企业官网建设流程全解析

从Harness of Harnesses看Raven的下一代愿景：自进化多智能体生态架构与22项基准成绩

【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/Raven

Raven 是一个自进化多智能体编排生态系统，官方将其定位为 "The Harness of Harnesses"（驾驭框架的框架）：作为宿主 Agent，它把研究、编程、设计、无人值守自动化等多个专业 Agent 汇聚到一个统一入口，自动生成 DAG 任务图并协调执行，同时在运行中持续自我改进，覆盖从深度研究到 PPT 生成的 22 项基准成绩表现。本文带你从架构到成绩，一次看懂这套多智能体生态的设计思路。

什么是Raven：一句话看懂 Harness of Harnesses

对新手来说，"Harness（马具/框架）"可以理解为一个 Agent 的"工作骨架"：它决定了 Agent 听什么指令、用什么工具、怎样判断任务完成。而 Raven 的野心是做一个"骨架的骨架"——

• 统一入口：你只跟一个界面说话，Raven 负责判断任务该交给谁；
• DAG 编排：把复杂任务拆成有依赖关系的任务图，多个专业 Agent 并行或串行协作；
• 跨会话记忆：由 EverOS 驱动，用户偏好、Agent 经验、领域知识可以跨会话保留；
• 自我进化：harness 本身可以被诊断、打补丁、重新评估，越用越好。

目前 Raven 内置四大 Agent，开箱即用：🦅Raven-Research（深度研究）、Raven-Code（软件开发）、Raven-Design（视觉设计）、Raven-Oncall（无人值守流程自动化）。

架构拆解：自进化多智能体生态的四个关键模块

1. 统一入口 + DAG 任务编排

Raven 接到任务后先生成任务图（Task Graph）：哪些节点可以并行、哪些必须等前序结果，一目了然。例如"写一份宋代美学 PPT"会被编排为：三个 Raven-Research 节点并行调研 → 汇聚到综合节点 → 交给一个 Raven-Design 节点产出幻灯片，整个过程成本约 0.8 美元。

2. 运行时自进化：Agent 跑着跑着就会"改自己"

这是 Raven 架构中最值得关注的部分。Agent 的运行循环被拆成Memory（记忆）、Planning（规划）、Capability（能力）、Action（行动）四个解耦的策略模块：

修改只作用于当前这个 Agent（一段配置或一小段判断逻辑），无需重启，下一轮对话立即生效。"数字人（Persona）"是它的首个应用：描述你想要的助手，Raven 就会自动装配分工、工具范围与检查规则，并根据你的反馈持续打磨。

3. Evolver：离线"进化引擎"，用基准测试驱动改进

如果说运行时自进化是"Agent 改自己"，Evolver则是"研发侧的进化流水线"：它作为一个独立工具，把 Raven 当库调用，自动执行"诊断失败轨迹 → 设计候选补丁 → 低成本初筛 → K=3 次复测确认 → 三道验证闸门"的漏斗，只有稳定跑赢基线的改动才会被保留为真实的 git 提交。这套流程的方法论写在 docs/specs/self-evolution-loop-sop.md，实现见 evolver/README.md。

4. EverOS 记忆 + SkillForge 技能库

• EverOS Memory：本地优先、Markdown 原生的长期记忆运行时，跨会话召回相关记忆与可复用技能；
• SkillForge：从本地技能库与 SkillHub 目录（11 万+ 技能）中按需检索技能，让 Agent "即需即学"。下图就是技能检索 Demo 的一个输出示例（一只水彩狐狸插画）：

22项基准成绩：四大领域实测表现怎么读

Raven 的四个内置 Agent 在各自领域宣称达到业界领先（SOTA）水平。以下是 README.md 中披露的代表性基准成绩，覆盖编排、研究、编码、设计、值守五大方向：

值得一提的是 Raven-Design 的"方法论沉淀"：它把设计规则整理成可检索的先例文档，Agent 产出前先对照规则索引，避免"AI 味"模板化设计：

新手上手：Raven多智能体生态的3步体验

第 1 步：一行脚本安装。Linux / macOS / WSL2 或 Windows PowerShell 均有官方一键安装脚本（见 README.md 的 Quick Start 章节）；如果只装了 Git 和 Docker，也可以直接克隆仓库后用 Docker Compose 跑起来，仓库地址：

git clone https://gitcode.com/gh_mirrors/raven35/Raven

容器方式的说明在 docker/README.md。

第 2 步：打开 WebUI。运行raven web即可在浏览器里获得统一工作台：聊天、跟踪任务进度、查看文件与产出、浏览记忆和技能，全部在一个界面完成。

第 3 步：下第一个多 Agent 任务。直接用自然语言描述目标（例如"调研某主题并做成 PPT"），Raven 会自动生成 DAG、委派 Agent 并整合结果。内置 Agent 的注册机制见 agents/README.md，开发者进阶流程见 docs/dev.md。

⚠️ Raven 目前处于 pre-alpha 阶段，接口与配置可能快速变化，体验前建议留意官方文档的更新说明。

写在最后

Raven 的下一代愿景可以浓缩为一句话：让"框架"本身成为可进化的资产——Agent 在运行中调整策略，Evolver 在离线时基于 22 项基准持续打磨 harness，EverOS 记忆与 SkillForge 让经验跨会话复利。对于想体验多智能体协作、又希望系统"越用越强"的用户来说，这套架构值得放进你的观察清单。

【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/Raven