DeepSeek Harness 给每个用户定制了一套工作台，PenguinHarness 给每个 Agent 定制了一套工作台。
随着智能体应用逐渐进入真实业务场景，FDE（前沿部署工程师）成了近期 AI 行业的热门话题。
但是，企业需要的 Agent，往往不只是一个通用的聊天助手。比如法务团队希望它能按照公司的审阅标准检查合同，客服团队需要它配合现有流程处理工单。
除了完成任务，Agent 还需要适应不同团队的工作习惯，并在实际使用中不断调优。
过去，要交付这样一套专用的智能体应用，往往需要工程师深入业务场景，反复开发、测试和调整，投入不少时间和成本。随着 Agent 能力不断提升，如何降低定制和交付门槛，也成了值得关注的问题。
DeepSeek Harness 给每个用户定制了一套工作台，而 PenguinHarness 给每个 Agent 定制了一套工作台。
希望让每个 Agent 都能拥有适合自己的工作界面，并通过持续评测和调优，逐步适应实际业务需求。
给每个 Agent，定制一套工作台
PenguinHarness 是一个支持多智能体自进化的桌面应用。除了在聊天窗口中完成任务，它还支持为不同 Agent 创建专属工作台，我们用一个法务 Agent 来看看。
最初，这个法务 Agent 和我们熟悉的聊天助手一样：输入合同条款，就能分析风险，也可以继续追问。
但对于每天需要处理大量合同的法务团队来说，反复上传文件、输入提示词、整理审阅结果，显然不够方便。接下来，只需一句话，就能让 Agent 把原来的对话式界面，改造成专属工作台：
做一个合同法务审核工作台，支持上传合同、查看进度、标出风险条款，并下载审阅报告。
之后，法务人员只需要上传合同，就能查看审核进度、预览风险和下载报告。文件解析、工具调用等工作由 Agent 在后台完成，结果直接呈现在工作台页面。
更重要的是，每个 Agent 都能拥有自己的工作台。法务 Agent 可以审核合同，客服 Agent 可以围绕工单处理流程定制操作界面，数据分析 Agent 也可以生成可视化看板。不同的业务需求，都可以通过定制工作台来实现。
工作台支持热更新，随时按需调整
工作台做好了，后面想增加功能怎么办？
DeepSeek Harness 的热更新能力提供了很好的参考，插件修改后可以重新加载，方便快速验证。PenguinHarness 同样支持工作台热更新。
比如，法务团队使用一段时间后，希望增加一个统计面板，查看当天审核了多少份合同、还有多少份等待处理。
只需要回到聊天窗口，把需求告诉 Agent，它就能修改工作台，更新后直接使用。
每次成功加载的版本都会保留记录。如果改完觉得不合适，也可以随时回滚到之前的版本，不用担心一次修改把原来的工作台弄丢。
配合 Agent 原有能力，组合出更多用法
除了定制界面，PenguinHarness 还可以把工作台和 Agent 原有的能力组合起来。
比如，给法务 Agent 加上长期记忆，让它记住公司的审阅标准、常见风险类型，以及你偏好的报告格式。下次再审核合同，就不用从头交代一遍。还可以设置定时任务，让 Agent 定期汇总待审合同，主动完成一些重复工作。Skill、MCP、浏览器自动化等能力，也都可以接入同一套流程。
工作台负责呈现操作和结果，Agent 则负责调用工具、处理任务。具体怎么组合，可以根据自己的需求来决定。
做最全面的智能体自进化平台
根据我们对 PenguinHarness 团队的采访，PenguinHarness 的长远目标，是要打造成最全面的智能体自进化平台。
目前，PenguinHarness 已经集成了 5 套 RSI 自进化算法和 7 个内置 Benchmark，后续还会继续扩充算法和评测集，目标是逐步达到 100 多个。
PenguinHarness 原生支持每个智能体实现完整自进化循环（Self-Evolution Loop）。从构建评测集、打分、分析执行轨迹，到调优和重新验证，都能在框架里完成。
用法务 Agent，讲透自进化循环
