Claude Code、Codex 组队干活,Raven 新版本既做总调度,也让 Harness 持续进化

Об этом предложении

EverMind 开源的 Raven V0.2.0 跳出仅在模型参数层做递归自我改进的思路,提出可类比人类大脑的是整个 Agent,将模型参数对应大脑皮层做慢速能力巩固,由记忆、技能、提示等构成的 Harness 对应海马实现快速适应,让递归自我改进落地到 Harness 层。该版本包含两大核心设计:一是支持 AI 独立改写 Harness 的模块、代码、提示、策略四类内容,实验性功能 Curator 已跑通从反馈收集到改动校验安装的闭环。二是作为 Harness 的统一编排层,可将自研的研究、编码、设计、持续执行四类专业 Agent 与 Claude Code、Codex 等外部专业 Agent 统一调度,通过有向无环图拆解复杂任务、管理依赖与并行分支,依托 EverOS 留存跨会话的上下文与经验,实现跨模型跨框架的能力组合。多维度评测显示,同底座模型下 Raven 在多 Agent 编排、深度研究、编码、设计、持续执行等多项任务上的表现优于对照的同类 Harness 框架。目前 Raven 已落地 AI 自主优化预训练方案、自主制作自身发布物料、Godot 游戏项目全流程开发等多个实际场景,用户也可通过保存可复用的 Playbook 流程,结合反馈让 Curator 持续调整 Harness 策略,逐步培养适配自身工作习惯的数字伙伴。该版本开放了全套可扩展的 Harness 接口与实验性自改进参考实现,支持开发者直接复用相关能力。

Детали предложения

Провайдер

Readhub

Источник

readhub-rss

Балл

57.35

Уверенность

54%