Raven

Raven：记忆优先的自进化 Agent Harness

背景故事：为什么需要一个能"自我改进"的 Agent？

想象一下：你每天让 AI 助手帮你处理邮件、编写代码、回答问题，但它每次对话都是从零开始——不知道你上周遇到的问题是怎么解决的，不记得你喜欢的文档风格，更无法把成功的经验固化成可复用的工作流。这就像一位永远失忆的助理，每次见面都像初次相见。

这正是当前 AI Agent 面临的核心困境：缺乏持久记忆和自我进化能力。大多数 Agent 系统依赖检索增强生成（RAG）从向量数据库中"翻找"历史信息，但这种方法无法捕捉复杂的决策轨迹、无法理解上下文演变，更谈不上从经验中提炼普适规律。

EverMind 团队于 2025 年孵化，2026 年 5 月正式开源 Raven，并于 2026 年 7 月 9 日在 PRNewswire 发布正式版产品新闻，旨在为 L3 级数字生活（AI 能重写自身代码、精炼技能、在每次交互中持续进化）提供开源基础设施。Raven 正是构建在这一愿景上的核心产品——一个以记忆为核心、能自我改进的 Agent Harness。

Raven 是什么：给 Agent 用的"工具箱进化版"

Raven 是构建在 EverOS（开源记忆操作系统）之上的自我进化 Agent Harness。它的核心使命是：帮助 Agent 在多次运行中持续改进——不只是执行任务，还要反思执行过程、优化工具、提炼技能、完善策略。

如果把 AI Agent 比作一艘飞船：

• Harness（挽具） 就是飞船的操控台和动力系统——它连接 Agent 与外部世界（工具、记忆、技能）
• EverOS 是飞船的导航记录仪——持久存储每次航行的轨迹，让 Agent 能从历史数据中学习
• Raven 是操控台的"自我升级模块"——每次成功飞行都让飞船本身变得更强

核心能力拆解

1. 记忆驱动的持续进化

Raven 内置多层次记忆系统：

• 用户记忆（User Memory）：长期记录用户偏好、工作习惯、知识背景
• Agent 记忆（Agent Memory）：积累 Agent 的行为模式、成功/失败经验
• 世界知识（World Knowledge）：EverOS 提供的通用知识图谱

当某个工作流被反复成功执行，Raven 会将其提炼为可复用的 Agent Template——就像把一次成功的探险路线固化成地图，下次可以直接使用。

2. MiroThinker 深度研究与推理

Raven 集成了 MiroThinker 引擎，专注于深度研究和复杂推理任务。这使得 Raven 不只是执行简单指令，而是能够：

• 对复杂问题进行多轮假设验证
• 跨会话追踪推理链条
• 将中间结论沉淀为新的工具或技能

3. SkillForge 技能市场

内置 SkillForge 系统，已预置 100,000+ 评估过的技能，覆盖办公效率、专业工作流等多个领域。用户也可以用 raven skill list 浏览内置和本地技能，并支持一键分享到社区。

4. 多消息网关桥接

Raven 不只是终端工具，它通过模块化的 Channel Bridge 连接各类消息平台：

• 即时通讯：Telegram、Discord、Slack、WhatsApp、Matrix（支持 WeChat/企业微信、飞书、钉钉、QQ）
• 邮件：Email 渠道
• 办公：企业微信、飞书、钉钉

这意味着 Raven 可以作为统一的 AI 控制中心，同时管理多个消息渠道。

5. 灵活的运行模式

模式	命令	说明
TUI 终端	raven / raven tui	终端原生交互界面
直接 CLI	raven <prompt>	直接在命令行执行指令
Gateway 守护进程	raven gateway	后台服务，支持 API 调用
消息网关	raven channels	连接外部 IM 平台

6. Agent Templates（Agent 模板）

用户可以将成功的 AI 工作流封装成可复用的模板，一键分享给他人。Raven 的框架设计让任何人都能基于 Raven 构建特定场景的 Agent，并一键发布。

技术架构

Raven 采用模块化插件架构，核心依赖：

组件	技术选型	作用
核心框架	litellm (v1.82+)	统一接入 OpenAI/Anthropic/Gemini/DeepSeek 等多模型
记忆系统	everos (v1.1.2)	持久记忆、Case 轨迹记录、Skill 提炼
MCP 协议	mcp (v1.27+)	Model Context Protocol，支持工具扩展
异步运行时	httpx + anyio	高性能异步 HTTP 和流式处理
CLI 框架	typer + prompt-toolkit	命令行界面和交互式输入
日志系统	loguru	结构化日志
数据验证	pydantic v2	类型安全配置和 API
UI 渲染	rich + Node.js TUI	富文本终端输出和 JS TUI 渲染

TUI Bundle 打包策略：预构建的 TUI（bridge/ui-tui/dist/entry.js）通过 hatch_build.py 钩子在 wheel 构建时条件打包，确保 pip / uv tool install 安装后 raven tui 直接可用，无需源码 checkout。

桥接层（bridge）：TypeScript 编写的桥接层通过 Node.js 提供 MCP 协议兼容性和 OAuth 登录（Codex/GitHub Copilot）支持，体现了 Python+Node.js 混合架构。

代码质量规范（AGENTS.md）：

• 英文注释、Conventional Commits 提交规范
• 仅用 uv 管理依赖（禁止 pip）
• 严格测试覆盖（pytest + ruff linting）
• 贡献前必须阅读 CONTEXT-MAP.md 使用规范术语

部署体验

安装门槛：官方提供 POSIX + PowerShell 双平台一键安装脚本，自动处理 uv、Python 3.12、Node.js 22 全套依赖，真正实现"零手动配置"。

硬件需求：无需 GPU，标准笔记本电脑即可运行。内存 4GB、磁盘 1GB 的要求对现代设备非常友好。

数据隐私：支持完全本地部署，数据不离开用户基础设施，适合对数据安全有要求的企业场景。

不完美之处：目前缺乏 Docker 容器化支持，对已容器化基础设施的团队不太友好。另外作为 2026 年 5 月才发布的新项目（v0.1.5，Alpha 阶段），部分功能仍在快速迭代中，稳定性有待生产环境验证。

行业意义

Raven 的出现代表了一个新兴趋势：AI Agent 从"工具调用者"进化为"自我优化者"。通过记忆系统 + 技能提炼 + 模板共享的组合，Raven 不只是执行任务的工具，更是一个能让 AI 能力持续积累和放大的平台。

EverMind 背靠盛大集团孵化，定位为 Agent 时代记忆基础设施提供商，Raven 与 EverOS 形成协同：EverOS 提供记忆底层，Raven 提供 Agent 上层应用，两者共同构成完整的记忆驱动 AI 生态。

GitHub 趋势显示，2026 年下半年自主 Agent（Self-improving / Self-evolving）类项目增长显著，Raven 在发布后快速积累 2362+ stars，说明市场对"有记忆、能进化"的 Agent 框架有强烈需求。

快速上手

# 一键安装（Linux/macOS）
curl -fsSL https://raven.evermind.ai/install.sh | bash

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

# 配置 API Key 并启动
raven onboard
raven

# 诊断问题
raven doctor

支持 OpenRouter、OpenAI、Anthropic、Gemini、DeepSeek、GitHub Copilot Codex OAuth 等多平台。