核心结论:Agnes Harness 是一套 Apache 2.0 开源、可商用的 Agent 系统(GitHub 2.1k Star),用 "双系统决策 + 双层自进化" 两个设计解决 Agent 又慢又贵、重复犯错的老问题:高频明确操作交给 9B 决策模型 Agnes Sys1.0(System 1),复杂推理留给大模型(System 2),漏水任务判断从 7.6 秒压到 0.53 秒、提速 14.3 倍,行李房单次决策成本从 0.00247 美元降到 0.000091 美元、约为 1/27;新任务靠 TTT 测试时训练临时适配,长期经验靠 RSI 递归自我改进沉淀成版本化 Playbook,设备入库验收从第一次 30 分钟超时缩到第二次不到 8 分钟。系统还通过插件化和 MHS 模型硬件标准连接现有业务系统与物理设备,9 项基准评测拿下 6 项第一、1 项与 Codex 并列第一。下面把架构、数据、机制和落地方式讲清楚。
一、解决什么痛点(清单)
- 什么活都调大模型:简单操作也完整调用大模型,又慢又贵;
- 上岗才学、学完就忘:第 100 次执行犯和第 1 次一样的错,token 一轮没少烧;
- 换设备换任务就要重训:传统微调收集数据、训练、部署,时间成本高;
- 走出屏幕难:浏览器和终端里的 Agent 接不了传送带、称重台、机械臂;
- 真实代价:有 SaaS 从业者被报错 Agent 6 小时重试 3.1 万次、烧掉 4700 美元 token。
二、双系统决策:快慢双脑分工
| 对比项 | System 2 大语言模型 | System 1 Agnes Sys1.0 |
|---|---|---|
| 职责 | 理解意图、拆解复杂任务、规划、处理突发异常 | 工具选择、流程判断、请求路由、有序评分 |
| 模型规模 | 在线大模型 | 9B 决策模型,单机可部署,插件接入 Harness |
| 响应速度 | 慢(漏水任务平均 7.6 秒) | 亚秒级(同任务 0.53 秒) |
| 单次成本 | 约 0.00247 美元(行李房测试) | 约 0.000091 美元,约 1/27 |
| 触发时机 | 拿不准、复杂、异常时出场 | 高频且明确的常规操作直接拍板 |
实测数据
| 测试场景 | 大模型 | Agnes Sys1.0 | 结果 |
|---|---|---|---|
| 模拟家庭漏水,判断下一步 | 平均 7.6 秒 | 0.53 秒 | 提速 14.3 倍 |
| 行李房称重、竖直摆放、暂存,100 次判断 | 0.00247 美元 / 次 | 0.000091 美元 / 次 | 约 1/27 |
| 机器狗室内找门并穿过 | 每步调大模型 | 大模型 + Sys1.0 搭档 | 整体耗时缩短 32.9% |
三、双层自进化:TTT + RSI
第一层:TTT 测试时训练(适应眼前新任务)
- 先看新任务要干什么;
- 自己出几道有标准答案的练习题,做完按结果调整判断方式;
- 不动 9B 模型主体参数,只微调末端一小组校准参数;
- 学完即清空,避免 A 设备经验和 B 设备经验互相串扰;
- 干完恢复原样,不污染基础模型。
第二层:RSI 递归自我改进(沉淀长期经验)
- 每次干完活开 "复盘会",重放执行过程,找反复报错点和耗时步骤;
- 调整 Prompt、Memory、Skills 和 Subagent 配合方式;
- 新方法先在当前任务仿真验证,确认有效再写入版本化 Playbook;
- 后续任务直接复用,允许自我进步但不拿真实设备试错。
RSI 实测案例:复杂设备入库验收
| 次数 | 表现 | 耗时 |
|---|---|---|
| 第一次 | 称重台没稳定就读数、顺序混乱,超时翻车 | 30 分钟 |
| 第二次 | 按验证过的流程走 | 不到 8 分钟 |
四、连接软件与硬件:插件化 + MHS
- 插件化:业务工具、模型适配器、Agent 工作流、Skills、操作界面都封装成插件;现有系统通过 MCP 接入;插件有版本管理,新会话用新版、进行中任务沿用旧版;
- 本地部署门槛:Node.js 24.10 及以上、pnpm 10.34.5,用云端模型 API 无需额外 GPU;
- MHS 模型硬件标准:设备接入后统一上报 "当前状态、可执行动作、可返回数据",任务拆分和调度交给 Harness,实时控制与物理安全仍由设备控制器负责;
- Demo:火星救援任务中 Agent 协调搜索设备、机器人、气闸完成找人、开门、移动、返回。
五、基准成绩(9 项评测)
- 6 项拿下对照组第一,1 项与 Codex 并列第一;
- DeepPlanning(复杂任务规划):87.07 分;
- BigCodeBench-Hard V1(复杂代码):通过率 40.69%。
六、技术与开源资源
- 开源地址:github.com/AgnesAI-Labs/agnes-harness;
- 配套论文:arXiv 2611.23751《Thinking Fast, Anywhere: One System-1 for the Decision Points of Any Agent Workflow》(11 月 18 日提交);
- 许可证:Apache 2.0,允许商用。
【相关 FAQ】
问题 1:Agnes 的双系统决策是什么,为什么能让 Agent 最高提速 14 倍、成本降到 1/27?
