Agent 也能自我进化？LlamaFactory 作者的新开源项目 30 天拿下 1466 星

凌晨两点，Hacker News 上吵翻了天。一条置顶帖，4229 个赞，标题只有一句话：“Don’t post generated/AI-edited comments. HN is for conversation between humans”。AI 生成的内容正在淹没社区，人类在评论区里互相要求“说人话”。

讽刺的是，同一天，GitHub 上最火的开源项目，干的事情恰恰相反——它想让 AI 自己写 AI。

Prism-Shadow/penguin-harness，7 月 19 日创建，30 天拿下 1466 颗星、143 个 fork。项目简介只有一句话：🐧 Harness for RSI. Let AI Build AI。

RSI，Recursive Self-Improvement，递归自我改进。 这不是又一个“帮你写代码”的工具，而是一个让 Agent 自己造 Agent、自己优化自己的框架。

而它的作者，是 Yaowei Zheng（hiyouga）——LlamaFactory 的作者，那个被无数人用来微调大模型的开源项目。

最狠的对比：1/70 的成本，更高的准确率

项目 README 的第一句话就拉满了火药味：

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

用 LangChain 手搓 Agent，是 1 倍速；用 PenguinHarness，Agent 建 Agent，是 100 倍速。

凭什么？它给了一组官方基准测试数据：在数据分析任务上，准确率全场最高，而成本只有 Claude Code 的 1/70；在编程任务上，和 OpenAI Codex 打平，成本也只是对方的一个零头。

怎么做到的？思路其实很朴素：工具集刻意保持极简。少一次工具调用，就少烧一批 token。它不为“看起来很全能”塞入几百个工具，而是把每个 harness 调教到跟它日常搭配的模型最合拍——比如开源模型，就为 DeepSeek 深度优化。

一句话，让 Agent 给你造一个完整的 RAG 应用

它最出圈的能力，是“一句话建应用”。README 里的例子：

Collect the docs from https://github.com/ericbuess/claude-code-docs and build a RAG app that answers Claude Code questions as a configuration expert, citing its sources.

把文档抓下来，做一个能回答 Claude Code 配置问题的 RAG 应用，要求带引用来源。从脚手架到代码到运行说明，全自动。而整个应用的生成，烧掉的 token 成本是 $0.02（约两毛钱人民币），跑在 DeepSeek V4 Pro 上。

不是 demo 级的玩具，是带检索、带引用链接、带内置示例问题的成品。

自我进化：跑基准、丢分、改自己、发 N+1

如果说“一句话建应用”是炫技，那Skills 机制才是这个项目真正的野心。

它内置了四组技能：数据分析、网页设计、软件工程、AI 应用开发、Agent 调优——其中 Agent 调优组包含 agent-creation、benchmark-design、agent-evaluation、agent-optimization 四个技能。

看懂这四个词，就懂它的进化逻辑：

1. 跑一遍 benchmark，找到丢分点
2. 让 Agent 分析自己哪里不行
3. 修改策略，发布 N+1 版本
4. 每轮进化前自动快照，所有请求都能在 Trace 视图里回放

这不是“调参”，是让 Agent 自己给自己发版本号。 传统开发里，“模型不行就换提示词”是玄学；在 penguin-harness 里，“不行”变成了一个可度量的 benchmark 分数，而修复动作由 Agent 自己执行。

技术选型：桌面 + CLI + SDK，三路并进

它不是纯 CLI 项目，而是铺了完整的产品矩阵：

• 桌面端：macOS / Windows / Linux 安装包，双击即用，内嵌服务端，免登录
• CLI：penguin web 一条命令，浏览器里打开 http://127.0.0.1:7364，多会话聊天、Agent 管理、用量统计、评估中心全都有
• SDK：@prismshadow/penguin-core，给 Agent 用的 Agent——可以被别的 Agent 当引擎调用

模型兼容性走“广撒网”路线：预设了 DeepSeek V4、Kimi K3、GLM 5.2、Qwen 3.8 Max、GPT 5.6、Gemini 3.6 Flash、Claude 5 等最新一代模型，同时任何 OpenAI 协议端点都能接，官方说覆盖 1000+ 在线和本地模型。这意味着做多模型对比测试时不用为每个模型单独接 SDK——统一协议入口，切换模型只改一行配置。

数据全存本地 ~/.penguin/data，桌面版和 CLI 版共用同一份数据根目录，换装不换脑。连离线安装都考虑到了：每个 GitHub Release 附带密封了 SHA256 校验和的离线包，断网机器也能装。

关于“AI 建 AI”，该警惕还是该兴奋？

回到开头那条 HN 热帖。社区正在为“AI 生成内容泛滥”头疼，而 penguin-harness 却在加速“AI 生成 AI”。两条新闻放在一起，恰好是 2026 年 AI 行业最真实的张力。

技术路线本身值得肯定：把 Agent 的构建从“手工艺”变成“流水线”，用 benchmark 分数代替玄学调参，这是工程化的胜利。它的路线图里还写着 agent 公司模板、企业级自我进化、OpenShell 权限化 shell 集成——野心不小。

但风险同样真实：当 Agent 开始优化自己，谁来定义“更好”？如果 benchmark 设计有偏，进化方向就会跟着偏。这也是为什么它的路线图第一条，是公开 benchmark 套件——把“自我进化”的评判标准交给社区，而不是关起门来自说自话。

这大概才是“Let AI Build AI”的正确姿势：AI 负责建，人类负责定标准。

GitHub Trending、Hacker News 公开信息整理，项目数据来自 penguin-harness README 与 官方文档