Raven 开源：用 Agent 管 Agent，4 天搓出完整 FPS 游戏

Raven 是一个开源的超级智能体调度系统，你可以把它理解为一个专门管 Agent 的「总包工头」。它自己不亲自写每一行代码或画图，而是把任务拆解成有向无环图，指挥内置和第三方的专项 Agent 协同交付完整项目。

项目最受关注的战绩，是只凭人类给的一句需求，完全自主运行了约 4 天。经过 42 轮规划、开发和验证，它在 Godot 4 引擎里做出了一个包含竞技场 Boss 战的完整 FPS 游戏，顺便把宣发海报、演示 PPT 和官网全套做完。

它能做什么

除了做游戏，Raven 在长流程任务上的表现也很扎实。在实验场景中，它接管过小型语言模型 nanochat 的预训练任务，在单卡 20 分钟的固定预算内，连续跑了 7 轮、共 172 次训练实验，全程没有一次崩溃，最终把 val_bpb 降低了 5.8%。在流体仿真中，它把溃坝模拟的误差压低了三个数量级；甚至项目自己的英文与中文海报、16 页幻灯片、README 乃至网页版弹射小游戏，都是它自己打包生成的。

系统自带了四个垂直领域的开箱即用 Agent：做深度文献调研的 Raven-Research、负责写代码与修 bug 的 Raven-Code、输出网页和 PPT 的 Raven-Design，以及擅长无人值守跑实验的 Raven-Oncall。同时它还预设了对 Claude Code、Codex、Kimi Code 等 13 种常见工具的支持，通过命令行、ACP 协议或兼容 OpenAI 的接口直接把外部工具拉进来当分包商。

怎么做到自己改进自己

大家都在聊递归自我改进，Raven 的思路是不去碰模型本身的权重，而是把精力放在调优 Agent 的「做事方式」上，也就是它的 harness。它的架构把智能体循环拆成了四个独立的模块：记忆能看到什么、规划如何做、本轮暴露哪些工具、具体执行与动作前的自我校验。

系统里的 Curator 模块会针对这四个环节提出修改，比如重写工具使用策略或加入新的判断逻辑。关键在于，Raven 的打分标准是完全固定的，AI 自己改不了考卷。改动方案必须在基准评测上跑出更好的成绩，且在剥离参考答案的环境下通过测试，才会被正式保存下来。借由底层的 EverOS 长期记忆系统和超过 11 万项技能库，这种优化经验还能在不同会话之间保留。

怎么跑起来

部署 Raven 并不复杂，官方提供了自动化脚本，Linux 和 macOS 用户可以直接通过终端 curl 安装，Windows 用户也可以在 PowerShell 中一键安装。如果你习惯容器化，项目提供了 Docker Compose 配置，拉取后运行容器即可通过本地 18793 端口访问。

启动服务只需要在终端敲入 raven web，就能在浏览器中唤起自带的 WebUI。在网页界面里，你可以直接创建任务、管理接入的第三方 Agent、查看长短期记忆以及调用技能库，也能实时查看智能体的输出文件与执行流。

为什么重要

我们认为 Raven 最聪明的地方，是避开了改动模型参数的昂贵代价，把自我改进落实在了调度策略和工程工作流上。对于经常需要跑自动化实验、多步数据分析或者构建复杂软件的开发者来说，它提供了一个现成的多智能体协作框架，非常值得拉下来体验。

它的出现也释放了一个明确的信号：随着模型调度和工作流可以被 AI 自主迭代，未来应用层的真正门槛将不再是提示词，而是行业特定的验收标准。谁能定义不可篡改的评测体系与严谨的交付质量，谁才能真正驾驭这类能够自我进化的总控智能体。