Changelog, dev startup, README, AgentHub 0.4.0, model catalog, and landing site (#7)

Branch-length batch covering tooling, the model layer, the Web App and the public surfaces. Highlights: - Changelog: a per-release `changelog/<version>/` tree, grouped by the surface each change touches, with a root CHANGELOG.md holding one line per release. - Dev startup: `scripts/dev-prebuild.mjs` serializes the skills+core prebuild behind a lock and keeps `pnpm install` current; `pnpm dev` runs server+web together. - AgentHub 0.3.3 -> 0.4.0: OmniMessage complete payloads carry one opaque `fidelity` object in place of item-level `signature`/`phase`, threaded verbatim through Trace, replay and resume; malformed classification adapted to the new error types. - Model layer: a model is always referenced by an explicit `(provider, model_id)` pair. The provider is never inferred, guessed or defaulted -- both the catalog inference and the unique-match config resolution are gone, and CLI, SDK, server routes and run_subagent all require the complete pair. Catalog gains the Qwen Token Plan, Qwen Pay-As-You-Go and Fireworks AI gateways, plus an expanded OpenRouter group. - Web App: catalog preset sync and per-group speed test on the Models page, positional slash commands, a markdown renderer, skill-library update reminders, and a vertically centred draft page whose upward menus size themselves to the room available. - Public surfaces: restructured READMEs, the penguin.ooo landing site and blog, refreshed benchmark results for both suites, and the demo videos playing on the landing page. Includes the fixes from a full review of the branch: 23 confirmed findings, among them a provider-inference bug that could send one vendor's API key to another vendor's endpoint, and an Escape handler that destroyed the composer's contents unrecoverably. Verified on the branch head: pnpm test (1127 passing, 7 packages), pnpm typecheck and pnpm format:check clean, Playwright e2e 14/14.
2026-07-21 17:43:31 +08:00
1 parent abf0a2f248
commit d4faee3a1e
@@ -2,44 +2,64 @@
 title: PenguinHarness 正式发布：让 Agent 为你构建 Agent
 date: 2026-07-17
 category: news
-excerpt: 首个支持递归自我进化的开源 Harness 正式发布——以轻量、高效、安全的方式，提供从 Agent 自动构建到持续自我进化的完整基础设施。
+excerpt: 我们在 GDPevo Benchmark 中验证了 Agent 自我进化的能力，现在把它带给所有人——首个支持递归自我进化的开源 Harness 正式发布，从一句话构建 Agent 到持续自我进化，一套基础设施全部覆盖。
 ---

-今天，我们正式发布 **PenguinHarness**——一个为构建与进化 Agent 而生的开源 Harness。它的主旨只有一句话：
+今天，我们正式发布 **PenguinHarness**——一个为构建与进化 Agent 而生的开源 Harness：零代码的 Harness CLI 与 Web UI，连接 1000+ 模型。它要讲的故事只有一句话：

-> Efficient Self-Improving Harness for Everyone.
+> 使用 LangChain，以 1 倍速度人工构建 Agent；使用 PenguinHarness，以 100 倍速度用 Agent 构建 Agent。
+
+## 从 GDPevo 到 PenguinHarness：我们的初心
+
+在 PenguinHarness 之前，我们团队发布了 [GDPevo Benchmark](https://prism-shadow.github.io/GDPevo/)。在 GDPevo 中，我们系统性地验证了一件事：**Agent 可以自我进化**——让 Agent 评估自己的表现、定位失分原因、改写自己的提示词与技能，分数随版本一路上升。
+
+能力验证了，问题就变成了：怎么让每个人都用上它？自我进化不该只是论文里的曲线，而应该是每个开发者桌面上开箱即用的基础设施。**让每个人都能使用 Efficient Self-Improving Harness，这就是我们构建 PenguinHarness 的初心**——它也因此得名：Efficient Self-Improving Harness for Everyone.

