PenguinHarness 标志

PenguinHarness

统一、稳定的 Agent 自进化框架
全自动优化：任意模型 · 任意算法 · 任意 Benchmark

下载应用

npm 版本 CI 部署站点 协议：Apache-2.0 Node >= 24

网站 文档 博客

Discord X（Twitter） 微信

PenguinHarness - 让 Agent 自主构建更好的 Agent，只需 $0.02 | Product Hunt

English | 简体中文

PenguinHarness 起始页：Agent、RSI 算法、Benchmark 与示例

## 为什么选择 PenguinHarness PenguinHarness 是开源的 Agent 自进化（recursive self-improvement, RSI）框架。模型保持不变，进化的是 Harness：提示词、Skill、工具和钩子。它可以在你的电脑或服务器上运行，提供桌面端、Web App、CLI 和 SDK。 - **一个框架**，**集齐所有 RSI 算法**。 Default、OPRO、APE、ACE 和 AWM 都以插件形式提供，跑在同一套内置 Benchmark、记分板和快照上。 - **一句话生成一个 Agent 应用**。 描述你的需求，Agent 就会把应用、页面和运行说明都写好。 - **跑起来很便宜**。 工具集刻意保持精简，专为开源模型调优：在我们的数据分析测试集上，以 Claude Code 1/70 的成本取得最高准确率。 ## 自进化 选一个算法，选一个 Benchmark，一个 Agent 就能一轮一轮地优化另一个 Agent。每个候选版本都是一个新版本，改动前先存快照；每个分数都会进入评估中心。 | 工具包 | 算法 | | --- | --- | | `default-rsi-toolkit` | 试跑、反思、提升：每轮一个假设、一处改动 | | `opro-rsi-toolkit` | [OPRO](https://arxiv.org/abs/2309.03409)：从已评分指令的历史中生成新指令 | | `ape-rsi-toolkit` | [APE](https://arxiv.org/abs/2211.01910)：从示例中归纳候选指令 | | `ace-rsi-toolkit` | [ACE](https://arxiv.org/abs/2510.04618)：把 Trace 中的经验提炼成 playbook | | `awm-rsi-toolkit` | [AWM](https://arxiv.org/abs/2409.07429)：从成功的运行中归纳出工作流 | 每个新建的 Project 都自带十七个 Benchmark，以 Harbor 任务的形式跑在 Docker 里：PenguinHarness Benchmark Sec A 到 Sec E（来自 rag-bench-essential、DeepSWE、AutomationBench、Terminal-Bench-Science 和 Terminal-Bench），以及 GDPEVO 的 CRM、ERP、Finance、Healthcare、Legal 和 DataAnalysis 六个领域各自的 Train/Test 对，共十二个 GDPEVO 条目。更多 Benchmark 见 [penguin-harness-benchmark](https://github.com/Prism-Shadow/penguin-harness-benchmark)。

一个 Benchmark 的分数图：三个 Agent 随版本一路攀升

**演示**：以决策智能体为例，经过评测、一次工作方法的改进和同模型复测，分数从 84 提升到 100，每次运行的成本都看得到。 https://github.com/user-attachments/assets/8ab00e36-9da6-4706-aede-5cf63c3080fc ## 一句话，一个应用 ```text 新建一个法务智能体，负责审阅合同、协议等法律文件：找出风险条款、说明理由并给出修改建议。再在法务智能体上做一个 Agent Workbench 标签页，当作它的工作台：我上传文件后，由它在后台分析，完成后生成一份分析报告供我下载。页面上只要上传、文件列表（每个文件的处理状态）和报告下载，不显示任何对话过程；颜色一律取自主题变量，明暗两种主题下都要好看。 ``` 结果：一个法务审阅应用。上传合同后，可以查看每个文件的处理状态，并下载列出风险条款、理由和修改建议的审阅报告。5 次样件审阅的模型花费是 $0.0423。 https://github.com/user-attachments/assets/138744cd-9ab8-42f3-bf6d-b0a25f404132 ## Agent 能做什么
浏览器自动化
Agent 通过 PenguinHarness Browser 扩展操作你自己的 Chrome，也可以用桌面端的内置浏览器。读页面用文本、操作用短脚本，每一步只花很少的 Token。教程

Agent 在浏览器面板里阅读 PenguinHarness 博客 		工作台
每个 Agent 都能有自己的热定制工作台：开口要一个，Agent 就把页面和服务端代码一起写好，作为标签页显示在对话旁边。教程

法务 Agent 的合同工作台页面
远程机器
添加一台机器，服务器通过 ssh 连接它。那台机器上 Workspace 里的会话就在那台机器上运行，而且仍在同一个窗口里。教程

