Raven: l’harness degli harness per un’intelligenza agentica componibile

Abstract degli autori

Con i progressi dei modelli linguistici di grandi dimensioni, gli agenti di IA stanno passando da compiti isolati e specifici di un dominio a flussi di lavoro di lunga durata che attraversano più domini. Questa transizione mette in luce due sfide: la crescente complessità degli harness rende difficile estenderne la progettazione manuale, mentre uno stretto legame con domini specifici limita la generalità di un singolo harness. La questione centrale, quindi, non è più come progettare un harness più potente per un dominio, ma come costruire autonomamente harness specializzati, migliorarli grazie all’esperienza e coordinarli tra domini diversi. Presentiamo Raven, \emph{The Harness of Harnesses}, un ecosistema multiagente open source che costruisce ed evolve automaticamente harness modulari per modelli e domini specifici, trattando ogni coppia eseguibile modello--harness come un’unità di intelligenza componibile. Per sostenere una \emph{All-Domain Collaboration Network}, il suo Host Agent scompone gli obiettivi, assegna i sottocompiti ad agenti specializzati, coordina le dipendenze tra le operazioni e integra i risultati; un archivio dell’host ed EverOS conservano l’esperienza acquisita nei diversi compiti, mentre Skill Forge la rende disponibile sotto forma di procedure riutilizzabili. La nostra analisi teorica stabilisce condizioni sufficienti affinché questa composizione estenda la copertura affidabile dei compiti oltre quella dei singoli agenti disponibili, a parità di risorse condivise. Nei compiti complessi e di lunga durata, Raven supera nettamente i sistemi ad agenti più avanzati, spingendo avanti la frontiera dell’intelligenza agentica componibile.