meng shao (@shao__meng) “EverMind 开源了一个多智能体 Host Agent 框架「Raven」，定位是 "the harness of har” — TopicDigg

EverMind 开源了一个多智能体 Host Agent 框架「Raven」，定位是 "the harness of harnesses" @evermind Raven 站在 Claude Code、Codex 等 Coding Agent 之上：把任务拆解为 DAG，调度内置和第三方的专业 Agent 协同完成，并能迭代改进自己的 harness 本身，也就是递归自我改进（Recursive Self-Improvement, RSI）。 开源地址： 为什么是 "Harness of Harnesses"？ 当前 Agent 生态的碎片化问题很明显：Claude Code、Codex 擅长编码、各类 Agent 各有所长，但没有一个统一层去编排它们。Raven 的切入点正是这个空档，它本身是一个“宿主 Agent”，接收复杂任务后： 1. 生成任务 DAG，明确依赖关系，可并行执行的并行执行； 2. 为每个节点分派最合适的 Agent（内置的四个之一，或通过 ACP / CLI / OpenAI 兼容 API 接入的第三方 Agent，官方内置了 Claude Code、Codex、Qwen Code、Kimi Code 等 13 个预设）； 3. 沉淀为可复用的工作流，下次类似任务直接复用。 架构的核心模块 四个内置专业 Agent，各自有明确的职责边界和对应的 benchmark： · Raven-Research：自主深度研究、文献综述、带可溯源引用的结构化报告； · Raven-Code：Agentic 软件开发（SWE-bench Pro/Verified、DataAgentBench 等，README 称 DataAgentBench 以 0.8762 Pass@1 居首）； · Raven-Design：视觉交付物，PPT、海报、图表、Web 界面（PresentBench、ArtifactsBench）； · Raven-Oncall：无人值守的长时工作流自动化，跑数小时的实验、过夜监控、持续优化，官方称在 AI4AI 和 AI4S 基准上于质量、成功率、成本三项均优于 Claude Code。 这是理解 Raven 的关键：Oncall 这类“跑一整夜自己迭代实验”的场景，才是它区别于交互式编码工具的差异化所在。 Evolver 是 RSI 叙事的落地：它把 Agent 主循环拆为四个解耦的策略模块，Memory（本轮看到什么上下文）、Planning（用什么方法）、Capability（每轮可用哪些工具）、Action（下一步做什么及执行前判断）。一个实验性的 "Curator" 会重写这四块的实际代码（不只是 prompt，还包括工具、技能和判断逻辑），候选改动必须先在 benchmark 上打败基线、通过验证门禁才会被安装，且反馈中会剥离参考答案以防“作弊”。首次使用时 Curator 还会根据用户的任务描述组装一个定制化的 "Persona" 团队（一个主理角色 + 若干专家 Agent）。 EverOS Memory 提供跨会话的三层记忆：用户上下文、Agent 自身经验、世界知识。SkillForge 则统一检索本地技能库、记忆和 SkillHub 上约 11.4 万个 Skills。Proactivity 提供事件监听和定时调度（提醒、跟进）。 实证 Showcase · THRESHOLD：约 4 天、42 轮规划/开发/验证循环，全自主产出一款 Godot 4 FPS 游戏，外加海报、演示文稿和官网，这是“长时程多 Agent 协作”的展示； · RSI 实验：7 轮共 172 次 nanochat 训练全程无崩溃，在固定 20 分钟单 GPU 预算下将 val_bpb 降低 5.8%；另有 CFD（溃坝问题超调量降低三个数量级）和 FEA 极限载荷搜索的优化案例； · 发布物料（浏览器物理小游戏、16 页 deck、README 本身）均由 Raven 自己生成，这个“自证”传统与 Claude Code 一脉相承。