Raven V0.2.0 开源：让 AI 改写自己的运行层

由盛大集团孵化的 AI 公司 EverMind 于 2026 年 9 月 23 日发布了 Raven V0.2.0 —— 这是对其开源多智能体 AI 框架的一次重大修订，公司把它描述为「框架的框架」（Harness of Harnesses）：一套用来编排专职 AI 智能体、跨会话保留经验、并通过反馈改进自身操作流程的系统，而这一切都不需要重训底层模型。该版本采用 Apache-2.0 许可，已在 GitHub 上提供。

这个框架的核心主张，挑战的是这个领域通常怎么理解递归自我改进。关于 AI 自我改进的讨论大多聚焦在模型权重上 —— 也就是编码着语言模型知道什么、如何推理的那些内部参数。EverMind 借用的则是认知神经科学里的互补学习系统理论：海马体快速吸收具体经验，皮层缓慢地把一般性知识固化下来。在 Raven 的框架里，模型权重类比于皮层 —— 适合慢速固化 —— 而掌管模型如何规划、如何用工具、如何管理记忆与执行动作的框架层，则应该像海马体那样：适应得快，并且对 AI 驱动的修改是开放的。

由此得到的，是一个把「AI 模型知道什么」与「它怎么工作」分开的框架。Raven V0.2.0 的设计让 AI 可以改写后者 —— 更新提示词、工具可用性、策略代码和 playbook 结构 —— 而不碰前者。

延伸阅读：RSI：AI 加速 AI —— 瓶颈已从能力转移到验证

框架的框架：编排专职智能体

Raven 的架构建立在一个两层结构上。外层是一个宿主智能体 —— 也就是 Raven 本身 —— 它接下一个复杂目标，把它分解成一张任务的有向无环图，把每个节点指派给某个专职智能体，并管理依赖、交接和结果。内层则是每个专职智能体带着自己的执行机制、工具和记忆去做分派到的活。

Raven V0.2.0 内置四个专职智能体：负责深度研究与文献分析的 Raven-Research；负责编码、调试与数据分析的 Raven-Code；负责演示文稿、网页、视觉交付物和品牌素材的 Raven-Design；以及负责长时间实验与持续执行任务的 Raven-Oncall。第五个智能体 Raven-PPT 作为一个隐藏引擎存在，Raven-Design 会把 PowerPoint 相关的活路由给它。

外部智能体 —— 包括 Claude Code、OpenAI 的 Codex 等 —— 通过 Agent Connector 接入，它支持 Agent Communication Protocol、标准命令行接口和 OpenAI 兼容 API。这个连接器会先用一条真实提示词测试每个智能体，然后才把它标记为可用，这样连接失败或认证问题会立刻暴露，而不是等到任务跑到一半。接入之后，外部智能体接收任务分派、返回交付物的方式与内置智能体相同；编排层对它们一视同仁。

实际后果是：一张 Raven 任务图可以把研究子任务路由给 Raven-Research、把编码子任务交给 Claude Code、把设计子任务给 Raven-Design，各自的输出再喂进下一个环节。EverMind 用一个悬臂梁仿真场景演示了这一点：Raven-Research 确定方法，Raven-Code 实现仿真，Raven-Oncall 跑实验并监控收敛结果。任务图会跟踪每个下游节点需要哪些上游输出，当前置节点失败时跳过依赖它的节点，同时让互不依赖的分支继续走下去。

Playbook —— 也就是用户可以保存并复用的任务图 —— 让团队能把一条跑通的多智能体工作流固化下来，之后按名字再次调用。EverMind 把它定位成写自动化脚本之外的另一条路：playbook 是在任务第一次运行时交互式地建起来的，然后就可供后续调用，而不需要开发者把它形式化成代码。

Curator：AI 改写自己的运行层

V0.2.0 里架构上更新颖的一项增补是 Curator，它作为实验性功能放在仓库的 experimental/curator 目录下。Curator 这个组件会读取当前的框架配置，审阅任务结果和用户反馈，对四类框架要素生成修改提案 —— 提示词与 playbook 内容、工具可用性与放行策略、策略代码，以及模块组合 —— 并在一轮校验之后把这些修改装上去。

EverMind 把框架中可修改的要素组织成四个策略接口：记忆（某次对话能访问哪些上下文）、规划（决定任务顺序的排序逻辑）、能力（模型在任一时刻可以调用哪些工具）和动作（某个动作执行前要做哪些检查）。Curator 会生成这些接口的 Python 类实现，把它们绑定到既有的回调点上，并在把任何东西写入磁盘之前跑一遍预安装检查。如果安装失败，前一个框架版本会自动恢复。

整个过程不需要改动 Raven 核心的源代码。所有变更都落在 EverMind 为 AI 驱动的修改而设计的扩展点上：智能体的主目录、插件槽位和公开的策略协议接口。