回到刚才法务 Agent，它有时候也会漏掉重要信息。比如合同附件写着“供应商可以把客户资料交给第三方使用”，它漏看了这一条，审阅报告里也就没有提醒数据外传的风险。
这是 LLM 概率模型在实际工作中会遇到的问题。以前，我们要让专家人工定位这类漏判，再手动修改提示词来调优。
现在，可以让 PenguinHarness 针对“漏掉附件里的重要信息”构建一套评测集。
Evaluator Agent 负责打分，Optimizer Agent 检查执行轨迹、自动调优提示词，再让法务 Agent 重新测试。
多个智能体协同，逐轮检查同类漏判有没有减少，让这个循环在 PenguinHarness 内完成。
每轮都有分数和版本记录，效果可以直接看 Benchmark 曲线。此前的决策 Agent 演示中，我们固定 DeepSeek Flash 模型和推理配置，改进它检索证据、核对规则的工作方法后，评测平均分从 84 分提升到 100 分。
决策 Agent 的金色曲线：v1 为 84 分，v2 为 100 分。共 3 题，每个版本每题运行 1 次。
法务 Agent 也可以沿用这套过程，把实际漏判变成下一轮调优的依据。此外，PenguinHarness 还支持对比不同 RSI 自进化算法的效果。开发者可以根据任务特点，选择表现更合适的算法，不必局限于单一的优化方式。
超低成本，让 Agent 可以反复进化
PenguinHarness 始终把用户的 Token 成本放在第一位。
无论是办公、开发，还是做智能体自进化，我们都希望用户能放心地多试几轮。
为此，框架尽量利用 Token 前缀缓存，复用系统指令、工具说明和已有上下文，降低每次调用中重复输入的费用。
从最近一周的使用记录可以看到：每天的调用量在变化，但缓存命中率一直保持在较高水平。上下文越长，稳定复用已有内容的价值就越明显。
10 月 8 – 14 日的真实记录，截自应用成本中心。
根据我们使用 DeepSeek Flash 的实测，生成一套完整的 Agent 应用，模型调用成本不到 1 元；完成一个 Agent 的调优任务，也只需 10 元左右。
从定制工作台到持续调优，都能从很低的预算开始。我们希望用这样的成本，让更多人能亲手完成 Agent 的交付和进化，重新定义 FDE 行业。
连接 TokenDance，创建自己的智能体团队
PenguinHarness 深度适配了观猹的 TokenDance 模型网关。直接登录 TokenDance 账号并授权，无需手动配置 API Key，就能使用 DeepSeek Flash、GLM Flash 等价格低廉的优质开源模型。
最近，PenguinHarness 联合 TokenDance 推出了 Agent 开发冲榜活动，为开发者准备了 1.5 万元 Token 奖池！
10 月 13 日至 23 日，通过 PenguinHarness 使用 TokenDance 调用模型、运行 Agent 项目，就有机会获得 Token 奖励。活动将根据累计 Token 消耗量进行排名，前 400 名均有机会获奖，最高可获得 500 元 Token 额度。
填写下方报名表单即可参与。活动期间，每隔 48 小时会在官方群聊中更新一次排名，活动结束后根据有效调用数据统一结算并发放奖励。
报名入口：
https://prismshadow.feishu.cn/share/base/form/shrcnpbknCKDNkOY7UAaKoYMDbd
快来 PenguinHarness 里连接 TokenDance，创建属于自己的多智能体团队吧！
做智能体自进化，认准 PenguinHarness！
欢迎使用 PenguinHarness 开源项目，也欢迎带着案例、算法和评测集来共建。
下载桌面应用：
https://penguin.ooo/download/
GitHub 开源仓库：
https://github.com/Prism-Shadow/penguin-harness
相关文章
津公网安备12011002023007号