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 腾讯网 作者:量子位 全文 4709 字 · 约 12 分钟读完 分类Agnes智能体

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....

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

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

写代码时天花乱坠,

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。

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

Agnes Harness。

一个采用

给

先给大家划个重点,

一个是

顺着了解这两个创新设计,你就会明白如今

为了让整个过程更好理解,咱们直接原地来一局「重生」(doge)。

△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「机制。

需要复杂推理的部分,那就还是交给大语言模型

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

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?

可别小看了这个9B模型,它的「单兵作战能力」相当能打。

Agnes Harness

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,

算下来,单次决策成本只有前者的约1/27。

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+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。

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——

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。

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

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

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,

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。

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。

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。

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」。

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。

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。

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

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。

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。

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,

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87.07分;拼复杂代码能力的40.69%。

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

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。

Agnes Harness开源地址:
https://github.com/AgnesAI-Labs/agnes-harness
Agnes Sys1 1.0技术报告:
https://github.com/AgnesAI-Labs/Agnes-Sys1-1.0-Technical-Report
Agnes Harness技术报告:
https://github.com/AgnesAI-Labs/Agnes-Harness-Technical-Report-Nov-2026

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. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  2. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  3. 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
  4. 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
  5. 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
  6. 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
  7. 谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进

    模型一换,精心优化的 agent harness 可能立刻“水土不服”。专为 Claude 演化的 harness 甚至可能给 Gemini 带来“负收益”。因此,模型迁移后需要重新评估继承的修改,判断哪些仍然有效,哪些需要修订。 harness 管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)虽会依

    来源 AI 行业观察
  8. 只改一处代码,谷歌 AI 智能体优化 Harness 后任务成功率提升 8 倍

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。 在一项 SWE

    来源 AI 行业观察
  9. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  10. Echo 创始人邹皓:硬件负责收集声音,AI负责创造价值

    过去一年,AI 硬件经历了一轮完整的冷热切换。年初,“取代手机”式的探索产品相继退场,热度转向更加务实的产品路线:录音卡片累计出货突破百万台,头部公司做出上亿美元级别的年经常性收入,AI 眼镜出货量一年增长超过三倍,行业叙事也从录制工具,升级为记录生活的入口。2026 年下半年,Personal Agent 概念爆火,

    来源 腾讯网
  11. 央企财务谈蕾用上TeleAgent:194张发票20分钟核完,带AI比带徒弟省力

    财务人亲历智能体做账变革|图 AI生成作者/ IT时报 孙妍编辑/ 钱立富 孙妍每个工作日早上,谈蕾(化名)坐到办公桌前,第一件事不是打开账务软件,而是点亮那款AI工具,在对话框唤出昵称“小星”。谈蕾是一名央企财务人员,和账本打交道近30年。核对发票、做凭证、出报表、申报税金,她负责集团内多家分公司的整盘账务,...

    来源 腾讯网
  12. 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
  13. 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
  14. 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
  15. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  16. OpenAI自曝递归自我提升,智能体指数级爆发,人类已成瓶颈

    OpenAI毫无征兆地宣布:「递归自我提升」(RSI,Recursive Self-Improvement)的齿轮,已经正式开始转动。 通俗来说,OpenAI亲口作证:AI开始研发AI了! 长久以来,人们都在猜测超级人工智能(ASI)会在哪一天降临。大家盯着大模型的跑分,盯着参数量的飙升。 但OpenAI明确告诉你:通

    来源 AI 行业观察
  17. Snowflake Expedition 2026:AI智能体与实时流式升级?

    2026 年 Snowflake Expedition 大会上,Snowflake 展示了一系列覆盖平台架构的重大升级,正逐步由云数据平台演进为支持自主 AI 智能体、实时流式应用和对话式商业智能的统一引擎。 此次发布围绕一个核心理念展开:AI 的价值取决于其所依托的企业业务上下文。 通过引入原生业务本体(Busine

    来源 AI 行业观察
  18. 谷歌发布Gemini 4 Neon模型,编程智能体性能对标头部大模型

    谷歌正式推出Gemini 4 Neon,定位介于旗舰Carbon和轻量Hydrogen之间,主打复杂编程、智能体协同与企业流程自动化。该模型搭载百万级统一上下文窗口,支持图文、音视频、文档多模态混合输入,在编程智能体专项基准测试中取得靠前成绩,同时提供四档推理模式自由平衡推理深度、响应速度与调用成本。在智能体赛道竞争持

    来源 腾讯网
  19. 让AI做选择题,为什么比让它写作文更难

    你有没有想过一件很奇怪的事:一个能写诗、能聊天、能解释量子力学的大语言模型,让它从"A、B、C"三个选项里挑一个答案,反而要绕一大圈?听起来不可思议,但这正是当下很多智能体系统里真实发生的事情。你去问一个客服机器人该把工单分给哪个部门,它不会直接说"B",而是先啰嗦一句"根据您描述的情况,我认为应该交给技术...

    来源 腾讯网
向下滚动自动加载更多