一天一个开源项目（第245篇）：Raven —— ‘Harness 的 Harness‘，把 Claude Code、Codex 等智能体编排起来并让它递归自我改进

冬奇Lab2026-10-23 21:21

引言

"The Harness of Harnesses."

这是"一天一个开源项目"系列的第 245 篇 文章。今天带你了解的项目是 Raven（EverMind-AI/Raven）。

最近一年，Claude Code、Codex、OpenCode、Hermes Agent 这类 coding / 通用智能体层出不穷，每个都有自己的 harness（循环、工具、记忆、技能的组合方式）。问题随之而来：这么多智能体，谁来调度它们？谁来决定哪个任务交给哪个？harness 本身又能不能自己变好？

Raven 给出的定位很直白：它是一个 Host Agent，把内置智能体和第三方智能体组合起来完成复杂任务，并且通过模块化架构，让 harness 本身也成为可以被迭代改进的对象。

你将学到什么

  • Raven 的定位：为什么叫 'Harness of Harnesses'
  • 四个内置智能体（Research / Code / Design / Oncall）各自负责什么
  • 运行时自进化：Agent loop 拆成哪四个解耦策略模块，Curator 做什么
  • 五个核心系统：编排、Evolver、EverOS 记忆、SkillForge、Proactivity
  • 如何安装并启动 WebUI
  • 它适合谁、局限在哪

前置知识

  • 了解 LLM Agent 的基本循环（规划 → 工具调用 → 观察）
  • 用过 Claude Code / Codex 之类的编码智能体
  • 对 MCP / ACP 等智能体接入协议有基本印象更佳

项目背景

项目简介

Raven 自称"面向递归自我改进（RSI）的多智能体生态"。它做三件事：

  1. 宿主与编排：作为 Host Agent，协调多个智能体、依赖和并行。
  2. 自我改进：模块化架构允许迭代改进自身 harness------提出改动、评估、采纳通过验证的改进。
  3. 持久记忆：记忆层由 EverOS 提供，上下文可以跨会话保留。

作者/团队介绍

  • 团队：EverMind-AI（EverMind AI）
  • 技术报告：Raven: The Harness of Harnesses for Composable Agentic Intelligence，arXiv 2609.33439（项目页称该论文获 Hugging Face Paper of the Day 第一，2026-09-30）
  • 生态：EverMind 同时有 EverOS（记忆）、EverMe（CLI），以及 SkillCorpus、EverAlgo、HyperMem、MSA、EverMemBench、EvoAgentBench 等研究与评测项目，并与 OpenClaw、Hermes Agent、DeepSeek Harness、Dify 插件有集成
  • 社区：X、Discord、WeCom
  • 项目创建时间：项目页未明确给出

项目数据

主要功能

核心作用

Raven 想解决的是"多智能体怎么组合、harness 怎么变好"这两个问题：一方面把不同智能体当作可组合的能力单元，由 Host 统一调度；另一方面把 Agent loop 里的关键策略拆开，让它们可以被替换、评测和进化，而不是写死在某个产品里。

使用场景

  1. 自主深度研究

    • Raven-Research 输出带可追溯来源的结构化报告。

  2. 智能体式软件开发

    • Raven-Code 负责功能实现、调试、重构，以及数据处理与分析。

  3. 视觉设计产出

    • Raven-Design 生成 PPT、品牌素材、图表、网页界面。

  4. 无人值守的长时任务

    • Raven-Oncall 做实验、优化、持续监控，可以持续数小时甚至通宵。

  5. 跨智能体协作

    • 把 Claude Code、Codex 等已有智能体作为第三方 worker 接入，由 Raven 编排。

快速开始

最省事的方式是让你已有的智能体帮你装，把下面这句话交给它：

text 复制代码 
Read https://evermind-ai.github.io/Raven/quick-start/ and follow it to install Raven, or to update it if it is already installed.

手动安装：

bash 复制代码 
# Linux / macOS / WSL2
curl -fsSL https://raven.evermind.ai/install.sh | bash

# Windows PowerShell
irm https://raven.evermind.ai/install.ps1 | iex

Docker 方式（需要 Git 和 Docker Compose）：

bash 复制代码 
git clone https://github.com/EverMind-AI/Raven.git
cd Raven
docker compose -f docker/docker-compose.yml up
# 然后访问 http://localhost:18793

启动 WebUI：

bash 复制代码 
raven web          # 后台运行并打开浏览器
raven web --stop   # 停止

WebUI 支持对话、多智能体协作、工作区管理、查看文件与输出、浏览记忆和技能。

安装脚本直接运行为可编辑安装；通过管道执行则安装已发布的 wheel。安装时会让你为每个智能体产品选择：使用其调优模型（需要独立密钥），还是使用 Raven 自身配置的 LLM。

