Raven六步Onboard向导实战不写一行配置搞定LLM、沙箱、记忆与渠道设置【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/RavenRaven 的 Onboard 向导raven onboard是这款自进化 Agent 框架的新手友好入口它用六步交互式问答帮你依次完成 LLM 服务商、代码沙箱、聊天渠道、EverOS 长期记忆、深度研究与历史导入的设置全程无需手动编辑~/.raven/config.json。本文带你从零走完整个向导流程。向导总览六步分别配置什么Raven 的 Onboard 向导采用「屏幕状态机」设计每一步都有进度圆点提示随时可以返回上一步CtrlC 退出时已写入的配置也会保留。向导主体逻辑位于 raven/cli/onboard_commands.py。步骤内容是否必须①LLM 服务商与默认模型必须②运行位置本机 / boxlite 沙箱可选③聊天渠道Telegram、飞书、微信等可选④EverOS 长期记忆可选⑤Deep Research 深度研究工具可选⑥从其他 AI 工具导入历史可选 首次安装后直接运行raven向导会自动启动完成配置后无缝进入 TUI 界面之后想重新配置再显式运行raven onboard即可。快速安装 Raven一行脚本搞定macOS / Linux / WSL2curl -fsSL https://raven.evermind.ai/install.sh | bashWindows PowerShellirm https://raven.evermind.ai/install.ps1 | iex如果想从源码运行也可以克隆仓库git clone https://gitcode.com/gh_mirrors/raven35/Raven安装完成后输入raven回车向导就会自动开始——第一屏会让你选择English / 中文(简体)之后所有提示都会以你选的语言显示。详细安装说明见 README.md。步骤一选择 LLM 服务商唯一必须完成的一步Raven 的对话与思考全部由 LLM 驱动所以第 1 步是必填项。服务商选择器按四类分组避免一长串名单让你眼花分组逻辑见 onboard_commands.py 中的目录定义API Key 类OpenRouter官方推荐一个 Key 调用多家模型、OpenAI、Anthropic、Gemini、DeepSeek、智谱、阿里云百炼、月之暗面、火山方舟、硅基流动等OAuth 登录类GitHub Copilot、OpenAI Codex、MiniMax浏览器完成登录即可无需填 Key本地部署类Ollama、vLLM / 自托管只需填服务地址不需要 Key兜底选项输入厂商名搜索 LiteLLM 支持的其余厂商或填自建的 OpenAI 兼容端点选好后向导会写入凭证API Key 输入框为隐藏输入OAuth 则弹出浏览器登录在线验证连通性——拉取/v1/models检查 Key 是否有效余额不足、限流、网络错误都会给出对应提示并提供「重试 / 重填 Key / 换服务商 / 仍然继续」的恢复菜单选择默认模型——支持输入筛选、Tab 补全拉不到模型列表时会自动列出已知模型兜底发送一条真实测试消息让 Agent 实际回复一次确认端到端可用验证失败也不会「炸掉」向导失败的凭证会自动回滚到之前的可用状态重新配置不会破坏原有环境。步骤二选择运行位置——本机还是 boxlite 沙箱第 2 步决定 Raven 执行代码 / 命令的位置实现见 onboard_commands.py本机直接运行最简单但向导会明确警告——第三方渠道消息可能注入指令本机模式下这些命令将以宿主机全部权限执行需要你二次确认boxlite 沙箱隔离用轻量虚拟机隔离执行更安全。向导会先探测沙箱是否可用默认分配 2 CPU / 2 GB / 联网若未安装会提示pip install raven[sandbox]安装后重试选错随时可改重跑raven onboard或直接用raven sandbox相关命令即可。沙箱使用文档在 docs/sandbox/usage.md。步骤三接入聊天渠道随时随地找你的 Agent第 3 步让你把 Raven 接到常用 IM渠道簇代码在 raven/cli/onboard_channels.py。渠道列表按「海外常用 → 国内常用 → 小众」排序包括渠道凭证从哪里拿Telegram找 BotFather 发/newbot拿回复的 tokenDiscord开发者门户 → Bot → Reset TokenSlackapi.slack.com/apps 拿bot_token与app_token微信 / 企业微信 / 飞书 / 钉钉 / QQ各开放平台创建应用后拿 ID 与 SecretEmailIMAP / SMTP 设置Gmail / Outlook 用应用专用密码选择渠道后向导会先显示凭证获取指引再逐项询问必填字段渠道可以叠选多个每个字段留空回车都能退回上一步不会误提交。配置完成后用raven gateway启动网关即可在 IM 里直接和 Agent 对话。