GoRavenopen source · self-hosted · ai harness
GoRaven
不是聊天框，是工位。
GoRaven 给团队每个人一个独立的 Agent 工作空间。读文件、写代码、跑命令、调接口、查知识库——你交代任务，它拆步骤、并行推进、交付结果。
quick start
访问 http://localhost:8000 进入初始化流程，创建管理员账户后即可使用。
大多数 AI 工具给你的是一段需要复制粘贴的文本。GoRaven 给你的是成果。 Agent 接下任务，自己规划步骤、派出子智能体、写真实的文件、跑真实的命令。你拿到的是磁盘上的报告、浏览器里的图表、部署好的服务——不是又一段需要你自己动手的建议。
design principles
模型为道, Agent 为器.道可进化,器唯工善
我们不做「记忆与进化」——若不能转化为可泛化的规则或实时检索，那只是刻舟求剑的噪音。模型的进化是模型自己的事，Agent 不该越俎代庖。它的本分只有三件：流程的确定性、工具调用的精度、执行的鲁棒性。假器以自生慧，真器以能尽物用。
可观测优先
协作的本质不是分派任务，而是对齐认知。人与 Agent 的沟通远比人与人更脆弱——你看不见它在想什么，它也猜不到你要什么。执行过程的可观测性，要从产品层面去追求和解决：让每一轮观测，都成为下一轮决策的储备。
OS 优先
模型只有知识和推理，没有眼睛，也没有手。Agent 想要干活，就必须大量调用操作系统的能力。但 Agent 不可能自带一个完整的 OS，所以运行环境和依赖的集成必须是第一优先级。这不是代码和算法能解决的问题——一个好的 Agent，本质上就是一个 Agent OS，只不过你不能真的从头写个操作系统。
工程优先
Agent 太灵活了，工具多了组合根本管不住，剪枝规则改一点，整个流程就跟着跑偏。工程底子不扎实，迭代几轮就没人敢动了。花在工程上的时间，不是为了今天多上一个功能，是为了明年这项目还能继续做。
why goraven
会聊天的 Agent 到处都是，能干活的没几个。
团队优先，不是单人玩具
每人一个独立空间，团队共享项目和技能库。模型配额、工具权限、数据边界，管理员统一管控。这是给整个团队的基础设施。
真能动手
Agent 直接读写文件、执行 Shell、调用 MCP 工具链。内部 API、数据库、私有服务都能接进来。你拿到的是执行结果，不是一段建议文本。
技能把经验变成资产
提示词、脚本、工作流打包成技能，一键安装、统一维护。一个人踩过的坑，全队不用再踩一遍。
知识进入执行现场
制度、文档、接口说明、业务资料进 LLMWiki，Agent 在规划、写代码、查问题时实时检索。回答有依据，不凭记忆瞎编。
子智能体承担长任务
主 Agent 理解目标，边界清晰的子任务委派给子智能体并行推进。复杂工作不再卡在一轮对话里，而是可推进、可汇总、可复盘的执行过程。
Hook 介入每个环节
对话前后、工具调用、SSE 事件流——生命周期各节点都能插入自定义逻辑。不用 Fork 核心代码，也能深度定制 Agent 的运行方式。
一条命令，跑在你的服务器上
数据不出你的服务器。支持 OpenAI、Claude、DeepSeek、Qwen、GLM 及任何兼容接口。模型是可调度资源——按任务选模型，按成本和质量调度。
运营始终可见
Token 趋势、模型分布、用户排名、工具使用排行、异常消耗告警，一块仪表盘看全。团队怎么用 AI，一目了然，然后持续调优。
architecture
五层，一个运行时。接入、编排、能力、模型、存储——每一层都可替换，装配在一起才是产品。价值不在任何单一层，而在整条链路。
真正有价值的从来不是 Agent 本身，而是它能接入多少真实工作。
GoRaven 不发明 Agent。它把 Agent 装进你的服务器、你的工作流、你的团队日常。开源，自部署，数据不出门。够简单，一条命令跑起来；够完整，可以跑很多年。
查看源代码