在 devbox 机器上运行的一个会话 		Agent API
通过统一 API 把任意 Agent 接入外部应用：经 HTTP 发送输入，再以 AMSP 事件流读回运行过程。教程

运行一次后的「试一试」面板
回复还可以自带 UI：选项、表单、步骤、Mermaid 图表和实时小组件（[A2UI](https://penguin.ooo/blog/penguinharness-0-2-15)）。 ## 评测结果 每个 Harness 都在自己通常搭配的模型上，跑同一组任务：

Benchmark：PenguinHarness 在数据分析套件上领先，在编程上与 OpenAI Codex 打平，成本只有两家竞品的一小部分

## 内置插件库 Agent 还能编写并优化自己的 Skill（[文档](https://penguin.ooo/docs/skills)）。 | 分类 | 插件 | | -------------------- | ----------------------------------------------------------------------------- | | Agent 自进化 | `default-rsi-toolkit`, `opro-rsi-toolkit`, `ape-rsi-toolkit`, `ace-rsi-toolkit`, `awm-rsi-toolkit` | | 办公效率 | `a2ui`, `data-analysis`, `use-firecrawl`, `browser-automation`, `use-bento-slides`, `humanizer`, `goal`, `continual-learning`, `agent-company`, `penguin-support` | | 软件开发 | `software-development`, `use-claude-code` | | AI 应用开发 | `agent-development`, `agent-evaluation`, `model-development`, `skill-porting` | ## 支持的模型 重点支持以下模型系列。各型号的具体版本和供应商见应用的**模型库**。 ### 闭源模型 | 模型 | 服务商 | | --- | --- | | GPT 6.1 | OpenAI, OpenRouter | | Claude 5.5 | Anthropic, OpenRouter, OpenCode Go | | Gemini 4 | Google Gemini, OpenRouter, Penguin Go, OpenCode Go | | Grok 4.7 | OpenRouter, OpenCode Go | | Qwen3.8 Max | Qwen Token Plan, Qwen Pay-As-You-Go, OpenRouter, TokenDance, OpenCode Go | ### 开源模型 | 模型 | 服务商 | | --- | --- | | DeepSeek V4.1 | DeepSeek, OpenRouter, Fireworks AI, Atlas Cloud, TokenDance, Penguin Go, OpenCode Go, Qwen Token Plan, Qwen Pay-As-You-Go, ModelScope | | Kimi K3 | Moonshot AI, OpenRouter, Fireworks AI, TokenDance, OpenCode Go, Qwen Pay-As-You-Go | | GLM 5.3 | Z.AI, OpenRouter, TokenDance, OpenCode Go | | Hunyuan 4 | OpenRouter, TokenDance, OpenCode Go | | MiMo v2.6 | OpenRouter, TokenDance, OpenCode Go | Claude 5.5 的 OpenCode Go 预设为 Haiku；Fable 5.1、Opus 5.5 和 Sonnet 5.5 可通过 Anthropic、OpenRouter 使用。Hunyuan 4 使用 `hy4-preview`。 此外支持自定义 OpenAI 协议端点，可接入 1000+ 个在线和本地模型。 ## 安装 ### 桌面端 从 [penguin.ooo/download](https://penguin.ooo/download) 下载安装包：macOS 11+（dmg）、Windows 10+（exe）或 Linux x64（AppImage、deb）。应用打开即已登录，无需终端。 ### CLI 与服务器 | 平台 | 安装命令 | | --- | --- | | Linux / macOS | `curl -fsSL https://penguin.ooo/install.sh \| sh` | | Windows（PowerShell） | `irm https://penguin.ooo/install.ps1 \| iex` | | npm（Node >= 24） | `npm install -g @prismshadow/penguin-cli` | 然后运行 `penguin web`：它在 `http://127.0.0.1:7364` 上提供 Web App，在设置密码之前会打印首次登录链接；模型在**模型库**页面配置。桌面端和 CLI 共用 `~/.penguin/data`。 ### Docker ```bash docker run -d --name penguin -p 127.0.0.1:7364:7364 -v penguin-data:/data hiyouga/penguinharness:0.2.18 docker logs penguin # 首次登录链接，在本机可原样打开 ``` 镜像在 7364 端口提供服务，数据存放在 `/data` 卷，适用于 `linux/amd64` 和 `linux/arm64`；`latest` 跟随 `main` 中影响镜像运行代码或构建输入的改动，每次发布也会打上对应版本号的标签。上面的示例只监听回环地址。如需面向网络的部署、Compose 和升级，参见 [Docker 快速上手](https://penguin.ooo/docs/quickstart-docker)。
离线安装（物理隔离的机器） 每个 GitHub Release 为每个目标平台恰好附带一个包：Linux 和 macOS 提供 x64 / arm64 版本，Windows 提供 x64 版本，另有一个不含运行时的通用包。在线安装和离线安装用的是同一个文件。每个包都封入程序本体、对应的 SHA256 校验值和所在平台的安装器。在联网机器上下载这一个文件，拷贝到目标机器，解压一次，运行自带的安装器即可，无需网络，也无需单独携带校验文件（封入的 SHA256 始终会被校验）。 **Linux**（**arm64 机器请使用 `penguin-linux-arm64.tar.gz`**）： ```bash mkdir penguin-install tar -xzf penguin-linux-x64.tar.gz -C penguin-install ./penguin-install/install.sh ``` **macOS**（**以 Apple silicon 为例**；**Intel 机器请使用 `penguin-darwin-x64.tar.gz`**）： ```bash mkdir penguin-install tar -xzf penguin-darwin-arm64.tar.gz -C penguin-install ./penguin-install/install.sh ``` **Windows**（**解压后双击 `install.cmd`**，**或在 PowerShell 中运行**）： ```powershell Expand-Archive penguin-win32-x64.zip -DestinationPath penguin-install cd penguin-install .\install.cmd ```
### Chrome 扩展（可选） [PenguinHarness Browser](https://chromewebstore.google.com/detail/penguinharness-browser/dodgfhpcbmkjfcbgnoidablfgjjhhmgp) 让 Agent 在你自己的 Chrome 里操控你交给它们的标签页。 ## CLI 与 SDK 同一套引擎，支持脚本调用，专为 Agent 驱动而设计： ```bash penguin config model add --provider deepseek --model-id deepseek-flash --api-key sk-... --set-default penguin run -m "Create hello.txt containing Hello, Penguin" # 单次任务 penguin chat # 交互式 REPL（/compact、/clear、/exit、Ctrl-C 中断） penguin server # 无界面服务（与 Web 应用同一套 API） ``` ```ts 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", // 按工具调用逐个审批 })) { if (isCompleteModelMessage(output) && output.payload.type === "text") { console.log(output.payload.text); } } ``` ## 路线图 - [x] Benchmark 套件公开发布 - [x] 桌面端 - [x] 支持 Windows - [x] Agent 公司与模板 - [ ] 公司级自进化 - [ ] 集成 OpenShell（权限管控的 shell） - 还有更多，敬请期待…… ## 参与开发 ```bash pnpm install && pnpm build # 先构建：core 的导出指向 dist/ pnpm dev # 服务端 + Web 一起启动（带前缀日志，依赖只构建一次） ``` 用编码 Agent 开发本仓库：开发用的 Skill 在 `.agents/skills/` 下（`penguin-harness-dev`、`penguin-harness-frontend`、`penguin-harness-manual-test`、`penguin-harness-writing`）。Claude Code 通过 `.claude` → `.agents` 软链接直接加载，无需安装；换用其他 Agent 时，把 `.agents/skills/*` 链接或复制到它读取 Skill 的目录即可。 完整的 Workspace 开发指南见 [CONTRIBUTING.md](.github/CONTRIBUTING.md)：开发命令、质量门禁、仓库布局和 changelog 规则。 ## 贡献者 感谢所有为 PenguinHarness 贡献过的伙伴。

