研究與評測
Agnes 開源 Agent 框架 Agnes Harness:9B 決策模型官方宣稱決策提速 14.3 倍、成本降至約 1/27
量子位單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

Agnes 開源 Agent 框架 Agnes Harness,採 Apache 2.0 授權,GitHub 約 2.1k Star。其核心包括「Sys1 雙系統決策」與「TTT×RSI 雙層自進化」。雙系統決策中,9B 決策模型 Agnes Sys1.0 負責高頻、明確的操作判斷,例如下一步調用哪個工具、等待或立即執行,拿不準時再請大語言模型處理複雜推理。官方報告顯示,在模擬家庭漏水任務中,大模型單次判斷平均 7.6 秒,Sys1.0 為 0.53 秒,約為 14.3 倍;在行李房測試(稱重、豎放、暫存,各 100 次判斷)中,單次成本約為 0.00247 美元對 0.000091 美元,約為 1/27。在仿真環境的室內找門機器狗任務中,「大模型加 Sys1.0」整體耗時縮短 32.9%。
TTT(測試時訓練)讓 Sys1.0 在任務前自行生成有標準答案的練習題,只微調末端一小組校準參數,任務結束後恢復原狀,以避免不同設備的經驗互相干擾。RSI(遞歸自我改進)則在任務後復盤,檢視反覆報錯與耗時步驟,調整 Prompt、Memory、Skills 與 Subagent 的配合方式;有效方法先在當前任務驗證,再整理成版本化 Playbook 供後續重用,且須通過仿真測試才能寫入。官方範例中,一項設備入庫驗收任務第一次因稱重台未穩定就讀數、操作順序錯誤,耗時 30 分鐘仍超時;依 Playbook 第二次執行則不到 8 分鐘完成。
在擴充性方面,業務工具、模型適配器、工作流與 Skills 可封裝為插件,既有業務系統可透過 MCP 接入。硬體方面,官方以 MHS(Model Hardware Standard,模型硬體標準)統一設備回報狀態、可執行動作與回傳資料的格式,任務拆解由 Harness 負責,實時控制與物理安全仍由設備控制器負責。MHS 目前以官方插件形式接入新版 Harness。
官方自評覆蓋 9 項基準,其中 6 項在對照組中排名第一,1 項與 Codex 並列第一;DeepPlanning 得分 87.07,BigCodeBench-Hard V1 通過率為 40.69%。目前僅見單一來源報導,上述速度、成本與評測數據皆為官方自報,測試條件多為模擬或特定任務,尚未見第三方獨立驗證。
讀原始報導背景
根據 AgnesAI-Labs 的 GitHub 頁面,Agnes Harness 是一個可插拔的 Agent 框架,定位為前沿部署工程(FDE)使用,強調可信與真實世界的落地。該頁面另提到,已有針對 Agnes 2.5 Flash 與 GLM 5.3 Flash 在 AutomationBench 上的自主代理框架改進報告。