Raven

Raven 是由 EverMind 团队开发的开源多智能体协作与自进化系统，被称为"Agent 的 Harness"，其核心理念是让 AI Agent 不仅能组队协作完成任务，还能通过 Raven Evolver 持续改进自身的"Harness"（工作方式），实现递归式自我优化。

核心功能

Raven 内置四大专业 Agent，形成完整的任务执行矩阵：

• Raven-Research：自主深度研究 Agent，支持复杂问题解答、文献综述和技术分析，输出带可溯源引用的结构化报告，在 DeepResearch Mixed 基准上刷新 SOTA。

• Raven-Code：AI 编程开发 Agent，覆盖功能实现、调试、重构、数据处理和数据分析，在 DataAgentBench 数据分析榜单登顶（2026-08-24 实时数据），超越 Claude Code。

• Raven-Design：视觉设计 Agent，生成 PPT 幻灯片、品牌资产、图表和网站界面，在 PresentBench 幻灯片生成榜单登顶。

• Raven-Oncall：无人值守工作流自动化 Agent，在 AI4AI 和 AI4S 任务上以更低成本超越 Claude Code 的成功率和成本表现。

技术实现

Raven 的架构设计围绕"Harness 自进化"这一核心目标展开。系统以 EverOS 作为记忆底层，提供持久化上下文和跨会话记忆能力，使 Agent 能在多天任务中保持连贯。Raven Evolver 作为独立评测工具消费 Raven 执行日志，评估候选 Harness 改动并筛选出有效优化，无需在 Agent 运行时内部干预。

在多 Agent 编排层面，Raven 接收任务后生成有向无环图（DAG），自动分配调研、编码、设计和持续执行工作，支持并行与串行混合执行流。内置 Agent 与第三方 Agent 通过统一接口接入，同一项目内可跨 Agent 接力工作。实际验证案例：Raven 自主工作约 4 天、42 轮规划-开发-验收，交付可运行的 Godot 4 第一人称射击游戏（含游戏、海报、演示文稿和网站）；在 AI4AI 场景完成 172 次训练运行、8 轮减负优化搜索，全部不崩溃。

Raven 完全开源（Apache 2.0），支持本地部署，EverMind 同时提供云端托管版本。

快速上手

1. 安装依赖：确保本地已安装 Python 3.10+ 和 Git，克隆仓库后运行 pip install -e . 安装依赖。

2. 配置 EverOS：访问 evermind.ai 注册账号，获取 EverOS API Key，并在项目根目录创建 .env 文件写入 EVEROS_API_KEY=your_key。

3. 启动 Raven：运行 raven --mode interactive 进入交互模式，或 raven --task "你的任务描述" 直接执行指定任务。

4. 查看结果：任务完成后，结果默认保存在 ~/.raven/outputs/ 目录，包括执行日志、生成文件和评测报告。

适用人群

Raven 适合以下用户：需要跨 Agent 协作完成复杂项目的 AI 研究者和开发者；希望 AI 系统能持续自我改进的技术团队；需要 AI 代理完成长期无人值守任务（如自动化实验、持续集成）的工程师；以及对多智能体系统和 AI 自进化方向感兴趣的学术研究者。