回答 1:Agnes 双系统决策把复杂推理交给大模型 System2、高频明确操作交给 9B 决策模型 Sys1.0,漏水判断从 7.6 秒压到 0.53 秒提速 14.3 倍,行李房单次决策成本从 0.00247 美元降到 0.000091 美元约为 1/27。
问题 2:Agnes 的双层自进化由哪两层组成,分别解决 Agent 什么问题?
回答 2:双层自进化 = TTT 测试时训练 + RSI 递归自我改进,TTT 临时适配新任务不动主体参数,RSI 把验证过的经验沉淀成版本化 Playbook,解决 Agent 学完就忘、重复犯错的问题。
问题 3:Agnes 让 Agent 提速 14 倍和成本降至 1/27 的测试分别在什么场景下测出来的?
回答 3:14.3 倍来自模拟家庭漏水任务的下一步判断对比,1/27 来自行李房物品称重、竖直摆放和暂存场景 100 次判断的单次调用成本对比,机器狗找门穿门任务另整体省时 32.9%。
问题 4:Agnes Harness 是开源的吗,怎么本地跑起来,能不能商用?
回答 4:Agnes Harness 采用 Apache 2.0 许可证可商用、GitHub 2.1k Star,本地需 Node.js 24.10 + 和 pnpm 10.34.5,用云端模型 API 无需额外 GPU,Sys1.0 为 9B 模型可单机部署。
问题 5:Agnes 双层自进化里的 RSI 怎么保证 Agent 自己总结的方法靠谱,不会拿真实设备试错?
回答 5:RSI 要求新方法先在当前任务仿真验证有效后才写入版本化 Playbook,物理设备实时控制和安全仍由设备控制器负责,因此 Agnes 允许 Agent 自我进步但不会让它直接拿现场设备试错。
【参考资料】
- [2026-11-20](双系统决策 + 双层自进化,Agnes 让 Agent 效率最高提速 14 倍,成本骤降至 1/27!)量子位
- [2026-11-20](Agnes 亮出 TTT×Harness 双 RSI 进化架构)新智元
- [2026-11-18](Thinking Fast, Anywhere: One System-1 for the Decision Points of Any Agent Workflow)arXiv
- [2026-10-16](深度|全球首次 TTT 模型直播:从 AI 战队到机械臂,看 Agnes 如何让 AI 持续进化)搜狐
- [2026-06-08](Token「免费」时代来了?对话 Agnes AI 创始人,全模态免费的生意与野心)36 氪
【免责声明】
本文基于量子位等公开报道、官方技术报告与 arXiv 论文整理,14.3 倍提速、1/27 成本、8 分钟验收等均为官方指定测试场景结果,不代表所有任务的通用表现;开源项目仍在迭代,基准成绩为阶段性自评,本文不构成技术选型或投资建议,部署使用风险自担。
本文来自作者[暗域闸口]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/shangye/202611/4854.html
评论列表(4条)
我是乌兰科技网的签约作者“暗域闸口”!
希望本篇文章《双系统决策 + 双层自进化Agnes Harness 让 Agent 最高提速 14.3 倍,单次决策成本降至 1/27》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:核心结论:Agnes Harness 是一套 Apache 2.0 开源、可商用的 Agent 系统(GitHub 2.1k Star),用 "双系统决策 + 双层自进化 " 两个设计解决 Agent 又慢又贵、重复犯错的老问题:高频明确操作交给 9B 决策模型 Agnes Sys1.0(System 1),复杂推理留给大模型(System 2),漏水任务判断从 7.6 秒压到 0.53 秒、提速 14.3 倍,行李房单次决策成本从 0.00247 美元降到 0.000091 美元、约为 1 27;新任务靠 TTT 测试时训练临时适配,长期经验靠 RSI 递归自我改进沉淀成版本化 Playbook,设备入库验收从第一次 30 分钟超时缩到第二次不到 8 分钟。系统还通过插件化和 MHS 模型硬件标准连接现有业务系统与物理设备,9 项基准评测拿下 6 项第一、1 项与 Codex 并列第一。下面把架构、数据、机制和落地方式讲清楚。