2 毛钱生成一个 Agent 应用，这个开源项目有点东西

最近在 GitHub 上翻到一个挺有意思的项目，叫 PenguinHarness。一开始是被它的 slogan 吸引的——“Let AI Build AI”（让 AI 来构建 AI）。

说实话这种口号我见多了，大部分都是噱头。但看到作者是 LlamaFactory 的 Yaowei Zheng（郑耀威），我决定花点时间研究一下。毕竟 LlamaFactory 在微调圈子里算是标杆级的项目（70k+ Star），作者出手的东西一般不会太离谱。

用了一段时间，发现这东西确实有点东西。今天就来聊聊我的使用体验。

一句话解释 PenguinHarness：你用小段自然语言描述想要什么 Agent 应用，它自动帮你把代码、脚手架、运行说明全生成出来。

先说说它解决的是什么问题

搭过 Agent 应用的人应该都有体会：选框架、搭脚手架、配工具、调 Prompt、跑测试、改 Prompt、再测试……一圈下来，真正花在业务逻辑上的时间可能只占三成，剩下七成都在跟框架本身较劲。

PenguinHarness 的思路很直接：这些活儿，让 Agent 自己干。

你只需要用一句话描述需求，比如"帮我做一个 RAG 应用，读取 ./docs 目录，支持自然语言问答"，它就会生成一个完整可运行的应用。

RAG 一句话解释：让 AI 先去翻资料，再根据资料回答你的问题，而不是瞎编。就像开卷考试和闭卷考试的区别。

我实测生成了一个 RAG 应用，token 成本大概 ¥0.2（用的是 DeepSeek V4 Pro）。这个价格说实话有点离谱——两毛钱，连个包子都买不到。

![建议配图：PenguinHarness 主界面截图，展示从输入需求到生成应用的流程]

核心能力：三个让我意外的点

1. 成本低得有点不真实

官方给的数据是：在数据分析任务上，PenguinHarness 的成本约为 Claude Code 的 1/70。

我一开始以为看错了，确认了一下确实是七十分之一。

它是怎么做到的？核心在于刻意精简的工具集。大多数 Agent 框架恨不得给你塞几百个工具，模型每次决策都要在海量选项里挑，token 哗哗地烧。PenguinHarness 反其道而行，工具数量少、接口干净，模型决策路径清晰，token 消耗自然就降下来了。

这就像点菜——菜单 200 页的餐厅，你光翻菜单就得半小时；菜单只有 10 道菜的馆子，坐下就能点。

2. RSI：Agent 自己迭代自己

RSI 是 Recursive Self-Improvement（递归自我改进）的缩写。听起来很玄乎，但它的实际流程很具体：

初始版本 Agent
↓
跑基准测试（benchmark-design + agent-evaluation 技能）
↓
找出哪里失分、为什么失分
↓
生成改进版本（agent-optimization 技能）
↓
存快照 + 版本对比
↓
重复，直到达标或人工介入

关键在于：评估和优化都是 Agent 自己完成的。人的角色变成了设定目标和最终审批。

而且每一轮迭代都有完整快照，可以回退到任意历史版本。不是那种"黑盒自动优化"，整个过程是透明的、可以干预的。

3. 每一步工具调用都要经过你同意

SDK 里有个 approve 回调，设计得很妙：

for await (const output of session.run(
[userText("分析 ./data/sales.csv，输出月度趋势图")],
{
approve: async (toolCall) => {
console.log(`即将执行: ${toolCall.name}`);
return "allow"; // 或 "deny"
},
}
)) {
console.log(output);
}

每次工具要执行操作（读文件、跑命令、发请求），都会先问你一句"允许吗？"。这在生产环境里太重要了——你不会希望 AI 半夜偷偷把你数据库删了。

![建议配图：Trace 视图截图，展示工具调用链路和 token 消耗]

