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!

资讯 AI 行业观察 作者:一水 全文 5107 字 · 约 13 分钟读完 配图 15 张 分类Agnes智能体

过去做一套企业软件,开发可能要花90块,给每家客户适配只要10块。软件做一次、卖给很多家,前面那90块就能被一点点摊薄。这是传统软件公司的生意逻辑。AI把这个公式改了。现在开发只要1块,适配还是10块。

所属频道 智能体与 Agent

一水 发自 凹非寺
量子位 | 公众号QbitAI

过去做一套企业软件,开发可能要花90块,给每家客户适配只要10块。软件做一次、卖给很多家,前面那90块就能被一点点摊薄。这是传统软件公司的生意逻辑。AI把这个公式改了。现在开发只要1块,适配还是10块。

谁懂,独立FDE(前沿部署工程师)、斯坦福在读博士Zaniel此前跟量子位交流时算的这笔账,几乎把今天Agent落地最扎心的现实说透了。

开发成本从90块跳水到1块,最难啃的那10块,却还杵在原地纹丝不动。

为啥?

因为企业适配这事儿,归根结底就是让AI把每个客户的业务流程、工具系统和现场设备重新认一遍。

偏偏现在不少Agent,本质上还是被关在浏览器和终端里的「赛博临时工」。

写代码时天花乱坠,Benchmark分数一个赛一个漂亮。

可真让它走出屏幕,去指挥车间里的传送带、读取工业称重台的读数,或者操作机械臂完成一次精密装配,画风立马就变了。

抱意思,这个我之前没见过,你得重新教我。

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!(配图 1)

经典老番之「上岗了才有工作经验」,我懂,那就仔细教呗。

结果好不容易教会了,转头它又给你来一出「鱼的记忆」——

在同一个客户场景里,第100次执行任务犯的蠢,跟第1次几乎一模一样。

Token一轮没少烧,经验是一点没记住。

气笑了。。。

所以,怎么让Agent快速适应新任务,同时把执行经验沉淀下来?

Agnes Harness。

一个采用Apache 2.0许可证、允许商用,并已在GitHub收获2.1k Star的开源系统,就这样进入了我的视线。

给Agent配上快慢双脑,先把干活成本打下来

先给大家划个重点,Agnes Harness身上最值得看的有两点:

一个是Sys1双系统决策,另一个是TTT×RSI双层自进化。

顺着了解这两个创新设计,你就会明白如今Agent落地的卡点究竟在哪了。

为了让整个过程更好理解,咱们直接原地来一局「重生」(doge)。

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!(配图 2)

△图片由AI生成

一觉醒来,假设你现在成了一家工厂的老板,为了降本增效,你就想着一件事——

我要把AI引进自家工厂。

往市面上一看,模型倒是一个比一个强,但真准备掏钱部署时,第一关就来了:

到底怎么才能把每次任务的执行成本降下来?

AI这个概念再性感,不能最后让我倒贴钱吧,ROI不得先仔细算算。

聪明的你决定先查查账,以前大家都把钱花哪儿了?

一番盘下来,好家伙,最大的开销居然是大模型调用。

现在不少Agent之所以又慢又贵,倒不是大模型不够强,恰恰相反,是因为它太能干了,结果什么活都往它身上塞。

很多根本不需要复杂推理的操作,也要完整调用一次大模型,这不纯纯大材小用浪费吗??

Agnes Harness就想了,不行,咱得分工,于是干脆搞出了一套「Sys1双系统决策」机制。

需要复杂推理的部分,那就还是交给大语言模型System 2。

而那些高频且明确的操作,则交给专门训练的9B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,要不要请大模型出场?

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!(配图 3)

可别小看了这个9B模型,它的「单兵作战能力」相当能打。

Agnes Harness报告显示,在一项模拟家庭漏水的任务中,同样是判断下一步该干啥,大模型平均要想7.6秒,Agnes Sys1.0只需要0.53秒。

速度直接是原来的14.3倍。

至于成本,在另一组行李房(完成物品称重、竖直摆放和暂存)测试中,双方分别完成100次判断,在线大语言模型的单次调用成本约为0.00247美元,Agnes Sys1.0则约为0.000091美元。

算下来,单次决策成本只有前者的约1/27。

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!(配图 4)

有了这一「最强辅助」,两个系统一配合,那不得起飞??