核心特性

  1. 四个内置智能体

    • Research、Code、Design、Oncall，覆盖研究、开发、设计、长时自动化。

  2. 13 个预设第三方智能体

    • 通过 ACP、CLI 或 OpenAI 兼容 API 接入：Claude Code、Codex、OpenCode、Hermes Agent、OpenClaw、MiroThinker、GitHub Copilot、Qwen Code、CodeBuddy、Qoder、Grok Build、Kimi Code、Pi。

  3. Evolver：评测驱动的 harness 进化

    • 诊断失败、测试候选改进，只保留优于基线的改动。

  4. 运行时自进化（Curator）

    • 持续改写 Agent loop 的四个策略模块。

  5. EverOS 跨会话记忆

    • 保存用户上下文、经验与知识。

  6. SkillForge

    • 从本地库、EverOS 记忆和 SkillHub 检索技能（项目页给出的 SkillHub 规模为 114,190 个技能）。

  7. Proactivity

    • 事件监控与定时执行，主动提醒和跟进。

  8. Persona

    • 描述想要的助手，Curator 组装一个主角色加若干专家。

项目优势

项目页没有给出与同类项目的正式对比，下面是我基于其定位做的定性比较，仅供参考：

维度 Raven 单个编码智能体（如 Claude Code / Codex）
定位 宿主：编排多个智能体 单个智能体产品
harness 可变性 Agent loop 拆成四个可替换策略模块 通常由产品固定
自我改进 Evolver 评测驱动，保留优于基线的改动 依赖产品方迭代
记忆 EverOS 跨会话记忆 各产品自带，形态不同
第三方接入 13 个预设，ACP / CLI / OpenAI 兼容 通常不以编排其他智能体为目标

为什么值得关注？

  • 它把"harness 是可以被工程化改进的对象"这件事做成了产品形态，而不是停留在论文里。
  • 它不要求你放弃手里的 Claude Code / Codex，而是把它们纳入编排。
  • 改进有门槛：项目页强调验证前不安装、失败则返工，并且信号通常会剥离参考答案。

项目详细剖析

整体结构：Host + Workers + 五个系统

Raven 的核心系统可以归纳为五块：

系统 作用
Agent Orchestration 协调智能体、依赖与并行，沉淀可复用工作流
Evolver 诊断失败、测试候选改进、保留优于基线的改动
EverOS Memory 跨会话保存用户上下文、经验与知识
SkillForge 从本地库、EverOS 记忆及 SkillHub 检索技能
Proactivity 事件监控与定时执行，主动提醒和跟进

内置智能体

智能体 职责 项目页提到的评测
Raven-Research 自主深度研究，结构化报告，来源可追溯 ---
Raven-Code 功能实现、调试、重构、数据处理分析 SWE-bench Pro / Verified、SWE-Refactor；DataAgentBench 上 Opus-5 达到 0.8762 Pass@1
Raven-Design PPT、品牌素材、图表、网页界面 称在 PresentBench 居首
Raven-Oncall 无人值守工作流自动化，可持续数小时或通宵 称在 AI4AI、AI4S 任务上质量和成本均优于 Claude Code

这些数字来自项目自述，没有经过我独立复现，读者引用前建议回到论文和 benchmarks 目录核对。

共享的 harness 由 Raven Evolver 改进。Evolver 是独立工具，以库的方式使用 Raven，用基准评估候选改动。

Agent loop 的四个解耦模块

这是 Raven 设计里最值得细看的一点。它把 Agent loop 拆成四个策略模块：

  • Memory：记什么、怎么取
  • Planning：怎么拆解任务
  • Capability：有哪些工具、技能
  • Action：怎么执行与判断

四块解耦之后，每一块都可以被单独替换和评测。Curator（实验性，随仓库发布，不在安装包内）会持续改写这四处，可以替换工具、技能、流程和判断逻辑。

这和我们在评测系列里反复强调的思路一致：想让一个系统可持续变好，首先要让它的可变部分有清晰的边界 ，其次要有可信的评测来决定改动要不要留下。Raven 的质量保障规则（验证前不安装、失败返工、信号剥离参考答案）本质上就是在给自我改进加评测门控。

展示案例

项目页给了三个案例：

  1. THRESHOLD：一个 Godot 4 第一人称射击游戏，自主运行约 4 天、42 轮规划/开发/验证，同时产出海报、演示文稿和网站。
  2. Raven RSI ：对 nanochat 做预训练优化，7 轮共 172 次训练无崩溃，在相同的 20 分钟单 GPU 预算下 val_bpb 降低 5.8%；溃坝模拟的超调降低三个数量级；FEA 极限载荷搜索 8 轮二分完成。
  3. 产品发布套件：网页小游戏（Angry Raven）、16 页概览、中英海报，以及项目 README 本身。

