EverMind-AI/Raven

它解决了什么问题

Raven 提供了一个用于管理长期运行的 AI agent 工作流的全面系统。它通过将终端优先的执行方式、长期记忆和自我改进能力集成到一个单一的 "Agent Harness" 中，解决了将 agent 扩展到超出狭窄任务范围的难题，从而减少了为每个新模型或领域手动设计复杂 harness 的需求。

工作原理

Raven 作为一个中央循环运行，协调多个核心系统：

• EverOS Memory：提供跨会话的持久化用户和 agent 记忆。
• SkillForge：管理一个可以被检索、反馈并进化的技能目录。
• Context Engine：处理 token 预算和上下文组装，以确保 LLM 能够获取最相关的信息。
• Proactivity：使用哨兵（sentinels）和调度机制，允许 agent 执行延迟决策和计划任务。
• Evolver：实现可重复的评估循环，以改进 agent 的流程。
• Deep Research：与 MiroThinker 集成，进行开放式网络搜索和带有行内引用的多源分析。

适用人群

它专为开发者和 AI 研究人员设计，这些人员需要一个稳健、可检查的环境，用于部署需要持久性、复杂工具使用能力以及随时间推移能够进化其性能的自主 agent。

亮点

• 终端优先界面：具有 TUI (Terminal User Interface) 和 CLI，用于简化设置和操作。
• 本地追踪：包含一个本地仪表板，用于检查 LLM 调用、工具使用和记忆检索，而无需将数据发送到外部服务。
• 广泛的集成：支持广泛的 LLM 提供商（OpenAI, Anthropic, DeepSeek 等）和消息网关（Telegram, Slack, Discord 等）。
• 自我改进：内置评估和技能进化的机制，以随时间推移提高 agent 的性能。