Agnes Harness还真拉来一只机器狗,在仿真环境中测试了一把。

机器狗的任务是,在室内找到门,然后穿过去。

比起每一步都调用大模型的方式,「大模型+Agnes Sys1.0」这对搭档直接将整体任务耗时缩短了32.9%。

光看数字可能还没啥感觉,但点开视频一对比,好家伙,这速度差距还真是肉眼可见呐。

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!(配图 5)

速度上来了,成本也降下去了。

但新问题很快又来了:

今天换台设备,明天接个新任务,Agnes Sys1.0没见过怎么办?

总不能每来一个新活,就把模型拖回去重新训练一次吧。

好在Agnes Sys1.0还留了一手——TTT,也就是测试时训练。

别再每天失忆,让任务经验真正留下来

怎么让Agent快速适应新任务,一个很自然的想法是:

培训呗。

可问题来了,传统模型微调,得先收集新任务的数据,再训练、部署。

一套流程下来,时间和成本可都不低。

TTT就有意思了,直接让Agent在上岗前突击补课。

Agnes Sys1.0先看看新任务要干啥,再自己出几道有标准答案的练习题,做完后根据结果调整一下自己的判断方式。

整个过程不动9B模型的主体参数,只微调最末端一小组负责校准判断的参数即可。

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!(配图 6)

不过,这场「突击培训」还有个挺有意思的设定:

学完就清空。

啊?好不容易学会了,怎么还给忘了??

其实是怕它学串了。

毕竟今天操作的是A设备,明天可能就换成B设备,要是每次学到的东西都往模型里塞,时间一长,谁知道会不会互相打架。

所以Agnes Sys1.0干脆每次只针对眼前的任务临时调整一小部分参数,干完就恢复原样。

听着挺有道理,但身为老板,我还是忍不住担心:

模型参数可以恢复,辛辛苦苦摸索出来的经验,总不能也跟着打水漂吧?

这就轮到「双层自进化」的另一半——RSI出场了。

RSI,递归自我改进,这大家都不陌生了。

每次干完活,先给Agent开一场复盘会。

Agnes Harness会把整个执行过程重新过一遍,看看哪里反复报错、哪一步最耽误时间,再调整Prompt、Memory、Skills和Subagent的配合方式。

如果发现了更好的方法,就先在当前任务中验证效果。

确认确实有效后,再整理成版本化Playbook(操作手册),留给后续任务直接复用。

Agnes Harness还真拿一个复杂设备入库验收任务试了一把。

简单来说,设备进了仓库,Agent得按流程操作称重台、读取重量,再完成验收。

第一次,Agent不出意外地翻车了。。。

称重台还没稳定就急着读数,操作顺序也没安排明白,折腾了整整30分钟,最后还是超时了。

但这次的坑,RSI给记下来了。

结果第二次再来,直接按照验证过的流程走。

不到8分钟,搞定。

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!(配图 7)

注意,AI总结出来的新方法,得先经过仿真测试,确认靠谱了,才能写进Playbook。

就,允许你自己进步,但别拿我的设备试错啊。(doge)

到这儿,Agent总算不再是个每天从零开始的「赛博临时工」了。

但等等……

在屏幕里练得再熟,到了工厂现场,总不能靠鼠标去拧螺丝吧?

让Agent走出屏幕,就是现在。

走出屏幕,给Agent补上连接现实世界的身体

不过,给Agent补身体,可不是上来就装机械臂。

真要进厂干活,得先跟现有的业务系统打好交道。

订单、仓储、审批……每家工厂都有自己的一套流程和工具。

总不能接一个客户,就重新魔改一套Agent吧??

