Raven：支持可组合Agentic能力的Harness之Harness

摘要

随着大语言模型的进步，人工智能Agent正在超越孤立的、特定领域的任务，转向长期的、跨领域的工作流程。这种转变暴露了两个挑战：增加Harness的复杂性使得手动设计难以扩展，而与特定领域的更紧密的耦合限制了单个Harness的通用性。因此，中心问题从如何为一个领域设计更强大的Harness，转变为如何自主构建专门的Harness，通过经验改进它们，并跨领域编排它们。我们介绍 Raven，\emph{Harness of Harnesses}，这是一个开源多智能体生态系统，可自动构建和发展针对特定模型和领域的模块化Harness，将每个可执行模型-Harness对视为可组合的智能单元。为了支持\emph{全域协作网络}，其主机Agent分解目标、将子任务与专门Agent匹配、协调执行依赖性并集成结果，同时主机存档和 EverOS 保留跨任务的经验，而 Skill Forge 使该经验可作为可重用的过程使用。我们的理论为这种组合建立了充分的条件，以将可靠的任务覆盖范围扩大到共享资源预算下可用的单个Agent的范围之外。在复杂且长期的任务中，Raven 的性能显着优于最先进的Agent系统，推动了可组合 agentic 智能的前沿。