开源 AI 包工头 Raven 0.2.0：调度多模型完成全栈开发

卧槽这个刚开源的 AI 包工头 Raven 0.2.0真的有点屌炸，从需求提出到交出、宣发海报、商业路演 PPT 与上线官网，曾经需要消耗一个数十人团队数月周期的生产成本，刚刚被开源代码压缩成了一个自然人和 4 天的算力。

兄弟们敢相信，一个可玩的 3D 游戏需求，它自己连干 4 天，宣发海报、商业路演 PPT 与上线官网全给你做出来，

它不跟 Claude Code Codex 抢活，直接把这些你已经付费的 AI 全收了当员工， 自带任务图和共享记忆，跑几天都不崩，

最狠的是它还会自己改自己的工作流程，能递归自我改进，相当于一个会自己变强的虚拟 AI 公司，真的太牛逼了， 我跟大家大白话拆解清楚，

1｜它到底是啥？

先说 harness， 可以理解成 AI 的“工作手册 + 工具箱”： 怎么看资料、怎么拆任务、能用哪些工具、做完怎么自查。

Claude Code 有一套，Codex 也有一套， 问题是，没有哪套手册什么都擅长， 写代码的那套做不好调研，做调研的那套排不好版。

Raven 管自己叫 harness of harnesses， 翻成人话就是 它不是又一个干活的 AI， 是带一群 AI 的包工头。

2｜它手下有谁？

自带 4 个工种： Research：深度调研，出带出处的报告 Code：把需求写成能跑、测过的代码 Design：做 PPT、图表、品牌物料和网页界面 Oncall：值夜班，跑实验、盯流程，需要人拍板时才叫你

还预置了 13 个第三方 Agent： Claude Code、Codex、Kimi Code、Qwen Code、GitHub Copilot……

你已经付费的 Agent 不用换， 直接变成它的员工。

有它不会的技能， 它会去一个 11 万+ 的技能库里现找。

3｜为什么能连干几天不崩？

普通 Agent 干长活，一般就两种死法： 上下文爆了，忘了前面干过啥； 中间错一步，后面全跟着错。

Raven 的解法： 先把大任务拆成任务图，谁先谁后、哪些能并行，排得清清楚楚； 所有子 Agent 共用一套长期记忆（EverOS），跨会话也记得你的偏好和之前踩过的坑； 游戏那个案例，就是 42 轮“规划→开发→验证”滚出来的。

就像一个真正的项目组： 有排期表，有共享文档，有测试。

4｜最反直觉的：AI 自己改自己的 SOP

以前优化 Agent： 人看日志 → 人改提示词 → 人再跑一遍。

Raven 里有个 Curator， 把 Agent 拆成 4 个位置： →看什么（Memory） →怎么规划（Planning） →能用什么工具（Capability） →下一步做啥、动手前怎么判断（Action）

然后一轮一轮地改。 改的不只是提示词， 工具、技能，甚至判断逻辑的代码都能换。

有两道保险： 改动先验证，过了才装上，没过就打回去重做； 在 RSI 实验里，评分标准它自己改不了。

好比学生能自己改学习方法，但改不了考卷， 这就是它说的 RSI：递归自我改进。

5｜仓库里的 3 个硬核案例（项目方自己公布）

🎮 Godot 4 第一人称射击游戏：自主运行约 4 天，迭代 42 轮，游戏、海报、PPT、网站全包 🧪 nanochat 预训练：7 轮跑了 172 次训练，一次没崩；同样是单卡 20 分钟的预算，核心损失指标又降了 5.8% 🌊 溃坝流体模拟：越界误差降了 3 个数量级；有限元极限载荷搜索，8 轮二分就收敛了

这些成绩没有第三方复现， 但游戏、网站、PPT 都公开放在仓库里，你可以自己点进去看。

6｜怎么上手

① 安装：最骚的一步是把官方给的安装提示词丢给 Claude Code 或 Codex，让你的 AI 帮你装 AI 也可以只装 Git + Docker，用容器跑起来，浏览器打开 localhost:18793

② 接入：把你手上的 Claude Code、Codex 挂进来

③ 派活：别只说“帮我做个 XX”，要写清楚：目标 + 限制条件 + 验收标准 验收标准越硬，它越能自己迭代

④ 盯进度：在网页界面里看任务进度、文件、产出、记忆和技能

⑤ 定制：用一段话描述你想要的助手，Curator 会组一个“主理人 + 专家组”，下次一句话就能开工

7｜谁最该试？

独立开发者：Research 调研竞品 → Code 写 MVP → Design 做落地页和路演 PPT，一条链跑完

科研党：把跑参数、调参、看曲线、写报告丢给 Oncall， 睡一觉起来看结果

团队负责人：把团队天天重复的流程做成专属助手，越用越顺

8｜照例泼盆冷水 官方自己写了：pre-alpha，接口和配置随时会变 Curator 自我改进还是实验功能，跟着源码仓库走，不在安装包里 连跑几天就是一直在烧 token，先设好预算上限 给 Agent 执行命令的权限之前，先把它关进 Docker 或测试环境，别拿它直接碰线上正式环境。

看完这个项目，最大的感受是以前拼的是哪个模型更聪明，接下来拼的是：谁能把一群 AI 组织起来， 还让这个组织自己变强。

说白了，AI 再强，也只是一个员工， Raven 想做的，是一家会自我迭代的公司。

开源，Apache 2.0， 我亲爱的铁汁们最想先让它接手哪件事呢：调研、写代码，还是值夜班？