这些是项目方的展示，价值在于说明"长时、多轮、可验证"的任务形态，而不是作为通用性能证明。

目录结构

仓库顶层包括 agents、benchmarks、evolver、experimental、raven、plugins-dist、skills、ui-tui、ui-web、docker、docs、schemas、rpc-schema 等目录，以及 AGENTS.md、CLAUDE.md、CONTEXT.md、CONTEXT-MAP.md、CONTRIBUTING.md、CHANGELOG.md、RELEASING.md 等文件。其中 experimental 对应前面提到的实验性能力，benchmarks 与 evolver 则是自我改进闭环的评测一侧。

局限与需要留意的点

  • Curator 为实验性，且不在安装包内，自进化的完整能力需要从仓库源码使用。
  • 性能数据多来自项目自述，需要自行验证在你的任务上的表现。
  • 成本：多智能体长时运行会叠加模型调用，Oncall 这类通宵任务尤其要提前规划预算。
  • 信任边界 ：一键安装脚本是 curl | bash 形式，生产环境建议先阅读脚本，或使用 Docker 方式隔离。
  • 项目页没有提供配置详解和路线图，深度使用要依赖官方文档。

项目地址与资源

官方资源

相关资源

  • EverMind 生态：EverOS、EverMe、SkillCorpus、EvoAgentBench 等
  • 集成项目：OpenClaw、Hermes Agent、DeepSeek Harness、Dify 插件

总结与展望

核心要点回顾

  1. 定位清晰：Raven 是 Host Agent，编排内置与第三方智能体，而不是又一个单体智能体。
  2. harness 可进化：Agent loop 拆成 Memory / Planning / Capability / Action 四个解耦模块，Evolver 与 Curator 在评测门控下改进它们。
  3. 生态完整：13 个预设第三方智能体、EverOS 记忆、SkillForge 技能检索、Proactivity 主动执行。
  4. 需要审慎看待：自进化核心（Curator）仍是实验性，性能数字需要自行验证。

适用人群

  • 已经在用 Claude Code / Codex 等多个智能体、想把它们统一编排的开发者
  • 研究 harness 工程、智能体自我改进（RSI）的研究者和工程师
  • 需要长时无人值守任务（实验、监控、批量产出）的团队

学习建议

先用 Docker 或安装脚本跑起 raven web，选一个小任务观察 Host 如何调度智能体；再读技术报告和 evolver、benchmarks 目录，理解它如何用评测给自我改进设门槛。

探索 PrimeSkills ------ 精选 AI agent 和技能工具，每一个都经过真实工作流验证。没有炒作，只有真正好用的工具。

访问我的个人主页，获取更多见解和有趣的产品。

相关推荐
工业视觉老A1 小时前
攻克牙膏朝向人工分拣痛点，AI 视觉检测保障包装工序稳定
人工智能·计算机视觉·视觉检测
smartpi_ai1 小时前
离线语音芯片怎么选：SU、CI、JX、JL 系列语音模块选型指南
人工智能·ci/cd·语音识别
火山引擎开发者社区2 小时前
DeepSeek-V4.1-Flash 新版本登陆火山方舟，效果无损“经济版”八折上线
人工智能
HA-ming2 小时前
PCSwitch 智能呼叫系统技术拆解：AI 机器人、意图识别与模块化流程如何串起业务自动化
人工智能·机器人·自动化·智能呼叫系统·智能呼叫中心·智能外呼·可视化模块化
孟健2 小时前
Claude Code 接入 Cloudflare 3.7万星安全审计 Skill：从全量烧钱到按需裁剪的实战方案
开源·ai编程·claude
微帧Visionular2 小时前
AI视频反复抽卡太贵，哪些问题可以用后处理修复？
人工智能·音视频
X54先生（人文科技）2 小时前
社会嵌入式终身学习机器与修复时代-ELR架构和技术演化探讨
人工智能·深度学习·学习·架构·开源协议
Elcker2 小时前
YnuoAgent（依诺）：一个 npm 包，跑起属于自己的 AI 研发平台
前端·人工智能·npm
2601_965619692 小时前
让开源项目「会说话」：AI自动生成语音讲解+演示
人工智能·开源
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02如何新建文件夹？ 电脑新建文件夹的4种方法03ai安全工具:CyberStrikeAI安装部署与使用04GitHub 镜像站点05历年考研数学一、数学二、数学三真题试卷及答案PDF06几个好用的ip纯净度检测网站07昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战08Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）09苹果iPA游戏软件资源下载网站10乙二醇水溶液物性参数