步骤四启用 EverOS 长期记忆第 4 步接入 EverOS 长期记忆实现见 raven/cli/onboard_everos.py让 Raven 跨会话记住你的偏好与项目知识。关键设计如果第 1 步选的是 OpenAI 兼容的服务商OpenRouter、OpenAI、DeepSeek、自建端点向导可以直接复用主模型的 Key作为记忆的 LLM一行都不用再填。其余角色分工如下LLM 角色必需记忆的写入与整理Embedding 角色建议启用后可做语义召回缺了也只是退化为关键词检索记忆依旧可用Rerank / 多模态角色可选提升召回质量不想要长期记忆直接跳过即可以后随时重跑向导补配。记忆插件的架构设计可阅读 docs/memory-plugin-architecture.md。步骤五Deep Research 深度研究工具第 5 步是可选的深度研究能力基于 MiroThinker用于需要广泛网页搜索、多源阅读与交叉核实的开放式问题最终返回带行内引用的自包含答案。向导会引导你填入 MiroThinker 的 Key 与模型跳过不影响其他功能之后可用raven deep-research enable随时补配。相关介绍见 docs/Proactivity-Plan.md 与 README 的 Deep Research 章节。步骤六从 Claude Code、Codex 等工具冷启动导入如果之前用过其他 AI 工具第 6 步可以把它们的记忆「搬」进 Raven导入器代码在 raven/importer/。流程分四层选择选平台自动扫描本机找到的数据源每行显示该平台的记忆文件与对话数量选档位「仅记忆文件」分钟级、LLM 开销小或「完整导入」含全部对话数小时、开销大选执行方式立即执行带进度条或后台执行之后用raven import status查看确认摘要后开始记忆文件、技能、对话会被分别处理——技能会复制进本地技能池供 Agent 直接复用⚠️ 历史导入依赖第 4 步的 EverOS 记忆跳过记忆的话本步会自动跳过。完成页一张配置摘要 下一步命令清单六步走完后向导会打印一个绿色「 配置完成」面板若个别步骤被跳过且有警告会列出未通过连通测试的项目并用表格回顾你的最终配置服务商、默认模型、运行位置、已接入渠道、记忆开关。随后给出「开始使用」命令清单raven # 启动原生 TUI默认 raven gateway # 运行网关对接渠道 raven agent -m hello, world # 一次性提问 raven channels list # 查看已接入的渠道 raven provider list # 检查服务商配置 raven import run # 手动触发历史导入配置完成后Raven 就是一个能跑起来、有记忆、能接 IM 的自进化 Agent 了——比如让它在技能池里自主找到image-gen技能按 SKILL.md 写脚本调用绘图 API最终产出一张水墨狐狸上图为 demos/skill_retrieval/ 演示的真实运行产物Agent 自主挑选技能、读取 SKILL.md、写脚本并执行完成常见问答 FAQQ1中途 CtrlC 退出了配置会丢吗不会。向导每一步都实时写盘已完成的步骤原样保留重跑raven onboard时已配置项会默认「沿用当前值」直接回车即可跳过。Q2可以脚本化 / 无交互运行向导吗可以。加--non-interactive并通过参数传值例如raven onboard --non-interactive --provider openrouter --api-key KEY --model openrouter/anthropic/claude-3.5-sonnet其余可选步骤都有对应开关--skip-sandbox、--skip-channel、--skip-memory、--skip-deep-research、--skip-import。Q3Key 填错了向导会留下坏配置吗不会。重新配置失败时凭证会自动回滚到本次修改前的值并且会提供重试、换服务商等恢复选项不会把坏 Key 留给你。Q4向导跑完发现某项没配好怎么办运行raven doctor检查配置完整性或重跑raven onboard加--reset可整体重来各步骤仍以当前值为默认。写在最后Raven 的六步 Onboard 向导把「装好 → 能用」的门槛压到了最低选一个服务商、发一条测试消息你的 Agent 就开始工作沙箱、IM 渠道、长期记忆、深度研究、历史迁移全部按需开启且每一步都做了连通性验证与失败回滚。对于新手来说这基本是「不写一行配置」接入 LLM 沙箱 Agent 生态的最短路径——花几分钟走完向导剩下的就是和 Agent 一起干活了。 更多配置细节可参考 docs/ 目录下的官方文档。【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/Raven创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Raven六步Onboard向导实战：不写一行配置搞定LLM、沙箱、记忆与渠道设置
