突发LlamaFactory作者开源PenguinHarness过去LlamaFactory让每个人都能微调大模型现在PenguinHarness希望让每个人都能构建自进化Agent。LlamaFactory的作者郑耀威最近开源了新项目PenguinHarness这个「企鹅驾驭师」能自动完成Agent的构建、评测和持续改进实现从「手动调优Agent」到「Agent自我迭代」的跨越。PenguinHarness是原生支持自我进化的AgentHarness具有轻量、开源、易用的特点。基于原创的Agent内核它能驾驭GPT - 5.6、DeepSeekV4等框架。让Agent自动构建Agent项目初衷与2026年热门的AI4AI、递归自我进化RSI方向相符。Meta前研究总监田渊栋创立的Recursive探索AI递归自我改进潜力证明Agent可训练模型、优化GPU算子MSRA前副院长边江创立的XYZ AI Lab探索出通过运作数百个Agent完成Deep Research模型后训练的路径。而PenguinHarness立志做最好用的开源Harness让Agent自进化无需手动调优。它能让Agent自动构建另一个Agent。以「让AI生成一个RAG应用实现分块检索流式返回通俗易懂的答案并带上引用」为例对比PenguinHarness和OpenAI Codex前者花费时间和成本更少产出的RAG Agent应用几乎可直接落地而Codex结果中英混杂、缺少流式输出。过去开发Agent应用流程复杂即便有Claude Code等工具也不易操作。而PenguinHarness只需说清需求就能完成生成脚手架、Prompt、安装和优化Skill、搭建前端等流程仅花费0.2元Token和一杯咖啡的时间。郑耀威揭示其原理将文件系统作为唯一真相来源Agent、提示词、对话历史都是文件框架负责拼装文件成可运行的Agent对象构造新Agent是文件的复制粘贴。运行时PenguinMessage作为唯一消息协议在模型、环境和用户间交换使PenguinHarness可接入任意代码。PenguinHarness既是Agent框架又是Agent实体。本地可复现的Agent自进化闭环让Agent构建Agent是第一步长远目标是让每人在本地拥有自进化Agent。构建和优化Agent面临挑战郑耀威认为Agent修改易、变好难做好Agent自进化需可靠评估系统。ReAct论文作者姚顺雨称评估是大模型下半场对Agent自进化也适用。为探索准确评估方式郑耀威团队花半年多时间因现有评估大多只有测试集团队自制评估基准GDPevo覆盖六大真实场景划分训练/测试集防止Agent「偷看答案」。PenguinHarness吸纳GDPevo思想将Agent评估和优化凝练为Skills调用后启动多智能体完成调优流程。例如做预测球赛、投资策略、处理电商售后的AgentPenguinHarness可自动调优。视频显示它完成多次迭代Agent分数从53分提升到95分使用DeepSeek V4 Flash正式版仅花0.5元Token。这背后是多智能体协作流程包括生成出题的Benchmark Builder、校准题目难度优化阶段三个Agents组成自进化闭环经过组织评测、独立打分、分析优化、验证迭代四步只有候选版本分数更高才会被接受。和自进化Agent之间的契约为让Agent自进化更「稳」PenguinHarness设计「契约」。限定Agent修改范围为提示词和Skills不触及Harness内核防止安全风险Agent自进化要有快照和回滚能力目标Agent进化中只能看题目不看Rubrics防止Reward Hacking现象所有优化流程形成文件记录用户可审计提供可解释性。该契约形式化为「CONTRACT.md」文件。PenguinHarness的其他有趣特性团队探索Agent自动构建范式时赋予PenguinHarness多种能力。它内置与模型训练、部署相关的Skills可用于启动模型训练和部署集成统一模型网关支持接入1000多种在线与本地模型适配最新模型为DeepSeek装上眼睛实现特定开发模式支持细粒度行为轨迹分析可作为空白Agent样板使用内置Agent设计极简系统提示词少。PenguinHarness在严谨评估基准上配合DeepSeek模型表现出色成本低。团队已将其部署到两个生产场景某体检机构用其生成报告核查Agent核查时间从30分钟减至几十秒某制造企业将其构建的Agents用于流水线作业巡检产线停机时间减少65%产出提升近2倍。PenguinHarness以Apache2.0协议开源支持多系统一键安装可本地部署或远程访问支持团队协同可作为Agent自动构建平台或Codex本地平替。期待其得到更多关注作为Agent生产引擎提升生产力。PenguinHarness背后的团队PenguinHarness由PrismShadow团队于2025年开源专注打造能在真实业务中持续学习的Agent基础平台。创始团队成员包括郑耀威、钱步月、吴雪军、胡俊豪、陈溪。团队使命是将复杂AI能力变成易用、可靠且高效的大众化工具。