 ## 为什么是 PenguinHarness

-过去一年里，Agent 应用的开发范式在快速收敛：真正决定效果的不是庞大的框架，而是一个简洁、可靠、可观测的 Harness。PenguinHarness 从底层重构，不依赖任何 Agent 框架，开源自研 Harness 内核，并率先把三件事带入开源世界：
+三个递进的理由——从任务效果，到构建方式，再到进化能力。

- **Simplest Is the Best**：坚持最小化工具集与简洁的底层接口，以更少的工具调用与 Token 消耗，高效完成复杂任务。
- **Harness for Building Agents**：通过 PenguinHarness SDK，让 Agent 从零自主完成 Agent 应用的构建。
- **Harness for Recursive Self-Improvement**：通过 PenguinHarness Skills，Agent 以自我评估与自我优化实现递归式自我提升。
+### 1. 复杂任务表现更好，成本更低

-后两项能力，PenguinHarness 是业内首个开源实现。
+刻意精简的工具集配合干净的底层接口：更少的工具调用、更少的 Token，对 DeepSeek 等开放模型深度适配。每个产品搭配它常用的模型——比的是大家实际会怎么用——在两套题库上正面对比：

-## 同一模型，同级效果，更低消耗
+![Benchmark：PenguinHarness 在数据分析题库准确率最高、编程题库与 OpenAI Codex 持平，成本仅为两者的零头](/blog-assets/benchmark-light.svg)

-全部使用同一 DeepSeek V4 Pro 模型，与 Claude Code、OpenAI Codex 在两套题库上正面对比（表中为单次运行均值）。
+复杂数据分析（15 题，单次运行；PenguinHarness 与 Codex 为 thinking xhigh，Claude Code 为 max）：

-复杂数据分析（15 题，单次运行）：
+| 实验框架       | 模型名称        | 准确率（%） | Token 用量（M） | 成本（$） |
+| -------------- | --------------- | ----------: | --------------: | --------: |
+| PenguinHarness | DeepSeek V4 Pro |       66.67 |           18.04 |      0.55 |
+| Claude Code    | Claude Opus 4.8 |       53.33 |           22.20 |     38.48 |
+| OpenAI Codex   | GPT-5.5         |       53.33 |           13.72 |     19.41 |

-| 实验框架 | 模型名称 | 准确率（%） | Token 用量（M） | 成本（$） |
-| --- | --- | ---: | ---: | ---: |
-| PenguinHarness | DeepSeek V4 Pro | 66.7 | 18.04 | 0.552 |
-| Claude Code | DeepSeek V4 Pro | 66.7 | 21.17 | 0.641 |
-| OpenAI Codex | DeepSeek V4 Pro | 46.7 | 13.36 | 0.427 |
+代码任务（40 题 × 2 次运行，准确率取全部 80 次结果）：

-代码任务（40 题 × 2 runs 取均值，thinking high、单题 30 分钟超时，人民币计价按 $1 = ¥7 折算）：
+| 实验框架       | 模型名称        | 准确率（%） | Token 用量（M） | 成本（$） |
+| -------------- | --------------- | ----------: | --------------: | --------: |
+| PenguinHarness | DeepSeek V4 Pro |       71.25 |          200.00 |      3.81 |
+| Claude Code    | Claude Opus 4.8 |       86.25 |          151.61 |    146.97 |
+| OpenAI Codex   | GPT-5.5         |       71.25 |          251.20 |    220.08 |

-| 实验框架 | 模型名称 | 准确率（%） | Token 用量（M） | 成本（$） |
-| --- | --- | ---: | ---: | ---: |
-| PenguinHarness | DeepSeek V4 Pro | 50.00 | 2.10 | 0.041 |
-| Claude Code | DeepSeek V4 Pro | 48.75 | 2.00 | 0.048 |
-| OpenAI Codex | DeepSeek V4 Pro | 42.50 | 2.65 | 0.043 |
+Token 与成本均为全套题目合计，不是单次均值。数据分析套件我们准确率最高——66.67% 对另两者的 53.33%——花的钱是 Codex 的 1/35、Claude Code 的 1/70；代码套件与 Codex 同为 71.25%、低于 Claude Code 的 86.25%，但整套题目只花了 $3.81，对方分别是 $220.08 与 $146.97：活干得差不多，账单差出一到两个数量级。

-数据分析套件与 Claude Code 准确率持平、显著超过 OpenAI Codex，同时 Token 消耗少 14.8%、成本低 13.8%；代码套件三者中准确率最高、单次成本最低。
+### 2. 一句话，让 Agent 构建 Agent 应用
+
+输入一句话，Agent 为你构建完整的 Agent 应用——脚手架、代码、运行说明，一步到位：
+
+```text
+收集 https://github.com/ericbuess/claude-code-docs 的文档，做一个化身 Claude Code 配置专家、回答带来源引用的 RAG 问答应用。
+```
+
+这是做出来的成品——一个文档专家：检索增强、引用可点击直达原文、内置示例问题：
+
+![生成的 RAG 应用成品：Claude Code 配置专家，回答带可点击的来源引用与示例问题](/blog-assets/rag-app-zh-light.webp)
+
+**而生成整个 RAG 应用，仅消耗了 0.2 元（$0.02）的 token——使用 DeepSeek V4 Pro 模型。**
+
+### 3. 自进化，越用越强
+
+借助 PenguinHarness 技能库，Agent 自己评估、自己优化：Optimizer 组织多个 Evaluator 并行打分，依据分数与运行轨迹定位失分原因，把 Agent 从版本 N 优化到版本 N+1——每轮之前自动快照，每个请求都可在轨迹观测中回放。自进化演示视频即将上线。