Raven六步Onboard向导实战不写一行配置搞定LLM、沙箱、记忆与渠道设置【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/RavenRaven 的 Onboard 向导raven onboard是这款自进化 Agent 框架的新手友好入口它用六步交互式问答帮你依次完成 LLM 服务商、代码沙箱、聊天渠道、EverOS 长期记忆、深度研究与历史导入的设置全程无需手动编辑~/.raven/config.json。本文带你从零走完整个向导流程。向导总览六步分别配置什么Raven 的 Onboard 向导采用「屏幕状态机」设计每一步都有进度圆点提示随时可以返回上一步CtrlC 退出时已写入的配置也会保留。向导主体逻辑位于 raven/cli/onboard_commands.py。步骤内容是否必须①LLM 服务商与默认模型必须②运行位置本机 / boxlite 沙箱可选③聊天渠道Telegram、飞书、微信等可选④EverOS 长期记忆可选⑤Deep Research 深度研究工具可选⑥从其他 AI 工具导入历史可选 首次安装后直接运行raven向导会自动启动完成配置后无缝进入 TUI 界面之后想重新配置再显式运行raven onboard即可。快速安装 Raven一行脚本搞定macOS / Linux / WSL2curl -fsSL https://raven.evermind.ai/install.sh | bashWindows PowerShellirm https://raven.evermind.ai/install.ps1 | iex如果想从源码运行也可以克隆仓库git clone https://gitcode.com/gh_mirrors/raven35/Raven安装完成后输入raven回车向导就会自动开始——第一屏会让你选择English / 中文(简体)之后所有提示都会以你选的语言显示。详细安装说明见 README.md。步骤一选择 LLM 服务商唯一必须完成的一步Raven 的对话与思考全部由 LLM 驱动所以第 1 步是必填项。服务商选择器按四类分组避免一长串名单让你眼花分组逻辑见 onboard_commands.py 中的目录定义API Key 类OpenRouter官方推荐一个 Key 调用多家模型、OpenAI、Anthropic、Gemini、DeepSeek、智谱、阿里云百炼、月之暗面、火山方舟、硅基流动等OAuth 登录类GitHub Copilot、OpenAI Codex、MiniMax浏览器完成登录即可无需填 Key本地部署类Ollama、vLLM / 自托管只需填服务地址不需要 Key兜底选项输入厂商名搜索 LiteLLM 支持的其余厂商或填自建的 OpenAI 兼容端点选好后向导会写入凭证API Key 输入框为隐藏输入OAuth 则弹出浏览器登录在线验证连通性——拉取/v1/models检查 Key 是否有效余额不足、限流、网络错误都会给出对应提示并提供「重试 / 重填 Key / 换服务商 / 仍然继续」的恢复菜单选择默认模型——支持输入筛选、Tab 补全拉不到模型列表时会自动列出已知模型兜底发送一条真实测试消息让 Agent 实际回复一次确认端到端可用验证失败也不会「炸掉」向导失败的凭证会自动回滚到之前的可用状态重新配置不会破坏原有环境。步骤二选择运行位置——本机还是 boxlite 沙箱第 2 步决定 Raven 执行代码 / 命令的位置实现见 onboard_commands.py本机直接运行最简单但向导会明确警告——第三方渠道消息可能注入指令本机模式下这些命令将以宿主机全部权限执行需要你二次确认boxlite 沙箱隔离用轻量虚拟机隔离执行更安全。向导会先探测沙箱是否可用默认分配 2 CPU / 2 GB / 联网若未安装会提示pip install raven[sandbox]安装后重试选错随时可改重跑raven onboard或直接用raven sandbox相关命令即可。沙箱使用文档在 docs/sandbox/usage.md。步骤三接入聊天渠道随时随地找你的 Agent第 3 步让你把 Raven 接到常用 IM渠道簇代码在 raven/cli/onboard_channels.py。渠道列表按「海外常用 → 国内常用 → 小众」排序包括渠道凭证从哪里拿Telegram找 BotFather 发/newbot拿回复的 tokenDiscord开发者门户 → Bot → Reset TokenSlackapi.slack.com/apps 拿bot_token与app_token微信 / 企业微信 / 飞书 / 钉钉 / QQ各开放平台创建应用后拿 ID 与 SecretEmailIMAP / SMTP 设置Gmail / Outlook 用应用专用密码选择渠道后向导会先显示凭证获取指引再逐项询问必填字段渠道可以叠选多个每个字段留空回车都能退回上一步不会误提交。