AI 造 AI，一次只要 2 分钱——这个开源项目凭什么？

AI 造 AI一次只要 2 分钱——这个开源项目凭什么凌晨两点一个开发者往终端里敲了一句话“Collect the docs from https://github.com/ericbuess/claude-code-docs and build a RAG app that answers Claude Code questions as a configuration expert, citing its sources.”然后他去泡了杯咖啡。回来的时候一个完整的 RAG 应用已经躺在本地检索、引用溯源、内置示例问题全都有。账单显示这次外包一共烧了0.02 美元约 1 毛 4 分人民币的 token跑在 DeepSeek V4 Pro 上。这不是科幻段子是 PenguinHarness 的 README 里官方演示的第一条。这个项目今天悄悄爬上了 GitHub Trending1341 颗星没有发布会只有一句口号Let AI Build AI。一个造 Agent 的 Agent先说作者。PenguinHarness 背后是 Yaowei Zhenghiyouga开源圈熟脸——他的上一个项目 LLaMA-Factory 是微调界的事实标准之一。做微调工具的人现在跑来写 Agent 框架这个信号本身就值得琢磨。官方对标对象是 LangChain。README 里有一句很损的话用 LangChain你亲手搭 Agent速度是 1×用 PenguinHarnessAgent 造 Agent速度是 100×。项目名里的 RSI 也是个梗——Repetitive Strain Injury重复性劳损。天天手搓 Agent 骨架搓到腱鞘炎不如让 Agent 自己生自己。2 分钱的底气从哪来省钱的秘密不在模型在工具集。PenguinHarness 走的是极简工具 干净的低层接口路线工具调用次数更少token 消耗更少而且明确针对 DeepSeek 这类开源模型做过调优。官方基准图显示benchmark 数据数据分析准确率全场最高成本是 Claude Code 的 1/70代码任务和 OpenAI Codex 打平成本同样低一个数量级。这个账算下来很吓人。之前我们讨论Agent 贵不贵前提是 Agent 由人指挥现在 Agent 由 Agent 指挥成本基数直接砍两三个零跑自进化循环才变得现实。自己跑分、自己找茬、自己升级PenguinHarness 最值得深挖的设计是内置的自进化闭环Skills 机制见 官方文档跑一轮 benchmark找出丢分点针对丢分点做优化生成 N1 版每轮开始前自动打快照所有请求都能在 Trace 视图里回放翻译成人话Agent 不再是被动执行指令的工具而是一个会自己刷题、复盘、迭代的实习生。内置的 16 个 Skill 分四组——办公、软件开发、AI 应用开发、Agent 调优其中agent-creation、benchmark-design、agent-evaluation、agent-optimization这一组就是专门给Agent 自己改进自己用的。下一步Agent 开公司跑分省钱、自进化闭环这两件事叠在一起指向一个更大的想象空间——Roadmap 里写着两个词Agent companyAgent 公司和company-level self evolving公司级自进化。也就是说作者想做的不是一个更好用的 Agent 框架而是一群 Agent 组成一家公司自己招自己、自己考核自己。这比单纯卷 benchmark 数字的框架有意思得多。我的判断2026 年下半年的竞争主线已经从模型跑分转移到Agent 生产 Agent 的效率。PenguinHarness 用 2 分钱证明了一个事实——造 Agent 的成本正在逼近零稀缺的不再是工具而是你会不会给 AI 派活。主要参考PenguinHarness on GitHub | LLaMA-Factory | Product Hunt 页面 | GitHub Trending