Agnes Harness的办法倒也实在:

做成插件,按需装配。

业务工具、模型适配器、Agent工作流、Skills,甚至操作界面,都能封装成插件。

已有的业务系统,也可以通过MCP直接接进来。

说起来有点抽象,我干脆自己上手试了一把。

Agnes Harness目前还没有现成的在线网页版,想体验得先在本地部署。

门槛倒不算高,准备好Node.js 24.10及以上版本和pnpm 10.34.5即可,使用云端模型API的话不用额外配GPU。

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!(配图 8)

那就简单了。

直接把GitHub地址扔给DeepSeek Harness,让AI帮我装AI不就得了。(doge)

我继续在旁边码字,大约50分钟后,Agnes Harness就在我的MacBook Air上跑起来了。

进入工作台,先选模型。

可以用项目提供的Demo模型,也能配置自己的模型API。

我直接接上了平时常用的模型。

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!(配图 9)

接下来,该整点实际的了。

我顺手攒了一个审稿插件,用来检查错别字、语病、前后矛盾和数字单位问题。

需求说完没多久,插件就出现在待审列表里。

人工确认代码和权限没有问题后,点击启用,状态随即变成了「本地」「就绪」。

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!(配图 10)

那就试试呗。

我随手扔进去一段故意埋了坑的稿子。

好家伙,还真揪出了6处问题,连位置、问题类型和修改建议都给标出来了。

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!(配图 11)

更有意思的是,新开一个对话窗口,只要说一句「帮我审稿」,Agent就能自动调用这个插件。

不用每次重新交代检查规则。

而且插件还有版本管理机制,新会话可以使用新版本,正在执行的任务则继续沿用原来的版本。

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!(配图 12)

这下,插件化的好处就很直观了。

今天装进去的是审稿工具,换到工厂里,也可以是订单查询、仓储审批。

一次做好,以后接着用。

你以为到这儿就完了,大No特No,真正的硬骨头还是硬件。

机械臂、机器人、传感器,又该怎么听懂Agent的安排?

Agnes Harness的办法,是给这些设备定一套统一的「沟通规则」,它叫MHS(Model Hardware Standard,模型硬件标准)。

设备接入后,先按照统一格式「报家门」:

我现在是什么状态,能执行哪些动作,又能返回什么数据。

至于先调用谁、后调用谁,任务又该怎么拆,则交给Agnes Harness统一安排。

官方还做了一个火星救援Demo。

Agent接到救援任务后,先派出搜索设备寻找宇航员,再协调机器人和气闸,把人安全带回基地。

找人、开门、移动、返回。

多个设备围着同一个目标接力干活,Agent这回终于不只是在屏幕里点鼠标了。

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!(配图 13)

不过,真涉及物理设备,安全可不能开玩笑。

Agnes Harness负责安排任务,实时控制和物理安全仍由设备控制器负责。

目前,MHS正在以官方插件形式接入Agnes Harness的新版本。

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!(配图 14)

到这儿,Agnes Harness这套系统,算是从头到脚捋了一遍。

大语言模型负责思考,Agnes Sys1.0负责快速判断,TTT适应眼前的新任务,RSI留下长期经验,插件和MHS则负责连接软件系统与真实设备。

好家伙,这一套组合拳打下来,成绩到底怎么样?

官方晒出了一份覆盖9项基准的阶段性自评成绩单。

9项评测,6项拿下对照组第一,另有1项与Codex并列第一。

具体来看,考验复杂任务规划的DeepPlanning,Agnes Harness拿下87.07分;拼复杂代码能力的BigCodeBench-Hard V1,通过率达到40.69%。

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!(配图 15)

这成绩一摆出来,咱这个工厂老板终于有点盼头了。

以后花钱请AI来干活,总算不用天天跟在屁股后面收拾烂摊子了。(doge)

