郭震 AI公众号:郭震AI

实时 AI 消息

开源Agent系统Agnes Harness发布:双系统决策让判断提速14倍、成本降至1/27

量子位详细解读了以Apache 2.0许可证开源、已在GitHub收获2.1k Star的Agent系统Agnes Harness。它用9B的Agnes Sys1.0分流高频决策,官方测试称单次判断比调用大模型快14.3倍、成本约为1/27,并以测试时训练加递归自我改进沉淀执行经验。

发布时间

11月20日,量子位发布了对开源Agent系统Agnes Harness的详细解读。这套系统采用Apache 2.0许可证,允许商用,目前在GitHub上已获得2.1k Star。官方给出的两个核心设计分别是Sys1双系统决策,以及由TTT与RSI构成的双层自进化,团队同时公开了Agnes Sys1.0与Agnes Harness的技术报告。

这套系统想解决的是Agent落地的成本结构问题。文章开头引用了一位独立FDE、斯坦福在读博士Zaniel的算账:传统软件时代,开发一次要花90块,给每家客户适配只要10块;而AI把开发成本压到1块之后,那10块适配成本几乎没动。之所以难啃,是因为Agent要在每个客户的业务流程、工具系统和现场设备上重新学一遍。

Sys1的思路是把决策分流。需要复杂推理的部分继续交给大语言模型,也就是System 2;而高频、明确的下一步操作交给专门训练的9B模型Agnes Sys1.0,也就是System 1。它以插件形式接入Agnes Harness,负责判断该调用哪个工具、继续等待还是立即执行,以及拿不准时是否请大模型出场。

官方公布了两组对比数据。在模拟家庭漏水的任务里,同样判断下一步该做什么,大模型平均需要7.6秒,Agnes Sys1.0只需0.53秒,约快14.3倍;在行李房(称重、竖直摆放、暂存)测试中双方各完成100次判断,在线大模型单次调用成本约0.00247美元,Agnes Sys1.0约0.000091美元,约为1/27。在一项机器狗在仿真环境中找门并穿过的任务里,大模型加Sys1.0的组合把整体耗时缩短了32.9%。

第二个设计针对学习。TTT即测试时训练,让Agnes Sys1.0先看新任务要做什么,自己出几道带标准答案的练习题,再根据结果只微调末端一小组负责校准判断的参数,不动9B主体。更有意思的是学完即清空:这批临时参数在任务结束后恢复原样,避免不同设备、不同任务的经验互相干扰。

参数可以还原,经验则需要留下,这是RSI递归自我改进负责的部分。每完成一次任务,Harness会把执行过程复盘一遍,找出反复报错和耽误时间的环节,调整Prompt、Memory、Skills与Subagent的配合方式;新方法先在当前任务中验证,确认有效后整理成带版本号的Playbook供后续复用。文章举例,在复杂设备入库验收任务中,Agent第一次因称重台尚未稳定就急着读数,折腾30分钟超时;第二次改走验证过的流程,不到8分钟完成。

连接现实世界依靠插件与MHS两套机制。业务工具、模型适配器、Agent工作流、Skills乃至操作界面都能封装成插件,现有系统可通过MCP接入;MHS(Model Hardware Standard,模型硬件标准)让机械臂、传感器等设备按统一格式报家门,说明自身状态、可执行动作和可返回的数据,再由Harness统一编排先后顺序。量子位作者实测时,在MacBook Air上按Node.js 24.10以上、pnpm 10.34.5的环境本地部署,约50分钟跑通,并用自建审稿插件在一篇埋了坑的稿子里找出6处问题。官方强调,实时控制与物理安全仍由设备控制器负责。

成绩单方面,官方称在覆盖9项基准的阶段性自评中,Agnes Harness有6项拿到对照组第一,另有1项与Codex并列第一;DeepPlanning得87.07分,BigCodeBench-Hard V1通过率40.69%。需要说明的是,这组数字来自官方自评,尚待第三方复现。对Agent行业来说,真正的看点或许不是某一个分数,而是复制成本能否被摊薄。跑通的流程与踩过的坑能否变成下一次交付的起点,才是Agent从演示走向规模部署的分水岭。接下来值得观察的是MHS插件在新版本中的接入进度,以及外部团队在真实产线任务上的复现结果。

为什么重要

如果第三方能在真实产线任务上复现,快慢双脑加经验沉淀的架构会把Agent部署从一次性开发转向可复用的交付能力,直接改写企业引入Agent的成本账。

微博邮件

AgentOpen SourceAgnes Harness
返回实时消息

附近消息

全部

11/20 10:55

机械革命发布大师之路X10,切入企业桌面AI主机市场

据中华网报道,机械革命发布面向企业的桌面AI主机“大师之路X10”,把AI算力做成可直接放在办公环境里的整机形态。目前公开的标题信息只给出产品名称与企业定位,具体配置、价格与上市时间仍待官方公布。

11/20 10:36

Kimi-K2.5上架Hugging Face官方仓库:任务类型标注为图像-文本转文本

Moonshot AI在Hugging Face官方账号下更新了Kimi-K2.5的模型仓库,页面把任务流水线标注为图像-文本转文本,权重沿用safetensors格式并通过transformers库加载。仓库当前显示下载量391,280次、点赞2,902,多模态形态与压缩权重成为这一版本最直观的外部信号。

11/20 10:34

海南首个备案文旅大模型发布,“鱼多多”智能体落地荣山寮

据观点网 11 月 20 日报道,海南首个完成备案的文旅大模型正式发布,名为“鱼多多”的智能体已于 11 月 18 日落地荣山寮。这意味着地方文旅场景开始出现通过合规备案的自有模型与智能体服务,而不是套用一套全国性的通用助手。

11/20 09:25

韩国高考实测:GPT 与 Gemini 拿下高分,本土 K-EXAONE 在探究科目失分

在韩国大学入学考试上,GPT 与 Gemini 交出了接近满分的答卷,而韩国本土最强模型 K-EXAONE 在同一套试题的探究科目上明显失分。这一对比把“国产模型”的能力边界摆到了公开量表上,也让以韩语和本地课程为语境的推理能力成为关注焦点。