 ## 进化有界，安全先行

@@ -50,22 +70,46 @@ excerpt: 首个支持递归自我进化的开源 Harness 正式发布——以
 - 风险修改之前先留版本快照，任何一次进化都可回退；
 - 完全开源、本地部署，数据不出域，满足企业级数据安全。

-## 现在就可以开始
+## 支持的模型

-一行命令安装（Linux / macOS，x64 / arm64，内嵌 Node 运行时）：
+| 模型             | 可用供应商                                                                       |
+| ---------------- | -------------------------------------------------------------------------------- |
+| DeepSeek V4      | DeepSeek, OpenRouter, Fireworks AI, SiliconFlow, Qwen Token Plan                 |
+| Kimi K3          | Moonshot AI, OpenRouter, Qwen Pay-As-You-Go                                      |
+| GLM 5.2          | Z.AI, OpenRouter, Fireworks AI, SiliconFlow, Qwen Token Plan, Qwen Pay-As-You-Go |
+| Hunyuan 3        | OpenRouter                                                                       |
+| Qwen 3.8 Max     | Qwen Token Plan（预览）                                                          |
+| GPT 5.5          | OpenAI, OpenRouter                                                               |
+| Gemini 3.5 Flash | Google Gemini, OpenRouter                                                        |
+| Claude Opus 4.8  | Anthropic, OpenRouter                                                            |
+
+只要是 OpenAI 协议的端点都可以接入：从上表选择预置，或用自定义端点连接 1000+ 在线与本地模型。
+
+## 如何使用
+
+一行命令安装（Linux / macOS，x64 / arm64，内嵌 Node 运行时），然后启动 Web 界面：

 ```bash
-curl -fsSL https://github.com/Prism-Shadow/penguin-harness/releases/latest/download/install.sh | sh
+curl -fsSL https://penguin.ooo/install.sh | sh
+penguin web        # 打开 http://127.0.0.1:7364（首次登录：admin / penguin-2026）
 ```

-配置模型（以 DeepSeek 为例）后即可运行第一个任务，或用 `penguin web` 打开桌面级 Web 界面：
+进入「模型仓库」页，在 DeepSeek 或 OpenRouter 分组里粘贴 API key 并设为默认；回到对话页，把第一个任务交给 Agent——例如「分析 data.csv，输出各季度销售额汇总」。

-```bash
-penguin config model add --model-id deepseek-v4-pro --api-key sk-your-key --set-default
-penguin run --approve allow-all --message "分析 data.csv，输出各季度销售额汇总"
-penguin web
-```
+## 发展计划

-PenguinHarness 支持 1000 多种在线与本地模型、多智能体协作进化，最低单 CPU 即可运行。通过不断进化，它会让复杂的 AI 开发越来越简单——为你提供更高效、更可靠、更低幻觉、更低成本的 Agent 生产力引擎。
+- Benchmark 套件正式发布；
+- 推出桌面端（Desktop）应用；
+- 支持 Windows 系统；
+- 更多规划，敬请期待。

-欢迎在 [GitHub](https://github.com/Prism-Shadow/penguin-harness) 上关注我们，提出你的第一个 Issue。
+## 加入社区，一起共建
+
+自我进化的 Harness，也需要一个不断进化的社区。欢迎加入讨论、提出需求、贡献代码——你的第一个 Issue 就是最好的开始：
+
+- [Discord](https://discord.gg/eFHKqqcU3D)：与我们和其他开发者实时交流；
+- [X（Twitter）](https://x.com/code_hiyouga)：关注最新动态；
+- [微信群](https://github.com/Prism-Shadow/penguin-harness-community/blob/main/wechat/group.jpg)：中文社区讨论；
+- [GitHub](https://github.com/Prism-Shadow/penguin-harness)：Star、Issue 与 PR 都欢迎。
+
+让每个人都用上会自我进化的 Agent 基础设施——从今天开始。