内置技能组：开箱即用的四大类

PenguinHarness 内置了一批技能（Skill），按用途分成四组：

其中 data-analysis 技能在官方基准里精度最高、成本最低，适合需要高频跑分析任务的场景。

怎么用？三种方式

方式一：桌面应用（最省事）

去 penguin.ooo/download 下载对应平台的安装包，内置服务器，不用碰终端。macOS 和 Windows 版都做了签名/公证。

方式二：npm 命令行

npm install -g @prismshadow/penguin-cli
penguin web # 打开 http://127.0.0.1:7364

方式三：一键脚本（Linux/macOS）

curl -fsSL https://penguin.ooo/install.sh | sh
penguin web

装好之后，配置模型、生成应用、交互式对话都是几行命令的事：

# 配置模型
penguin config model add \\
–provider deepseek \\
–model-id deepseek-v4 \\
–api-key sk-...

# 一句话生成应用
penguin run -m "创建一个 RAG 应用，读取 ./docs 目录，支持自然语言问答"

# 交互式对话
penguin chat

# 无 UI 服务器模式
penguin server

![建议配图：终端里运行 penguin run 命令后，生成应用的输出过程]

架构设计：几个值得说的细节

我翻了一下它的架构，有两点印象比较深。

Monorepo + 共享数据目录。桌面应用和 CLI 共用同一个数据目录：

~/.penguin/data/
├── agents/ # Agent 配置
├── sessions/ # 会话快照（RSI 每轮迭代存这里）
├── traces/ # 完整工具调用轨迹
└── models/ # 模型配置

这意味着你在 Web UI 里跑的会话，CLI 里也能看到，配置完全一致。

SDK 用 async generator 模式。把 Agent 执行流建模成"事件流"而不是单次返回，这样每个中间步骤都能被观测和干预。这个设计在需要审批的场景下特别顺手。

async generator 一句话解释：一种可以"边执行边吐结果"的函数，不用等全部跑完才拿到返回值。

和主流框架比，它有什么不一样

需要说明的是，这不是说 LangChain 或 AutoGen 不好。它们各有各的适用场景。PenguinHarness 更像是给"想快速验证想法"的人准备的一条捷径。

模型支持：基本啥都能接

支持任何 OpenAI 协议的 endpoint，覆盖 1000+ 模型：

• 国产：DeepSeek V4、Kimi K3、GLM 5.3、Hunyuan 3、Qwen 3.8 Max
• 海外：GPT 5.6、Gemini 3.7 Flash、Claude 5
• 本地：vLLM / Ollama 部署的任意模型

本地模型接入是内置技能，不是让你自己折腾。对不想依赖第三方 API 的团队来说，这点挺友好。

适合谁用？

我梳理了一下，这几类人应该会比较有感觉：

• 想快速验证 Agent 想法的开发者：不想花一周搭框架，想先看到效果再说
• 需要定期跑数据分析的团队：data-analysis 技能成本和精度都有优势
• AI 平台工程师：需要一套可解释、可审计的 Agent 开发基础设施
• 开源模型用户：通过 vLLM/Ollama 集成，完全本地跑，无 API 依赖

项目信息

• GitHub：github.com/Prism-Shadow/penguin-harness
• 官网：penguin.ooo
• Stars：1,900+
• Forks：198
• License：Apache-2.0
• 主要语言：TypeScript
• 安装：npm install -g @prismshadow/penguin-cli

同作者的相关项目还有 LlamaFactory（LLM 微调框架，70k+ Star），以及内置支持的 vLLM 和 Ollama。

我的看法

PenguinHarness 最有意思的地方在于它回答了一个问题：如果 Agent 已经足够强，为什么不让它来构建自己？

它没有试图做一个"什么都能干"的万能框架，而是把工具集收窄、把成本压下来、把过程透明化。这种克制在当下的 Agent 框架里反而比较少见。

当然，它也不是没有短板。项目还比较年轻（1.9k Star），生态和文档还在完善中。RSI 的实际效果在不同任务上可能有波动，需要自己跑一跑才知道适不适合你的场景。

但如果你正好想快速验证一个 Agent 应用的想法，或者想找一套成本可控、过程透明的 Agent 开发基础设施，花两毛钱试一下，不亏。