为了演示 Curator 的运作，EverMind 公布了一个模拟案例研究 —— experimental/simulation/cases/s0925c —— 其中一位虚构的旅行社老板提供素材、扮演客户，并在每次模拟会话后给出反馈。Curator 仅凭最初的素材就生成了流程代码和评分细则检查，随后在多轮之中把用户反馈转化成对正在运行的框架的具体调整。到第三轮评估时，该评估中全部 11 条红线标准都通过了。EverMind 明确说明，这只是一个模拟案例，不是统计意义上的验证，Curator 仍属实验性质。跨场景的稳健性测试、以及与模型权重层面更新的整合，都还没有完成。

延伸阅读：OpenAI 首席科学家警告：在 RSI 到来之前，AI 监控正在失效

基准结果：厂商自报的成绩，以及点名的对比对象

EverMind 随版本发布了一份日期为 2026 年 9 月 27 日的技术报告，涵盖编排、研究、编码、设计和长时实验任务上的基准。下文所有数字除另有说明外均来自 EverMind 自己的评测；独立复现尚未得到确认。

在多智能体编排上 —— 衡量系统生成任务图的准确度 —— Raven 报告了在相同底座模型下对比 Hermes 和 Claude Code 的结果。以 Qwen3.8-27B 为底座时，Raven 的节点 F1 为 0.923、边 F1 为 0.812、偏序准确率 0.950、完全匹配率 0.711；以 DS-V4-Flash-0731 为底座时，对应分数是 0.963、0.897、0.918 和 0.867。EverMind 称两者在相同模型下都高于被对比的系统。

在合并了 BrowseComp、FRAMES、HLE 和 xBench-DeepSearch 的深度研究基准上，Raven-Research 用 Qwen3.6-35B 得 56.3%、用 Qwen3.5-397B 得 59.3%、用 DS-V4-Flash 得 76.5%，而 DeepSeek-Harness 基线对应为 49.7%、56.0% 和 68.9%。

在解决真实软件问题的编码基准 SWE-bench Pro 上，Raven-Code 用 Qwen3.8-27B 报告 54.4% 的问题解决率，对比 Claude Code 的 52.4%。在 SWE-bench Verified 上用 DS-V4-Flash，Raven-Code 报告 91.0%，对比 DeepSeek-Harness 的 90.4% 和 OpenCode 的 90.2%。在代码质量基准 SWE-Refactor 上，DS-V4-Flash 配置下 Raven-Code 得 16.5，Claude Code 为 7.0；用 GPT5.6-Luna Max 时 Raven-Code 得 13.5，Codex 为 10.5。在 DataAgentBench 实时榜单上，Raven-Code 用 Opus-5 报告 Pass@1 为 0.8762，次名系统为 0.8713。

在一项长时实验任务上 —— 用两块 A800 80GB GPU 跑 Nanochat 50M 预训练的 AI4AI 评测 —— Raven-Oncall 在七轮、172 次训练运行中把验证集 bits-per-byte（val_bpb，衡量语言模型困惑度的指标，越低越好）相对降低了 5.8%，且每次运行的算力预算固定为每 GPU 20 分钟。

在一项内部的 AI4S 科学基准上，Raven-Oncall 用 Opus-5 报告 82.35% 的任务成功率，而同样用 Opus-5 的 Claude Code 为 64.71%。

RSI 的实践：AI 改进 AI 的研究方法

在 Curator 之外，EverMind 另做了一个 Raven RSI 实验：让 Raven 自主开展预训练实验，把 val_bpb 作为它不被允许修改的目标。Raven 规划了七轮中的每一轮，写训练代码、启动实验，并根据结果选择调整方向。在 172 次训练运行中相对提升 5.8%、且没有一次训练崩溃，是这个实验的标志性结果。

EverMind 还用 Raven 制作了 V0.2.0 版本自己的宣传素材：一个基于浏览器的物理游戏、一份 16 页的产品资料、中英文海报，以及一份项目 README。公司把这当作一个演示，说明四个专职智能体可以在一张任务图里组合起来，覆盖从代码、内容、视觉到文档的完整生产流程。

平台细节

Raven V0.2.0 引入了由 raven web 提供的网页界面，取代了此前只有终端的形态。这个界面包含对话视图、一个涵盖提供商/技能/插件/渠道/记忆与调度的设置对话框、一个管理外部智能体连接的 Agent Connector，以及一个带文件、智能体和任务面板的工作台。仓库随附 Docker 镜像和 Compose 文件，支持容器化部署。安装器现已支持 Linux、macOS、WSL2 和原生 Windows。

EverMind 的记忆层 EverOS 为用户上下文、智能体经验和世界知识提供跨会话持久化。SkillForge 则按需从本地技能库、EverOS 记忆和一个 SkillHub 目录中检索相关技能。两者都包含在默认安装里。

EverMind 计划在 2026 年 10 月通过其 EverMe 产品推出 Raven 的云托管版本。

完整代码库、安装说明、文档和 Curator 的模拟案例都在 github.com/EverMind-AI/Raven。