PenguinHarness
在桌面或服务器上构建、运行并持续优化智能体应用。
代码展示了 allow-all、read-only、deny-all 和 always-ask 等权限模式，并测试了逐工具调用审批、EOF 拒绝和中断行为；配置输出会遮蔽 API 密钥，CI 也将模型与签名密钥限制在具体步骤并验证下载的签名工具。不过 CLI 默认 allow-all，审批提示按回车或无关输入都会允许写操作，因而最小权限和确认保护只能给薄弱分；README 仅概括模型端点、Trace 和本地数据目录，未完整说明提示、文件、遥测或第三方网络的数据流。外部写入能力明确但默认约束宽松。每轮快照和升级不触碰数据仅有说明，没有恢复步骤或实现证据。作者、团队、许可证和引用信息清楚，但给定的发布者身份仍未获企业注册表验证。
README、package.json、测试和 CI 对 Node 24、pnpm、构建顺序及主要 CLI 行为大体一致，并提供 Linux/Windows 双平台门禁、冻结锁文件安装和缺少密钥时的明确跳过信息。扣分点是宣传中的当前“未签名”说明与发布工作流的强制签名路径存在语境不清，且多项模型、性能和自进化表述没有随附材料支撑。测试覆盖了部分明确错误与中断路径，安装和签名脚本也有具体失败消息，但未提供足够源码来证明整个产品的错误处理都同样完整。
材料明确面向桌面用户、CLI/SDK 使用者和构建 Agent 的开发者，覆盖交互、一次性任务、服务器及多种模型端点，并列出操作系统、架构和运行时要求。环境适配较充分，但 Node >=24 是较强约束，桌面签名状态也可能因构建类型而异。能力边界主要靠需求、路线图和简短说明表达；对 Agent 可访问的目录、网络、命令范围及不支持场景缺少系统定义。审批模式有精确测试，但默认全允许及宽松的输入解析削弱了触发安全性。
README 结构清晰，安装文档尤其完整，涵盖桌面、在线、npm、离线、三大平台故障处理、开发命令和 SDK 示例，因此安装说明可给满分。产品与包命名基本稳定，也提供路线图、社区和贡献入口。扣分在于没有提供专门 FAQ、完整已知限制、实际 CHANGELOG 或版本兼容政策；仅从 package.json 的 0.2.2、发布工作流注释和 CONTRIBUTING 链接可看到有限版本管理证据。Apache-2.0 元数据与完整许可证一致，可给满分。维护主体和联系渠道可识别，但没有明确支持承诺或维护周期。
CLI、Web、桌面和 SDK 的示例输出路径较直接，Trace、引用式 RAG、配置遮蔽及中断控制对实际使用有价值，因此输出可用性达到普通使用水平。与此同时，“100×”、最佳准确率、1/70 成本和生成应用仅需 0.02 美元等核心增益与成本主张依赖尚未公开的基准；路线图还明确基准套件未公开，故边际价值和成本收益只能视为有吸引力但证据薄弱，不能给高分。
部分工程性主张能由 package.json、审批测试、配置遮蔽测试及跨平台 CI 相互印证，安装器、签名和密钥处理也留下了具体可审计步骤，因此跨来源佐证较好。主要宣传结论则只指向图片或演示，未附任务集、计价方法、原始结果或可检查的基准文件；公开基准仍在路线图中。README 没有始终清楚区分已由仓库证实的事实、演示观察和营销推断，所以可追溯性及事实/推断分离均被扣分。
- CLI 审批默认是 allow-all；即使启用交互审批，按回车或输入无法识别的内容也会允许工具调用。处理不可信任务前应显式使用 always-ask、read-only 或 deny-all。
- Agent 能执行写文件和命令等外部效果；现有材料未完整定义工作区隔离、网络边界或恢复流程，使用前应限制运行账户、目录权限和网络访问。
- 不要据此材料采信 100×、1/70 成本或 0.02 美元等宣传数字；公开基准套件仍列为未完成事项。
- 在线安装命令直接将远程脚本交给 shell 或 PowerShell；高保证环境应先下载、审阅并校验发布包。
- 发布者身份未知并不表示恶意，但在企业部署前应独立核验维护主体、签名证书、发布资产和更新渠道。
这个 Agent 能做什么，适合哪些场景？
PenguinHarness 是一个可自托管的智能体构建与运行环境，提供桌面应用、浏览器 Web 界面、命令行工具和 TypeScript SDK。它可以根据一句任务描述生成包含脚手架、代码和运行说明的智能体应用，也能直接在指定工作目录中执行一次性任务或交互式会话。系统内置数据分析、软件工程、Web 设计、智能体创建、评测和优化等技能，并通过 Trace 视图记录请求，通过评测流程迭代智能体版本。它支持多个模型家族和提供商，也接受兼容 OpenAI 协议的自定义端点，因此可连接在线或本地模型。桌面端与 CLI 共用 `~/.penguin/data`，部署边界可以是个人电脑上的桌面应用、本地 Web 服务或无界面的服务器进程。
用户先在 Models 页面或通过 penguin config model add 配置模型及 API 密钥，再通过 Web、penguin run、penguin chat 或 SDK 提交任务。CLI 可在工作目录中执行任务并生成文件；README 的最小示例使用 penguin run -m 创建 hello.txt。对于程序化集成，@prismshadow/penguin-core 提供 createAgent，由 agent.createSession({ workspaceDir }) 创建会话，再用 session.run() 流式运行消息；调用方可以通过 approve 回调逐次批准工具调用。面向智能体应用生成时，系统可从自然语言要求出发生成脚手架、代码和运行说明；内置技能覆盖数据分析、抓取、软件工程、Web 设计、模型部署及智能体评测优化。penguin web 提供多会话聊天、智能体/技能/模型管理、用量统计、Trace 可观测性和评测中心，penguin server 则启动与 Web 应用相同 API 的无界面服务。
