多智能体自进化开发平台Prism-Shadow/penguin-harness

PenguinHarness

开源、本地的多 Agent 应用自动开发平台全自动创建 · 优化 · 部署 AI 应用

1000+ 模型 · 多平台 · Apache 2.0 · Agent 自进化

= 24" />

为什么选择 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。

PenguinHarness 运行在你的电脑或服务器上，自动串联 Agent 应用的创建、评测、优化与部署。三个递进的理由定义了这个平台：

1. 🏆 以几十分之一的成本，跑出优异的效果

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. ⚡ 一句话生成可运行的 Agent 应用

用一句话描述需求，PenguinHarness 自动构建完整的 Agent 应用——脚手架、代码、运行说明，一步到位：

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. 🧬 原生 Agent 自进化引擎

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

内置插件库

开箱内置四类插件（文档）——Skill，以及驱动目标模式与持续学习的会话钩子；Agent 也能编写并优化自己的 Skill：

| 分类        | 插件                                                                            |
| ----------- | ------------------------------------------------------------------------------- |
| 办公效率    | data-analysis、use-firecrawl、use-bento-slides、humanizer、goal、continual-learning |
| 软件开发    | software-development、use-claude-code                                |
| AI 应用开发 | agent-development、model-development、skill-porting、agent-tuning       |
| Agent 公司  | agent-company                                                                 |

支持的模型

| 模型             | 可用供应商                                                                                       |
| ---------------- | ------------------------------------------------------------------------------------------------ |
| DeepSeek V4      | DeepSeek, OpenRouter, Fireworks AI, SiliconFlow, TokenDance, Qwen Token Plan, Qwen Pay-As-You-Go |
| Kimi K3          | Moonshot AI, OpenRouter, Fireworks AI, TokenDance, Qwen Pay-As-You-Go                            |
| GLM 5.3          | Z.AI, OpenRouter, TokenDance                                                                     |
| Hunyuan 3        | OpenRouter                                                                                       |
| Qwen 3.8 Max     | Qwen Token Plan, Qwen Pay-As-You-Go, OpenRouter, TokenDance                                      |
| GPT 5.6          | OpenAI, OpenRouter                                                                               |
| Gemini 3.7 Flash | Google Gemini, OpenRouter                                                                        |
| Claude 5         | Anthropic, OpenRouter                                                                            |
| Inkling          | OpenRouter, Fireworks AI                                                                         |

上表每个系列只列最新一代，完整预置清单请在应用的模型页查看；只要是 OpenAI 协议的端点都可以接入：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、Windows 10+                         |
| 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

优先使用桌面端，也可以在本地电脑或服务器上安装命令行。两种方式共用 ~/.penguin/data 目录，可自由混用；服务端也可以一条 docker run 起来：

- 🖥️ 桌面端应用——双击安装：内嵌服务端，打开即已登录，全程无需终端。
- ⌨️ 命令行——一行命令（或 npm / 离线包）装出 penguin 命令，penguin web 即在浏览器打开完整 Web 体验 http://127.0.0.1:7364（多会话对话、Agent / 技能 / 模型管理、用量统计、轨迹观测、评估中心）。在线安装器自带 Node 运行时，解压即用；升级与重装不触碰数据。

[!NOTE]
命令行安装后，服务端会以边框提示打印一条首次登录链接（在密码被设置之前每次启动都会重新打印）——打开即可认领内置管理员 admin 并设置密码；模型在应用内「模型」页配置。

🖥️ 桌面端应用

完整的 Web 体验打包为独立应用：内嵌服务端，打开即已登录——无需终端、无登录页、也不用抄初始密码——并与 CLI 安装共用同一个 ~/.penguin/data 数据目录，两者可以混用（一个数据目录同一时刻只运行一个服务端；CLI 已启动实例时，应用会直接接入它）。

