Agent Skills
返回列表
🤖

自进化 Agent 构建器

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_1a99cb00/penguin-harness。

技能介绍

你要解决什么问题

手工搭一个带前端、后端和 RAG 的 Agent,往往要分别选脚手架、接检索链、再写运行脚本;迭代质量时还得自己设计基准、找失分样例、改 prompt 或工具链。PenguinHarness 的定位是:用自然语言描述需求,自动生成可运行的完整 Agent 应用,并在平台内跑 benchmark → 评估 → 优化 的闭环,而不是只给一份静态模板。

它怎么工作

  • 一句话建 Agent:输入需求后生成端到端应用(界面、后端逻辑、RAG 检索等),文档中强调完整 RAG 应用的 token 成本量级约 $0.02(以其实测为准)。
  • 自进化:内置评估与优化循环;迭代前保留快照,请求可追溯,便于对比版本间在基准上的差异。
  • 内置技能组:办公(data-analysis、firecrawl)、软件开发(web-design、software-engineering)、AI 应用(penguin-sdk、vllm、ollama 等)、Agent 调优(agent-creation、benchmark-design、agent-evaluation、agent-optimization),共 14 个技能,可按场景组合。
  • 模型与部署:支持多种主流/开源模型及 OpenAI 协议自定义端点;桌面端内嵌服务或 penguin web CLI 共享 ~/.penguin/data 数据根。

边界与注意点

它擅长快速产出 Agent 应用与评测迭代流水线,不是通用低代码平台的全替代品。子 Agent 批量生产、多模型对比评测等场景依赖你定义清晰的 benchmark 与需求描述;极端定制化业务逻辑仍需在生成结果上二次开发。

使用场景

  • 产品同学用一句话描述「带文档检索的客服问答」,要拿到可本地跑通的 Web + RAG 原型,而不是从零写脚手架
  • 数据团队在固定题库上跑 Agent,要根据失分案例自动出下一版并保留每版快照对比
  • 需要在 DeepSeek 等开源模型上复现数据分析类 benchmark,并控制单次评测 token 开销
  • 已有母 Agent 工作流,要按模板批量生成多套专用子 Agent(如不同业务线的分析助手)

适合人员

  • 负责 Agent PoC 的后端工程师,希望几天内从需求语句落到可演示的 RAG 全栈应用
  • 搭建模型对比与 Agent 质量门禁的 MLOps,需要内置 benchmark 设计与评估技能成套接入
  • 独立开发者用桌面版免终端跑通 `penguin web`,管理多会话、Trace 与评估中心
  • 平台型团队把 PenguinHarness 当「母机」,按统一规范批量产出垂直场景子 Agent