PenguinHarness 贡献者

## 引用 如果你的研究使用了 PenguinHarness，请引用： ```bibtex @software{penguinharness2026, author = {{PrismShadow Team}}, title = {PenguinHarness: Efficient Self-Improving Harness for Everyone}, year = {2026}, url = {https://github.com/Prism-Shadow/penguin-harness}, license = {Apache-2.0} } ``` ## 致谢 本仓库得益于以下项目： - [MinGit](https://github.com/git-for-windows/git)：Windows 上捆绑的 POSIX shell 和 Git - [GenericAgent](https://github.com/lsdefine/genericagent)：内置浏览器自动化 各项目的许可证见 [THIRD-PARTY-NOTICES.md](THIRD-PARTY-NOTICES.md)。 ## 协议 [Apache-2.0](LICENSE) © 2026 Prism Shadow ## 维护团队 **组织**：PrismShadow AI、清和乐章 **维护成员**： - Yaowei Zheng（LlamaFactory、PrismShadow） - Yangxi Xiang - Junhao Hu - Leijun Zhou（PrismShadow） - Zhihao Liu（PrismShadow） - Xiang Qu（PrismShadow） - Hengjin Dou（PrismShadow） - Ning Wang（清和乐章） - Ming Lu（清和乐章） Built with ❤️