让每一次交付,成为下一次交付的起点

就挺感慨。

年初,老板们还在FOMO,生怕自家公司接入AI慢了一步。

现在再翻翻网上的讨论,画风已经有点不一样了。

有人开始吐槽,AI Agent完成前80%的任务时宛如魔法,最后20%却能让自己调试整整4个小时。

还有人更惨,一位SaaS从业者称自己每月收客户400美元,却被报错的Agent在不到6小时内疯狂重试3.1万次,一夜烧掉4700美元Token,直接倒贴十几倍。

甚至连AI行业的高管也顶不住了。

Cyera首席战略官Sol Rashidi此前透露,自己已经裁掉了一半Agent。

原因很简单:

花在盯着AI干活上的时间,比AI替自己省下的时间还多。

这就多少有点尴尬了。。。

只能说,潮水退去之后,大家最后看的还是经济账。

一个Agent从进场,到运行、维护,再到复制,每一步都可能产生新的账单。

而Agnes Harness正在尝试的,正是把这四本账一笔笔往下压。

△图片由AI生成

尤其是最后一笔:

复制。

单个项目省钱是一回事,前一个项目的投入,能不能变成下一个项目的起点,又是另一回事。

就像开头Zaniel算的那样,AI已经把开发成本从90块打到了1块,剩下那10块,才是真正难啃的骨头。

如果今天跑通的流程、踩过的坑和积累的经验,都能留下来,变成下一次交付可以直接复用的能力,这10块就有机会被一点点摊薄。

而Agnes Harness走的,正是这条从10到0的路。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Bug0 发布 QA Agent,利用缓存的 Playwright 回放实现回归测试自动化

    Linearbytes 发布了 Bug0 QA Agent,这是一个用于代理式浏览器回归测试的开源 Playwright 库。该 AI 代理能够将以自然语言表达的测试指令与用户界面操作关联起来,在适当情况下缓存这些操作以加快持续集成(CI)的重放速度,并在用户界面发生变化时将其重新映射到测试规范。验证过程基于最多三个大

    来源 AI 行业观察
  2. 苹果招聘曝光AI Agent计划:Siri要从动嘴变动手?

    苹果招聘信息透露,公司正开发可跨应用操作、独立规划并执行多步骤任务的 AI Agent,并强调隐私与权限管理。据彭博社报道,项目仍处早期阶段。面对已积累用户与收入的竞争对手,苹果正争夺下一代计算入口。

    来源 爱范儿
  3. 2026软件行业K型分化:谁在涨,谁在消失

    2026 年初,全球软件行业出现了一个很容易被误读的现象。 一边是“软件要被 AI 吃掉了”的恐慌:企业可以用 AI 编程,自己搭建内部系统;AI Agent 正在替代传统 SaaS 的菜单、表单和席位;软件公司的估值大幅下跌。 另一边却是,部分软件公司正在创下新的增长记录。 10 月,路透社报道,美国软件与服务指数创

    来源 AI 行业观察
  4. 具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

    过去十年,AI 的进步只被一把尺子衡量:机器自己能做成多少事。 按这把尺子量,成绩单相当亮眼。今天的 Agent 能写代码、审代码、起草文档,在电脑上连续工作好几个小时;Meta、xAI、OpenAI 相继推出常驻后台的个人智能体,替人盯着长期目标;具身智能则是另一个风口,机器人正在拥有自己的身体、感知和目标。Pers

    来源 AI 行业观察
  5. 豆包网页版上线Agent工作模式:八大功能覆盖PPT生成与AI搜索

    本文介绍豆包AI网页版的访问方式及2026年最新升级的Agent工作模式。该模式支持自主拆解任务、操作浏览器及生成文档。文章详细解析了PPT制作、图像生成、深度搜索等八大实用功能,并结合QuestMobile数据探讨其用户规模,为不同场景用户提供具体操作建议。

    来源 AI 应用前沿
  6. alphaXiv上线AI Agent专属预印本服务器:936个Agent自组学术圈

    有点不可思议,AI Agent 已经开始组团搞科研了。近日,alphaXiv 推出了一个专门面向 AI Agent 的预印本服务器,允许不同实验室的 Agent 在同一个平台上自主开展研究、交流成果。这些 Agent 会提出假设、设计实验、运行代码、分析数据,还会把研究成果写成论文,提交给其他 Agent 审查。更有意