从下载页获取桌面端应用。下载页会自动选择可用的 OSS 加速源，安装包也附于每个 GitHub Release。

| 平台          | 安装包                       |
| ------------- | ---------------------------- |
| macOS 11+     | dmg（Apple 芯片 / Intel）    |
| Windows 10+   | 安装程序（.exe，x64）        |
| Linux（x64）  | AppImage / deb               |

macOS 安装包已由 Developer ID 签名并公证，Windows 安装程序已 Authenticode 签名，两个平台首次启动都无需额外放行；只有 Linux 是例外：

🐧 Linux 双击 AppImage 没有反应？

浏览器下载的 AppImage 默认没有执行权限，赋权一次后即可正常启动（deb 包经包管理器安装，无此问题）：

chmod +x penguin-desktop-linux-x86_64.AppImage

🐧🍎 Linux / macOS（在线安装）

curl -fsSL https://penguin.ooo/install.sh | sh
penguin web        # 启动服务并打开 http://127.0.0.1:7364

🪟 Windows（在线安装，PowerShell）

irm https://penguin.ooo/install.ps1 | iex
penguin web        # 启动服务并打开 http://127.0.0.1:7364

📦 npm（任意平台，需 Node >= 24）

npm install -g @prismshadow/penguin-cli
penguin web        # 启动服务并打开 http://127.0.0.1:7364

🐳 Docker

docker run -d --name penguin -p 127.0.0.1:7364:7364 -v penguin-data:/data hiyouga/penguinharness:latest
docker logs penguin       # 首次登录链接，在本机可原样打开

官方镜像以非特权用户在 0.0.0.0:7364 上运行同一个服务端，数据目录落在 /data 卷上，提供 linux/amd64 与 linux/arm64。镜像由本仓库源码构建：latest 在每次 push main 时重建，每个发布版以精确版本号发布（hiyouga/penguinharness:0.2.13），没有会移动的 stable 标签。示例把端口发布在宿主机回环上，因此 Web 应用只在运行 Docker 的那台机器上可达（http://localhost:7364）；要从网络访问，改为发布到所有接口（-p 7364:7364），并尽量置于终结 TLS 的反向代理之后。compose 文件与完整部署说明（反向代理、升级、救援路径）见 Docker 快速开始。

📴 离线安装（无网环境）

每个 GitHub Release 每个目标只附带一个安装包——Linux 与 macOS 各有 x64 / arm64 两种架构，Windows 为 x64，另有不带运行时的 universal 包——同一个文件同时服务在线与离线安装。包内封入程序负载、其 SHA256 校验文件与对应平台的安装器：在有网机器下载这一个文件，拷贝到目标机器，解压一次并运行包内安装器即可——全程无需联网，也不必另外携带校验文件（包内封入的 SHA256 始终强制校验）。

Linux（arm64 机器换用 penguin-linux-arm64.tar.gz）：

mkdir penguin-install
tar -xzf penguin-linux-x64.tar.gz -C penguin-install
./penguin-install/install.sh

macOS（Apple 芯片用 arm64 包，Intel 芯片换用 penguin-darwin-x64.tar.gz）：

mkdir penguin-install
tar -xzf penguin-darwin-arm64.tar.gz -C penguin-install
./penguin-install/install.sh

Windows（解压后双击 install.cmd，或在 PowerShell 中运行）：

Expand-Archive penguin-win32-x64.zip -DestinationPath penguin-install
cd penguin-install
.\install.cmd

🤖 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）：

penguin config model add --provider deepseek --model-id deepseek-flash --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、/clear、/exit、Ctrl-C 中断）
penguin server     # 无界面服务（与 Web 应用同一套 API）

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
- [x] 桌面端应用
- [x] Windows 系统支持
- [ ] Agent 公司与模板
- [ ] 公司级自进化能力
- [ ] 集成 OpenShell（带权限管控的 shell）
- 更多规划，敬请期待……

参与开发

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.zh.md：开发命令、质量门禁、仓库结构与 changelog 规则。

贡献者

感谢每一位为 PenguinHarness 作出贡献的开发者！

引用

如果 PenguinHarness 对你的研究有帮助，请引用：

@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 © 2026 Prism Shadow

由 LlamaFactory 作者 Yaowei Zheng、PrismShadow AI Team 与 Fable 5 共同用 ❤️ 构建。