<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Agnes &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/agnes/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Fri, 20 Nov 2026 16:31:28 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>给AI智能体装上快慢双脑：决策快14倍，成本降到1/27</title>
		<link>https://mylogs.cn/%e7%bb%99ai%e6%99%ba%e8%83%bd%e4%bd%93%e8%a3%85%e4%b8%8a%e5%bf%ab%e6%85%a2%e5%8f%8c%e8%84%91%ef%bc%9a%e5%86%b3%e7%ad%96%e5%bf%ab14%e5%80%8d%ef%bc%8c%e6%88%90%e6%9c%ac%e9%99%8d%e5%88%b01-27/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Fri, 20 Nov 2026 16:31:28 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[Agnes]]></category>
		<category><![CDATA[AI智能体]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[大模型]]></category>
		<category><![CDATA[开源工具]]></category>
		<category><![CDATA[成本控制]]></category>
		<category><![CDATA[机器人]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e7%bb%99ai%e6%99%ba%e8%83%bd%e4%bd%93%e8%a3%85%e4%b8%8a%e5%bf%ab%e6%85%a2%e5%8f%8c%e8%84%91%ef%bc%9a%e5%86%b3%e7%ad%96%e5%bf%ab14%e5%80%8d%ef%bc%8c%e6%88%90%e6%9c%ac%e9%99%8d%e5%88%b01-27/</guid>

					<description><![CDATA[让智能体真正进厂干活，眼下卡在一笔经济账上。随着大模型开发成本大幅下降，企业适配的开销反而成了最难摊薄的部分— [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">让智能体真正进厂干活，眼下卡在一笔经济账上。随着大模型开发成本大幅下降，企业适配的开销反而成了最难摊薄的部分——让 AI 把每家客户的业务流程、工具系统和现场设备重新认一遍，既费时又费钱。一套名为 Agnes Harness 的开源系统，试图从&#8221;怎么让每一步决策更便宜&#8221;入手解开这道题。</p>
<h2 class="wp-block-heading">一个开源系统，两项核心设计</h2>
<p class="wp-block-paragraph">据量子位报道，Agnes Harness 是一个采用 Apache 2.0 许可证、允许商用的开源系统，已在代码托管平台 GitHub 收获 2100 多颗星。它最受关注的设计有两点：一是&#8221;Sys1 双系统决策&#8221;，二是&#8221;TTT×RSI 双层自进化&#8221;。</p>
<p class="wp-block-paragraph">所谓双系统决策，借鉴了快慢脑的思路。需要复杂推理的环节仍交给大语言模型（System 2）；而高频、明确的操作，则交给一个专门训练的 90 亿参数决策模型 System 1，也就是 Agnes Sys1.0。它可以通过插件接入 Agnes Harness，专门判断下一步该怎么走：调用哪个工具、继续等待还是立即执行、拿不准时是否请大模型出场。</p>
<figure data-wp-context="{&quot;imageId&quot;:&quot;6b0076722aca5&quot;}" data-wp-interactive="core/image" data-wp-key="6b0076722aca5" class="wp-block-image wp-lightbox-container"><img decoding="async" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/11/inline_8f60daca3772d7aaa965478259e96e3c_0.webp" alt="Agnes Sys1.0 双系统编排架构图" title="图片来源：量子位 / Agnes 官方" style="max-width:100%;height:auto;"/><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button></figure>
<h2 class="wp-block-heading">单次决策快 14 倍，成本降到二十七分之一</h2>
