PenguinHarness实测：LlamaFactory作者新作，0.2元造自进化Agent

前言：让 Agent 自动构建 Agent

让 Agent 自己搭 Agent，还能自己变强------PenguinHarness（企鹅驾驭师）把这个概念做成了工具。8 月 3 日刚发 0.2.0 版，作者郑耀威（LlamaFactory 作者），Apache-2.0 开源。

项目信息

项	内容
仓库	github.com/Prism-Shado...
官网	penguin.ooo
作者	郑耀威（@hiyouga），LlamaFactory 作者
AI 协作者	Anthropic Claude Fable 5（参与多个 commit）
协议	Apache-2.0
版本	0.2.0（2026-08-03 发布）
提交	134 commits

核心理念

作者的对比很直接：

With LangChain, you build agents by hand --- at 1× speed. With PenguinHarness, agents build agents --- at 100×.

三层能力：

低成本高质量：极简工具集 + 干净的底层接口，更少的工具调用、更少的 token。深度针对 DeepSeek 等开源模型优化
一句话生成 Agent：输入需求，自动完成脚手架搭建、编码、运行说明，端到端
自我进化：Agent 跑基准测试 → 找失分点 → 发 N+1 版本，每轮有快照，Trace 视图可追溯

最炸裂的是第三层------Agent 自己优化自己。运行基准测试，发现哪里丢分，自己改，生成下一个版本，循环往复。准确率能从 50% 提到 90%。

工作原理

Agent 构建 Agent：用户用一句话描述需求，PenguinHarness 的 Agent 自动搭建完整的 Agent 应用（含脚手架、代码、运行指令）
自我进化循环：Agent 运行基准测试 → 识别失分项 → 优化 → 生成下一版本，全程可追溯（Trace 视图 + 快照）
模型层设计 ：模型始终通过明确的 (provider, model_id) 对引用，provider 绝不推断或猜测
OmniMessage 架构 ：完整载荷携带不透明的 fidelity 对象，在 Trace、replay 和 resume 中原样传递

内置 Skills（四大组）

组别	技能
办公生产力	`data-analysis`、`firecrawl`
软件开发	`web-design`、`software-engineering`
AI 应用开发	`penguin-sdk`、`penguin-cli`、`agenthub-models`、`vllm`、`ollama`、`llamafactory`
Agent 调优	`agent-creation`、`benchmark-design`、`agent-evaluation`、`agent-optimization`

Agent 也可以编写和优化自己的 Skill。

支持的模型

模型	Provider
DeepSeek V4	DeepSeek, OpenRouter, Fireworks AI, SiliconFlow
Kimi K3	Moonshot AI, OpenRouter
GLM 5.2	Z.AI, OpenRouter, Fireworks AI, SiliconFlow
Qwen 3.8 Max	Qwen Token Plan, Qwen Pay-As-You-Go
GPT 5.6	OpenRouter
Gemini 3.6 Flash	Google Gemini, OpenRouter
Claude 5	Anthropic, OpenRouter

支持 1000+ 在线和本地模型，任何 OpenAI 协议端点均可使用。

基准测试与竞品对比

对比项	结论
数据分析套件	PenguinHarness 准确率最佳，成本仅 Claude Code 的 1/70
编码套件	与 OpenAI Codex 持平
生成完整 RAG 应用	$0.02（约 ¥0.2）token 消耗

安装

bash 复制代码

# Linux / macOS
curl -fsSL https://penguin.ooo/install.sh | sh

# Windows PowerShell
irm https://penguin.ooo/install.ps1 | iex

# npm（需 Node >= 24）
npm install -g @prismshadow/penguin-cli

# 启动
penguin web   # 打开 http://127.0.0.1:7364

首次登录 admin / penguin-2026，需立即改密码。

模型配置示例：

bash 复制代码

penguin config model add \
  --provider deepseek \
  --model-id deepseek-v4-flash \
  --api-key sk-... \
  --set-default

SDK 用法

javascript 复制代码

import { createAgent, isCompleteModelMessage, userText } from "@prismshadow/penguin-core";

const agent = await createAgent({ agentId: "default_agent" });
const session = await agent.createSession({ workspaceDir: process.cwd() });

for await (const output of session.run([userText("Create hello.txt containing hi")], {
  approve: async () => "allow",
})) {
  if (isCompleteModelMessage(output) && output.payload.type === "text") {
    console.log(output.payload.text);
  }
}

一个有意思的细节

项目协作者里有个名字------Claude Fable 5。对，就是 Anthropic 的那个 Claude。AI 给 AI 项目写代码，作者自己也在用 Agent 造 Agent。这恰好是 PenguinHarness 理念的活样本：Agent 不只是被你调用的工具，它还能参与构建下一代 Agent。

客观评价

优点：

作者背书强（LlamaFactory 作者），持续维护（134 commits，8 月 4 日还在更新）
概念炸裂------Agent 自动构建 Agent + 自我进化，方向前沿
成本极低（$0.02 造 RAG 应用），深度适配开源模型
跨平台 + 一键安装 + Apache-2.0 开源

不足：

版本号 0.2.0------刚发布不久，生产环境慎用，API 可能变动
需要 API Key------至少要配一个模型的 key 才能跑
自我进化效果待长期验证------50%→90% 是作者数据，独立复现案例还少
学习曲线------理解自我进化循环、Trace 视图、Skills 体系需要时间

下载与资源

Apache-2.0 协议开源，作者郑耀威。本资源仅作便捷分发，请支持原作者，去 GitHub 点个 Star。