EverMind-AI/Raven

解決的問題

標準的 AI 智能體工具通常在長會話導致上下文溢出、需要持續使用者提示的被動行為，以及停留在聊天歷史中而無法成為可重用資產的工作流方面面臨挑戰。Raven 透過提供一個管理記憶、上下文和技能演進的強大框架來解決這些問題。

工作原理

Raven 作為 LLM 周圍的一個高級層運行，利用 EverOS 記憶基質在不同會話中保持持久的使用者和智能體記憶。它採用 "Spine" 架構來管理智能體循環，具有防止上下文崩潰的上下文引擎、允許智能體發起行動的主動引擎 (Sentinel)，以及透過 git commits 利用基準測試自動改進框架的自我演進流水線 (Evolver)。

適用對象

• 正在尋找終端原生執行階段和智能體模板來構建數位工作者的開發者。
• 需要能夠進行深度研究和主動任務管理的智能體的進階使用者。
• 對自我改進智能體架構和基準測試驅動的演進感興趣的 AI 研究人員。

亮點

• 自我改進技能： 自動檢測並將可重用的工作流具象化為不斷進化的技能。
• 持久記憶： 使用 EverOS 將使用者、智能體和世界知識分離，實現長期持久化。
• 主動代理能力： 包括調度器和提示策略，使智能體無需等待使用者輸入即可採取行動。
• 深度研究： 透過 MiroThinker 進行多源調查的可選工具。
• 廣泛的連接性： 支援包括 Telegram、Slack、Discord 和 WhatsApp 在內的 12 個訊息閘道。