企业官网建设流程全解析

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Agent，PenguinHarness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。