用 Raven 渡鸦搭会自我进化的长期记忆 Agent（告别失忆症）

Raven 的记忆从「切分交互内容为记忆单元」开始。第一步是给它一份初始画像，让它知道该记什么。

在 Raven 工作台新建 Agent，写入初始画像：
{
  "identity": "小龙虾科技 售后负责人 阿哲",
  "preferences": ["回复用「您」", "偏好表格对比", "讨厌机翻腔"],
  "skills": ["处理退款", "写周报"],
  "goals": ["把客诉 24h 内闭环"]
}

这一步等于立「记忆锚点」，
后续对话会围绕这些维度聚成记忆场景。

双向记忆 = 既把新信息写进记忆层，也能在后续对话召回相关场景。配置记忆路由：

# 记忆模块独立，可替换；
# 默认开启 写入/召回 双向通道
memory:
  write: true      # 每次对话后沉淀记忆单元
  recall: true     # 新对话前先检索相关记忆场景
  cluster: auto    # 自动聚类成场景

# 关键点：把「记忆模块」与「工具路由」解耦，
# 你将来想换成自己的向量库也不影响主体。

Raven 内置约 10 万项经评测的技能，靠工具路由把任务派给合适的技能。你只需声明要不要用现成技能库：

tool_routing:
  use_skill_library: true     # 启用内置技能库
  # 也可挂自己的 MCP / API 工具
  custom_tools:
    - name: query_order
      endpoint: https://api.example.com/order

主动性引擎（可选开启）：
  proactive: true   # Agent 会主动预判需求、提前提醒

Raven 的核心亮点是改写自身代码的能力：结合你侧的个性化小模型 EverBrain，它能在任务成功/失败后总结经验、反思并更新能力，形成「自我进化闭环」。

evolution:
  self_reflect: true      # 任务结束自动复盘
  rewrite_policy: safe    # 改写需通过安全校验才生效
  feedback_loop: true     # 反馈（点赞/纠错）反哺技能组合

触发示例：
用户纠错「这封邮件太生硬」→ Agent 反思语气策略
→ 更新该场景的回复模板 → 下次更自然

验证清单：
✓ 关掉对话窗口，重开，问「我上周让你记的偏好是？」
  → 能准确召回（失忆症消失）
✓ 连续几次纠错后，同类问题表现变好（在进化）
✓ 主动场景：到点它主动提醒你该做的事
✓ 安全：重写动作都留痕、可回滚

小技巧：把「记忆场景 + 进化日志」导出，
你能直观看到 Agent 是怎么一点点「认识你」的。