    来源 腾讯网
  7. 豆包工作,把 Agent 干活成本打下来

    处理不少日常任务,成本已经低到几乎可以忽略不计。 作者: GaKi 编辑: Koji‍ 排版: NCon豆包工作的「豆姐」,终于换头像了,新版看起来更加干练,颇有几分职场人的感觉:换头像的同时,豆包工作还公布了一组数据:上线三个月,DAU 突破 800 万,企业客户 ARR 突破 20 亿元。与此同时,豆包工作还对模型

    来源 腾讯网
  8. Agent框架怎么选:用三条硬约束筛,别在LangGraph和Codex之间二选一

    面对LangGraph、DSH、Codex等六个主流Agent框架,很多开发者陷入“谁更好”的误区。本文提出12维对比法,强调✅/⚠/❌是工程行动信号而非评分。通过模型兼容、默认沙箱、本地形态三条硬约束先筛后评,主张跨框架分层组合:DSH作运行时,LangGraph提供流程表达,Codex贡献沙箱设计。附带决策矩阵代码

    来源 AI 应用前沿
  9. HarmonyOS 6上搭多Agent仓储调度:智链仓枢实战拆解

    本文介绍基于HarmonyOS 6(API 23)开发的「智链仓枢」系统。通过HMAF框架实现调度、路径、库存等多Agent协同,利用悬浮导航和沉浸光感优化PC端交互体验,结合端侧LLM推理与分布式软总线,解决异构设备协议不统一及实时调度延迟问题,展示了一套完整的云-边-端协同仓储解决方案。

    来源 AI 应用前沿
  10. 张博开源Linger:零token费本地跑125B模型,12GB显卡够用

    11月19日,前DeepSeek-VL项目负责人张博在X宣布开源个人Agent Linger,开发主体是张博创办的SIMPLEX AI TECHNOLOGIES PTE. LTD.(以下简称“Simplex AI”),代码已上传GitHub。按项目文档,Linger读取本地邮件、日历和文件,操作用户已登录的浏览器;连接

    来源 腾讯网
  11. 苹果自研AI智能体曝光:能操控设备写代码,2027年底或推出

    IT之家 11 月 20 日消息,彭博社马克 · 古尔曼(Mark Gurman)今日报道称,苹果正在开发自主 AI 智能体,计划让 AI 代替用户执行设备操控、应用操作、网页浏览和软件编程等任务,进一步进入由 OpenAI、Anthropic、Meta 等公司参与竞争的 AI 智能体市场。 古尔曼发现,苹果已经在官网

    来源 AI 行业观察
  12. 联想杨元庆:终端市场有巨大增长机会,80% 算力将产生于“端边”

    IT之家 11 月 19 日消息,据新浪科技今天报道,联想集团董事长兼 CEO 杨元庆在公司 2026/27 财年第二季度业绩沟通会上,谈到终端设备市场的长期趋势。他表示:“我们认为普惠的阶段刚刚开始,终端设备市场孕育着巨大的增长机会。” IT之家从原报道获悉,杨元庆认为,人们现在已经进入智能体时代。在这个时代,终端设

    来源 AI 行业观察
  13. OpenAI等AI企业遭亚利桑那州刑事调查:失控智能体疑入侵银行

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  14. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  15. Uber建MCP Gateway:800个服务器、5000个工具如何统一调度

    作者 | Leela Kumili译者 | 田橙随着 AI 智能体在公司内部得到广泛采用,Uber 构建了一套 MCP Gateway,用于规范智能体发现和调用内部服务的方式,以解决集成碎片化、基础设施重复建设和安全实践不一致等问题。该平台支持 800 多个 MCP 服务器和 5000 多个工具,为服务发现、协议转换、

    来源 腾讯网
  16. 苹果AI新布局:自研智能体操控Mac,对标四款竞品

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,

    来源 AI 科技快讯
向下滚动自动加载更多