造Agent还要手调？LlamaFactory作者开源企鹅驾驭师：0.2元让Agent自进化，Codex平替

第一章 手动调Agent太累？它让Agent自己造自己

做过Agent的人都知道一个真相：搭出来只是开始，调好才是噩梦。提示词改八百遍，准确率还在50%上下晃。

8月4日，LlamaFactory的作者郑耀威（GitHub 7万星那位）开了个新坑，叫PenguinHarness，中文名”企鹅驾驭师”。一句话点题：让Agent自动构建Agent，还能自己评测、自己迭代。

它是全球首个支持多Agent自进化的Harness。什么意思？你给它一个目标，它派出Agent去造另一个Agent，造完自己跑评测，分数低就改，改完再测，直到能交付。

最夸张的数据：从零构建一个新Agent，成本只要0.2元。耗时是Codex的一半，成本不到Codex的1/200，结果还更贴近可交付。准确率能从50%一路拉到90%。

Apache 2.0开源，Linux、macOS、Windows 10+全支持，x64和arm64都行。这正是2026年炒得火热的”AI造AI、递归自我进化”方向，被它做成了开箱即用的工具。

第二章 装好就开干：一行命令起Web

装它比想象中简单，官方一行安装器自带Node运行时。

Linux或macOS：curl -fsSL https://penguin.ooo/install.sh | sh，然后 penguin web。Windows的PowerShell里：irm https://penguin.ooo/install.ps1 | iex，同样 penguin web。装完自动打开 http://127.0.0.1:7364。

首次登录默认账号 admin / penguin-2026，进去第一件事——改密码。然后在应用内的Models页面配你的模型API Key，就能开聊了。

不想用在线安装？npm install -g @prismshadow/penguin-cli 也行（需Node >= 24）。每个GitHub Release还附带离线安装包，断网机器解压就能跑。

第三章 一句话构建RAG应用：0.2元的魔法

光吹没用，看实战。在对话框里输入一句：

“收集某个GitHub仓库的文档，做一个带来源引用的RAG问答应用。”

PenguinHarness的Agent会自动把这事拆成几步：抓取仓库文档、生成项目脚手架和依赖配置、实现检索增强和问答逻辑、带上可点击的引用、最后给出启动命令和示例。一套下来，一个完整的文档专家应用就出来了，带检索、带引用、带示例问题。

整个过程的Token成本，约0.2元。你没看错，两毛钱。同样的需求丢给Codex，花钱多几十倍，结果还中英混杂、没有流式、没有引用。

这背后是它的极简设计哲学：内核把Shell当通用接口，系统提示词只有Claude Code的十分之一（1300词对15000词）。轻，才跑得动、迭代得起。

第四章 自进化引擎：50%准确率飙到90%

企鹅驾驭师真正吓人的，是自进化闭环。它不是一次生成就完事，而是”生成—评测—反思—再生成”。

官方给的递归轨迹很说明问题：一个空白Agent基线只有4.81分（满分10）。第一轮，它从一份通过范例里推断出了”结构”，涨到5.61。第二轮，它递归地改自己的约定文件，把固定常量锁定成字面量，直接飙到9.80。

两轮自我迭代，分数单调上升，全程没有人工调参。Agent自己学会了”这个领域的报告该怎么写、哪些字段是死的、哪些是活的”。

这颠覆了过往认知：过去我们以为调Agent靠老师傅手感，现在可以让Agent自己当老师傅，越干越准。你只管定目标，进化交给引擎。

第五章 生产实战：体检报告与产线巡检

别以为这只是玩具。开发团队已经把它塞进了两个真实生产场景。

某体检机构，用企鹅驾驭师生成了一个”医学专家级报告核查Agent”。过去一份报告人工核查要30分钟，现在几十秒。准确率对标真专家，还不知疲倦。

某制造企业，用它造出多个Agent跑流水线巡检：全天候盯设备状态，异常自动恢复。结果产线停机时间减少65%，产出提升近2倍。

这两案例说明一件事：自进化Agent不是实验室demo，是能扛业务的”数字员工”。它便宜、可部署、能评测，老板看了会心动。

第六章 1000+模型随便接，还能当Codex平替

模型自由度是它的另一张王牌。DeepSeek V4、Kimi K3、GLM 5.2、Hunyuan 3、Qwen 3.8 Max、GPT 5.6、Gemini 3.6 Flash、Claude 5……内置预设一大堆，任何OpenAI协议端点也能接，加起来1000多种模型。

它内置的Agent保持极简，把Subagent当核心性能目标优化。多用户隔离、团队协同都支持——既能当Agent自动构建平台，也能当Codex的本地平替，用更低的成本干同样的活。

对国内用户友好：国产模型一键接入，网络稳、合规省心。想省钱，接本地Ollama；想上强度，换旗舰。一套引擎，全场景通吃。

第七章 谁该用？开发者、团队、一人公司

最后说清楚：这玩意儿不是给纯小白玩的，它面向”想认真用Agent的人”。

开发者：你可以用CLI和SDK把它脚本化，让Agent驱动Agent，写工具、跑评测、做递归进化。penguin run -m “做个XX”一句话派活。

团队：多用户隔离、团队协同、评测中心、Trace观测，企业部署的要件它都有。把Agent生产工程化，别再各写各的野脚本。

一人公司：你没精力手调几十个Agent，但你需要它们干活。让企鹅驾驭师当你的”Agent工厂”，0.2元一个造出来，自己迭代到能用，再上岗。2026年，会造Agent的人，比会用Agent的人值钱十倍。