配置完成后用raven gateway启动网关即可在 IM 里直接和 Agent 对话。步骤四启用 EverOS 长期记忆第 4 步接入 EverOS 长期记忆实现见 raven/cli/onboard_everos.py让 Raven 跨会话记住你的偏好与项目知识。关键设计如果第 1 步选的是 OpenAI 兼容的服务商OpenRouter、OpenAI、DeepSeek、自建端点向导可以直接复用主模型的 Key作为记忆的 LLM一行都不用再填。其余角色分工如下LLM 角色必需记忆的写入与整理Embedding 角色建议启用后可做语义召回缺了也只是退化为关键词检索记忆依旧可用Rerank / 多模态角色可选提升召回质量不想要长期记忆直接跳过即可以后随时重跑向导补配。记忆插件的架构设计可阅读 docs/memory-plugin-architecture.md。步骤五Deep Research 深度研究工具第 5 步是可选的深度研究能力基于 MiroThinker用于需要广泛网页搜索、多源阅读与交叉核实的开放式问题最终返回带行内引用的自包含答案。向导会引导你填入 MiroThinker 的 Key 与模型跳过不影响其他功能之后可用raven deep-research enable随时补配。相关介绍见 docs/Proactivity-Plan.md 与 README 的 Deep Research 章节。步骤六从 Claude Code、Codex 等工具冷启动导入如果之前用过其他 AI 工具第 6 步可以把它们的记忆「搬」进 Raven导入器代码在 raven/importer/。流程分四层选择选平台自动扫描本机找到的数据源每行显示该平台的记忆文件与对话数量选档位「仅记忆文件」分钟级、LLM 开销小或「完整导入」含全部对话数小时、开销大选执行方式立即执行带进度条或后台执行之后用raven import status查看确认摘要后开始记忆文件、技能、对话会被分别处理——技能会复制进本地技能池供 Agent 直接复用⚠️ 历史导入依赖第 4 步的 EverOS 记忆跳过记忆的话本步会自动跳过。完成页一张配置摘要 下一步命令清单六步走完后向导会打印一个绿色「 配置完成」面板若个别步骤被跳过且有警告会列出未通过连通测试的项目并用表格回顾你的最终配置服务商、默认模型、运行位置、已接入渠道、记忆开关。随后给出「开始使用」命令清单raven # 启动原生 TUI默认 raven gateway # 运行网关对接渠道 raven agent -m hello, world # 一次性提问 raven channels list # 查看已接入的渠道 raven provider list # 检查服务商配置 raven import run # 手动触发历史导入配置完成后Raven 就是一个能跑起来、有记忆、能接 IM 的自进化 Agent 了——比如让它在技能池里自主找到image-gen技能按 SKILL.md 写脚本调用绘图 API最终产出一张水墨狐狸上图为 demos/skill_retrieval/ 演示的真实运行产物Agent 自主挑选技能、读取 SKILL.md、写脚本并执行完成常见问答 FAQQ1中途 CtrlC 退出了配置会丢吗不会。向导每一步都实时写盘已完成的步骤原样保留重跑raven onboard时已配置项会默认「沿用当前值」直接回车即可跳过。Q2可以脚本化 / 无交互运行向导吗可以。加--non-interactive并通过参数传值例如raven onboard --non-interactive --provider openrouter --api-key KEY --model openrouter/anthropic/claude-3.5-sonnet其余可选步骤都有对应开关--skip-sandbox、--skip-channel、--skip-memory、--skip-deep-research、--skip-import。Q3Key 填错了向导会留下坏配置吗不会。重新配置失败时凭证会自动回滚到本次修改前的值并且会提供重试、换服务商等恢复选项不会把坏 Key 留给你。Q4向导跑完发现某项没配好怎么办运行raven doctor检查配置完整性或重跑raven onboard加--reset可整体重来各步骤仍以当前值为默认。写在最后Raven 的六步 Onboard 向导把「装好 → 能用」的门槛压到了最低选一个服务商、发一条测试消息你的 Agent 就开始工作沙箱、IM 渠道、长期记忆、深度研究、历史迁移全部按需开启且每一步都做了连通性验证与失败回滚。对于新手来说这基本是「不写一行配置」接入 LLM 沙箱 Agent 生态的最短路径——花几分钟走完向导剩下的就是和 Agent 一起干活了。 更多配置细节可参考 docs/ 目录下的官方文档。【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/Raven创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考