来源：机器之心原文
速览
EverMind 发布基于 EverOS 的自我进化 Agent 框架 Raven，核心卖点是让智能体在长期记忆之上持续总结经验、调整技能，并从 L2「记忆增强」走向 L3「自我进化」。1
Raven 的问题意识很直接：多数 AI 助手关掉会话后几乎归零，能检索历史不等于真正内化经验。EverMind 把记忆拆成 User Memory、Agent Memory 和 Knowledge Wiki，希望让智能体形成对用户、自己和世界知识的长期理解。1
图片笔记要点
- EverOS 被描述为 Agent Memory 的底座，采用代理层、记忆层、索引层、接口层的四层架构，重点不是存档，而是把交互沉淀成可调用的画像和经验。1
- Raven 被定位为 Self-Improving Agent Harness，目标覆盖 L3 自我进化体：能反思任务成败、更新技能策略，甚至在闲时调整自身逻辑。1
- 文章称 Raven 内置 100,000 项经过评测的技能，可作为普通用户的全能助手，也可作为开发者构建专属 Agent 的起点。1
- EverMind 还把 Raven 放进一个更大的数字生命路线图：L1 角色化指令体、L2 记忆增强体、L3 自我进化体、L4 全自主数字生命。1
为什么值得看
这篇文章真正有用的地方，是把「长期记忆」从聊天产品功能拉回到 Agent 架构问题。Raven 是否能兑现自我改写、技能淘汰和经验内化，还需要看开源生态和真实任务效果，但它代表了一类正在升温的方向：Agent 不只是调用工具，还要能把失败变成下一次的策略。
图集说明
图 1 为原文 Raven 封面；图 2-4 来自原文 EverOS、数字生命阶段和 Raven 技能体系相关配图。图片均来自机器之心原文。
コメント
ログインするとコメントできます。