PenguinHarness
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。
零代码 Harness CLI 与 Web UI，连接 1000+ 模型。
English | 简体中文
## 为什么选择 PenguinHarness
三个递进的理由——从任务效果，到构建方式，再到进化能力。
### 1. 🏆 效果同级，成本低一到两个数量级
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。各自搭配常用模型、同一批任务，正面对比：
**数据分析准确率最高——成本只有 Claude Code 的 1/70。**
### 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：
https://github.com/user-attachments/assets/604eb626-0a5d-4a62-87e3-14ebade1cd5f
**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：跑 Benchmark、找失分点、发布 N+1 版——每轮之前自动快照，每个请求都可在轨迹观测中回放。
https://github.com/user-attachments/assets/aec49ae9-b743-467b-b247-37bedfeaa36e
## 支持的模型
| 模型 | 可用供应商 |
| ---------------- | -------------------------------------------------------------------------------- |
| DeepSeek V4 | DeepSeek, OpenRouter, Fireworks AI, SiliconFlow, Qwen Token Plan |
| Kimi K3 | OpenRouter, Qwen Pay-As-You-Go |
| Kimi K2.6 | Moonshot AI |
| 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。
## 系统需求
| 需求项 | 支持情况 |
| -------- | ------------------------------------------------- |
| 操作系统 | Linux、macOS |
| 架构 | x64、arm64 |
| 运行时 | 一行安装器自带（经 npm 安装需 Node >= 24） |
| 模型 | 至少一个模型的 API key |
## 安装
### 🌐 Web 应用——面向人
🚀 一行安装，启动完整体验（多会话对话、Agent / 技能 / 模型管理、用量统计、轨迹观测、评估中心）：
```bash
curl -fsSL https://penguin.ooo/install.sh | sh
penguin web # 启动服务并打开 http://127.0.0.1:7364（首次登录：admin / penguin-2026）
```
📦 或经 npm 安装：`npm install -g @prismshadow/penguin-cli`。在应用内模型页配置模型后即可对话。
### 🤖 CLI 与 SDK——面向 Agent
同一引擎、可脚本化——为被 Agent 驱动而生（以及让 Agent 构建 Agent）：
```bash
penguin config model add --provider deepseek --model-id deepseek-v4-pro --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、/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
- [ ] Benchmark 套件正式发布
- [ ] 桌面端应用
- [ ] Windows 系统支持
- 更多规划，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）
```
完整工作区指南见 [CONTRIBUTING.md](CONTRIBUTING.md)：开发命令、质量门禁、仓库结构与 changelog 规则。
## 引用
如果 PenguinHarness 对你的研究有帮助，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}
}
```
## 协议
[Apache-2.0](LICENSE) © 2026 Prism Shadow
由 [LlamaFactory](https://github.com/hiyouga/LlamaFactory) 作者 [Yaowei Zheng](https://github.com/hiyouga)、[PrismShadow AI Team](https://github.com/Prism-Shadow) 与 [Fable 5](https://www.anthropic.com/news/claude-fable-5-mythos-5) 共同用 ❤️ 构建。