- 希望用一句需求快速搭建智能体应用的开发者，例如生成带检索和来源引用的文档问答应用。
- 需要在 CI、脚本或服务器流程中执行智能体任务的工程团队，可使用
penguin run、penguin server或 TypeScript SDK。 - 使用 DeepSeek、Kimi、GLM、Qwen、Gemini、Claude 等不同模型的团队，希望从统一界面管理模型预设和自定义 OpenAI 协议端点。
- 需要根据基准测试反复改进智能体的研发人员，可使用智能体评测、优化技能、版本快照和 Trace 视图。
- 希望在本机以图形界面管理多会话、技能、模型和用量，但不想手动部署前后端的个人用户。
- 需要在隔离网络中安装运行环境的组织，可使用 GitHub Release 提供的单文件离线安装包，并在安装时校验封装的 SHA256。
这个 Agent 有哪些优点和局限？
- 同一引擎提供桌面应用、完整 Web 界面、CLI、无界面服务器和 TypeScript SDK，适合从个人使用扩展到程序化集成。
- 支持多个模型家族、多个提供商及任意兼容 OpenAI 协议的端点，既能使用在线服务，也可连接本地模型端点。
- 内置智能体创建、基准设计、评测和优化技能，并提供逐轮快照与 Trace 可观测性，覆盖从生成到迭代的工作流。
- 桌面端和 CLI 共用
~/.penguin/data，两种入口可以交替使用，无需迁移数据。 - 提供封装程序、校验值和安装器的离线发行包，适用于无法直接联网安装的软件环境。
- npm 安装要求 Node.js 24 或更高版本，可能高于现有项目或服务器采用的运行时版本。
- 桌面构建目前没有签名：macOS 需要清除 quarantine 属性，Windows 首次安装需要绕过 SmartScreen 提示。
- 运行至少需要配置一个模型；使用托管模型还会依赖外部提供商、API 密钥及相应费用。
- 公开基准测试套件仍列在路线图中，因此 README 中的准确率、速度和成本主张目前缺少可公开复现的完整套件。
- 同一个数据根目录一次只能运行一个服务器实例，这会限制在共享主机上直接复用同一数据目录进行并行部署。
如何安装或部署这个 Agent？
桌面用户可从 https://penguin.ooo/download 下载 macOS 11+、Windows 10+ 或 Linux x64 安装包。Linux/macOS 在线安装可运行 curl -fsSL https://penguin.ooo/install.sh | sh，Windows PowerShell 可运行 irm https://penguin.ooo/install.ps1 | iex。也可在 Node.js 24 或更高版本中运行 npm install -g @prismshadow/penguin-cli。安装后执行 penguin web，浏览器服务位于 http://127.0.0.1:7364。CLI Web 首次登录用户名是 admin，初始密码会在服务器启动时显示，应立即修改；使用前还需在 Models 页面配置至少一个模型的 API 密钥。在线安装器自带 Node 运行时，只有 npm 安装明确要求 Node.js 24+。
如何使用这个 Agent？
先配置默认模型，例如：penguin config model add --provider deepseek --model-id deepseek-v4-flash --api-key sk-... --set-default。随后可执行一次性任务：penguin run -m "Create hello.txt containing Hello, Penguin"；交互使用 penguin chat；启动浏览器界面使用 penguin web；无界面服务使用 penguin server。TypeScript 集成可从 @prismshadow/penguin-core 导入 createAgent、isCompleteModelMessage 和 userText，调用 createAgent({ agentId: "default_agent" })，再以 agent.createSession({ workspaceDir: process.cwd() }) 创建会话并遍历 session.run() 的流式输出。SDK 示例中的 approve: async () => "allow" 会批准每次工具调用，生产环境应按自身权限策略实现该回调。
这个 Agent 与同类方案有什么区别？
README 将传统 LangChain 工作流描述为由开发者手工构建智能体，而 PenguinHarness 主打让智能体生成完整智能体应用。它还声称在同任务对比中，数据分析准确率领先，并以 Claude Code 约 1/70 的成本运行，同时在编程任务上与 OpenAI Codex 持平；但公开基准套件仍在路线图中，这些结果目前只能视为项目方陈述，不能从给定材料独立复现。
常见问题
使用 PenguinHarness 是否一定会产生模型费用？
它会直接修改工作目录中的文件吗？
hello.txt 的任务。SDK 提供逐工具调用的 approve 回调，调用方应据此实施权限控制。可以完全离线安装吗？
桌面端和服务器端可以共用配置吗？
~/.penguin/data 根目录；不过该数据根目录同一时间只能运行一个服务器，桌面应用会连接到已启动的 CLI 实例。