、创建设计资产或运行无人值守实验。它也对研究代理自我改进的研究人员有吸引力，因为 Raven 可以评估并采纳自身的框架更改。README 指出它处于预 alpha 阶段，因此适合能够适应快速界面变更的早期采用者。

亮点

• 在一个宿主下编排多个内置和第三方代理，并基于 DAG 进行工作流规划。
• 四个内置代理：研究、代码、设计和值班，每个都声称在各自基准上达到 SOTA 结果。
• 通过 Curator 实现运行时自我进化，重写记忆、规划、能力和行动模块，并在采纳前进行验证。
• 展示了完整的自主项目交付：一个游戏、一个递归自我改进研究项目和一个产品发布，全部由 Raven 生成，无需人工编码。
• 可以通过统一接口连接 13 个第三方代理（Claude Code、Codex 等）。
• 可通过一行脚本、Docker 或从源码安装，并提供位于 localhost:18793 的 Web UI。