<p class="wp-block-paragraph">官方报告给出的数据颇为亮眼。在一项模拟家庭漏水的任务中，同样判断&#8221;下一步该干什么&#8221;，大语言模型平均需要 7.6 秒，Agnes Sys1.0 只需 0.53 秒，速度约为前者的 14.3 倍。在另一组行李房测试中（完成物品称重、竖直摆放和暂存），双方各做 100 次判断，在线大语言模型单次调用成本约 0.00247 美元，Agnes Sys1.0 约 0.000091 美元，单次决策成本只有前者的约二十七分之一。</p>
<p class="wp-block-paragraph">系统还拉来一只机器狗做仿真测试：任务是先在室内找到一扇门，再穿过去。相比每一步都调用大模型的方式，&#8221;大模型+Agnes Sys1.0&#8243;的组合把整体任务耗时缩短了 32.9%。</p>
<figure class="wp-block-table"><table class="has-fixed-layout"><tbody><tr><th>测试项</th><th>大语言模型</th><th>Agnes Sys1.0</th><th>差异</th></tr><tr><td>模拟家庭漏水（单次判断耗时）</td><td>平均 7.6 秒</td><td>0.53 秒</td><td>约快 14.3 倍</td></tr><tr><td>行李房测试（单次决策成本）</td><td>约 0.00247 美元</td><td>约 0.000091 美元</td><td>约为 1/27</td></tr><tr><td>机器狗找门穿门（整体耗时）</td><td>基准</td><td>引入决策模型</td><td>缩短 32.9%</td></tr></tbody></table></figure>
<p class="wp-block-paragraph">需要说明的是，上述数字来自官方发布的测试结果，属于特定任务条件下的表现，并非所有场景的通用均值。</p>
<h2 class="wp-block-heading">让经验留下来：测试时训练与递归自进化</h2>
<p class="wp-block-paragraph">速度和成本降下来后，新问题随之而来：换台设备、接个新任务，模型没见过怎么办？Agnes 的答案是两项&#8221;自进化&#8221;机制。</p>
<p class="wp-block-paragraph">其一是 TTT（测试时训练）。Agnes Sys1.0 在接新任务前先&#8221;突击补课&#8221;：查看任务要求，自己生成一批有标准答案的练习题，做完后据此调整判断方式。这个过程不动 90 亿参数模型的主体，只微调末端一小簇负责校准判断的参数，而且学完即清空——避免不同设备的经验互相干扰。</p>
<p class="wp-block-paragraph">其二是 RSI（递归自我改进）。每次干完活，系统会复盘整个执行过程，找出反复报错和最耗时的环节，调整提示词、记忆、技能与子智能体的配合方式；验证有效后，整理成带版本号的&#8221;操作手册&#8221;，供后续任务复用。官方给出的设备入库验收案例中，第一次尝试因称重台未稳就急着读数、操作顺序混乱，折腾 30 分钟后超时；第二次按验证过的流程执行，不到 8 分钟便完成。</p>
<p class="wp-block-paragraph">在连接现实世界方面，Agnes Harness 把业务工具、模型适配器、工作流、技能乃至操作界面都封装成插件，已有业务系统可通过 MCP 接入；对硬件则定义了 MHS（模型硬件标准），让设备按统一格式上报状态与能力。官方还展示了多设备协作的&#8221;火星救援&#8221;演示。目前本地部署需要 Node.js 24.10 及以上版本和 pnpm 10.34.5，使用云端模型接口时无需额外配置显卡。</p>
<h2 class="wp-block-heading">成绩与定位</h2>
<p class="wp-block-paragraph">官方公布了一份覆盖 9 项基准的自评成绩：6 项拿到对照组第一，另有 1 项与 Codex 并列第一；其中考验复杂任务规划的 DeepPlanning 得 87.07 分，代码基准 BigCodeBench-Hard V1 通过率为 40.69%。这些同样属于官方自评，尚待更广泛的第三方验证。</p>
<h2 class="wp-block-heading">常见问题</h2>
<p class="wp-block-paragraph"><strong>问：Agnes Harness 适合普通用户直接使用吗？</strong><br>答：它目前偏向开发者与企业部署，需要本地搭建环境，更适合想给智能体做流程编排、成本优化的团队。</p>
<p class="wp-block-paragraph"><strong>问：14 倍和 1/27 是普遍效果吗？</strong><br>答：不是。这两个数字是官方在特定任务中报告的峰值，实际落地需按自身任务重新测算单价与耗时。</p>
<p class="wp-block-paragraph"><strong>问：它主要解决什么问题？</strong><br>答：把高频、明确的决策从昂贵的大模型中分离出来交给小模型，同时让执行经验可沉淀、可复用，从而降低智能体的运行与适配成本。</p>
<p class="wp-block-paragraph"><strong>信息来源</strong>：量子位、腾讯新闻、synestesia 等公开报道（2026 年 11 月）；项目开源地址为 github.com/AgnesAI-Labs/agnes-harness。</p>]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
