Raven 開源：用 Agent 管 Agent，4 天搓出完整 FPS 遊戲

Raven 是一個開源的超級智慧體排程系統，你可以把它理解為一個專門管 Agent 的「總包工頭」。它自己不親自寫每一行程式碼或畫圖，而是把任務拆解成有向無環圖，指揮內建和第三方的專項 Agent 協同交付完整專案。

專案最受關注的戰績，是隻憑人類給的一句需求，完全自主運行了約 4 天。經過 42 輪規劃、開發和驗證，它在 Godot 4 引擎裡做出了一個包含競技場 Boss 戰的完整 FPS 遊戲，順便把宣發海報、演示 PPT 和官網全套做完。

它能做什麼

除了做遊戲，Raven 在長流程任務上的表現也很紮實。在實驗場景中，它接管過小型語言模型 nanochat 的預訓練任務，在單卡 20 分鐘的固定預算內，連續跑了 7 輪、共 172 次訓練實驗，全程沒有一次崩潰，最終把 val_bpb 降低了 5.8%。在流體模擬中，它把潰壩模擬的誤差壓低了三個數量級；甚至專案自己的英文與中文海報、16 頁幻燈片、README 乃至網頁版彈射小遊戲，都是它自己打包生成的。

系統自帶了四個垂直領域的開箱即用 Agent：做深度文獻調研的 Raven-Research、負責寫程式碼與修 bug 的 Raven-Code、輸出網頁和 PPT 的 Raven-Design，以及擅長無人值守跑實驗的 Raven-Oncall。同時它還預設了對 Claude Code、Codex、Kimi Code 等 13 種常見工具的支援，通過命令列、ACP 協議或相容 OpenAI 的介面直接把外部工具拉進來當分包商。

怎麼做到自己改進自己

大家都在聊遞迴自我改進，Raven 的思路是不去碰模型本身的權重，而是把精力放在調優 Agent 的「做事方式」上，也就是它的 harness。它的架構把智慧體迴圈拆成了四個獨立的模組：記憶能看到什麼、規劃如何做、本輪暴露哪些工具、具體執行與動作前的自我校驗。

系統裡的 Curator 模組會針對這四個環節提出修改，比如重寫工具使用策略或加入新的判斷邏輯。關鍵在於，Raven 的打分標準是完全固定的，AI 自己改不了考卷。改動方案必須在基準評測上跑出更好的成績，且在剝離參考答案的環境下通過測試，才會被正式儲存下來。藉由底層的 EverOS 長期記憶系統和超過 11 萬項技能庫，這種最佳化經驗還能在不同會話之間保留。

怎麼跑起來

部署 Raven 並不複雜，官方提供了自動化指令碼，Linux 和 macOS 使用者可以直接通過終端 curl 安裝，Windows 使用者也可以在 PowerShell 中一鍵安裝。如果你習慣容器化，專案提供了 Docker Compose 配置，拉取後執行容器即可通過本地 18793 埠訪問。

啟動服務只需要在終端敲入 raven web，就能在瀏覽器中喚起自帶的 WebUI。在網頁介面裡，你可以直接建立任務、管理接入的第三方 Agent、檢視長短期記憶以及呼叫技能庫，也能即時檢視智慧體的輸出檔案與執行流。

為什麼重要

我們認為 Raven 最聰明的地方，是避開了改動模型引數的昂貴代價，把自我改進落實在了排程策略和工程工作流上。對於經常需要跑自動化實驗、多步資料分析或者構建複雜軟體的開發者來說，它提供了一個現成的多智慧體協作框架，非常值得拉下來體驗。

它的出現也釋放了一個明確的訊號：隨著模型排程和工作流可以被 AI 自主迭代，未來應用層的真正門檻將不再是提示詞，而是行業特定的驗收標準。誰能定義不可篡改的評測體系與嚴謹的交付質量，誰才能真正駕馭這類能夠自我進化的總控智慧體。