PenguinHarness 开源智能体自改进框架，允许开发者用极低成本自主构建、评估和优化AI代理，支持多模型与复用技能。 热门评论 PH 用户Hey Product Hunt 👋我们是 LlamaFactory 背后的团队，今天正式发布 PenguinHarness——一个开源、能自我进化的 harness，我们花了过去六个月来构建它。大多数智能体框架都是为人类设计的，需要手动连接 prompt、工具和工作流。我们想做点不一样的：一个专为智能体本身设计的 harness。有了 PenguinHarness，智能体可以构建其他智能体、生成评估数据、分析失败原因、优化 Skills 和工作流、运行回归测试，并保留成功的改进——形成一个完整的自我改进闭环。今天发布的内容包括：🐧 AI 原生的智能体运行时🔌 统一接入 1,000+ 模型🧰 工具执行与上下文/状态管理🧠 可复用且可优化的 Skills📊 自动数据生成与多智能体评估🔁 闭环 harness 进化🏠 完全开源、可自托管在一次实验中，一个智能体仅凭一条 prompt 就构建了一个完整的 RAG 应用，花费大约 $0.02。在我们复杂的数据分析基准测试中，PenguinHarness + DeepSeek 在所有测试配置里取得了最高精度，成本大约是 Claude Code + Opus 的 1/70。我们非常希望听到你对智能体面向的 SDK、自我改进工作流以及接下来应该支持哪些模型或集成的反馈。感谢你来看看 PenguinHarness 🐧https://penguin.ooo/PH 用户封闭循环进化这部分是我最想先做压力测试的。让智能体构建其他智能体、自己生成评估数据、然后保留评分高的改进——这听起来不错，但如果评估数据本身已经带有了智能体自认为“好”的偏见，那就有风险。如果提议修改的系统同时也在给这些修改打分，那么它很可能会优化那些能让自己在自家基准上拿高分的东西，而不是真正在实际中更好用的东西。当被评估的对象也参与了测试数据的生成，你怎么确保评估是诚实的？另外，那个 $0.02 的 RAG 应用数字是个有趣的口号，但我想知道那次运行到底包含了什么。它有没有包含重试、被丢弃的失败尝试，还是仅仅算了一次成功的通过？很多智能体的成本数字都悄悄忽略了在成功之前进行的探索。 热门产品Yaowei Zheng2026-07-23原文 打开互动版
我们是 LlamaFactory 背后的团队，今天正式发布 PenguinHarness——一个开源、能自我进化的 harness，我们花了过去六个月来构建它。
大多数智能体框架都是为人类设计的，需要手动连接 prompt、工具和工作流。我们想做点不一样的：一个专为智能体本身设计的 harness。
有了 PenguinHarness，智能体可以构建其他智能体、生成评估数据、分析失败原因、优化 Skills 和工作流、运行回归测试，并保留成功的改进——形成一个完整的自我改进闭环。
今天发布的内容包括：
🐧 AI 原生的智能体运行时
🔌 统一接入 1,000+ 模型
🧰 工具执行与上下文/状态管理
🧠 可复用且可优化的 Skills
📊 自动数据生成与多智能体评估
🔁 闭环 harness 进化
🏠 完全开源、可自托管
在一次实验中，一个智能体仅凭一条 prompt 就构建了一个完整的 RAG 应用，花费大约 $0.02。
在我们复杂的数据分析基准测试中，PenguinHarness + DeepSeek 在所有测试配置里取得了最高精度，成本大约是 Claude Code + Opus 的 1/70。
我们非常希望听到你对智能体面向的 SDK、自我改进工作流以及接下来应该支持哪些模型或集成的反馈。
感谢你来看看 PenguinHarness 🐧
https://penguin.ooo/
当被评估的对象也参与了测试数据的生成，你怎么确保评估是诚实的？另外，那个 $0.02 的 RAG 应用数字是个有趣的口号，但我想知道那次运行到底包含了什么。它有没有包含重试、被丢弃的失败尝试，还是仅仅算了一次成功的通过？很多智能体的成本数字都悄悄忽略了在成功之前进行的探索。