0.2 元。
一句自然语言即可生成完整可运行的 AI 应用，Token 成本仅约 0.2 元。这一反常识数据背后，是 LlamaFactory 作者郑耀威及其团队在 Agent 自进化领域的最新突破。
11 月 20—21 日，由 CSDN 与奇点智能研究院联合举办的「2026 奇点智能技术大会」将在北京召开。郑耀威将带来主题分享，深入解析从大模型微调到 Agent 自进化的技术演进路径。
从大模型微调走向 Agent 自进化
郑耀威，北京航空航天大学计算机学院博士研究生，PrismShadow（千影光流）联合创始人兼 CTO。他在 ACL、CVPR 等顶级会议发表论文 10 余篇，最广为人知的身份是开源项目 LlamaFactory 的核心作者。
LlamaFactory 将复杂的大模型微调流程封装为统一框架，显著降低了实验门槛，目前已在 GitHub 获得超过 7 万 Star，并被阿里云、英伟达等企业广泛应用。
然而，随着 LangChain、LangGraph 等框架的普及，Agent 的原型开发已不再困难。真正的挑战在于上线后：Agent 能否在真实业务中持续成长？若缺乏数据沉淀与自动优化机制，Agent 运行数月后能力可能停滞不前，甚至因 Prompt 堆砌导致成本激增。
开发者需反思：Agent 是否会重复犯错？新业务接入是否依赖人工调整？其能力提升是否可量化？若答案是否定的，则该系统仅停留在“能用”阶段，距离“越用越强”尚有差距。
PenguinHarness：让 Agent 从“自动构建”走向“自动优化”
针对上述痛点，郑耀威团队推出了开源智能体自进化引擎——PenguinHarness。如果说传统框架关注"Build Agent"，PenguinHarness 则致力于"Optimize Agent"，旨在让优化过程本身形成自动化闭环。
其核心包含面向 Agent 的 SDK、精简工具体系及 System Prompt 设计，支持多模型灵活接入。关键在于重构了迭代流程：从“人工看日志改 Prompt"转变为“任务数据→自动评估→问题定位→Harness 迭代→新版本验证”。
构建 Agent 进化闭环
自进化并非简单的模型反思，而是涉及模型、Prompt、Tool、Skill、Memory 等多维度的系统工程。PenguinHarness 通过建立完整的 Evolution Loop，利用真实任务数据作为评估依据，自动诊断问题根源（如 Prompt 缺陷或工具选择错误），并驱动下一轮迭代。
量化进化效果：GDPevo Benchmark
证明 Agent“真的变强了”比让其进化更难。为此，团队推出了面向实际业务任务的 GDPevo Benchmark，通过 120 个任务、12 个业务场景系统度量 Agent 的提升幅度。
实验数据显示，基于 PenguinHarness 的自进化实践实现了平均准确率提升 18.8%，Token 成本降低 7.5%。这标志着 Agent 竞争正从“初次表现”转向“长期学习能力”。
从一个 Agent，看见整个 AI 技术栈正在变化
郑耀威的分享仅是 2026 奇点智能技术大会众多前沿议题的缩影。大会将于 11 月 20-21 日在北京万达文华酒店举行，聚焦大模型、Agent、AI Infra、具身智能等 18 大专题，探讨从模型能力到工程落地的全链路技术。
确认嘉宾阵容涵盖 AI 技术演进的关键方向，包括 OpenAI 资深研究科学家 Łukasz Kaiser、京东集团副总裁段楠、面壁智能技术合伙人李宇轩、新浪微博首席科学家张俊林等业界领军人物。
对于致力于 Agent 开发与 AI 应用落地的开发者而言，本次大会将深入剖析 Agent 自进化闭环搭建、GDPevo 度量方法、自动迭代机制以及成本控制与数据安全平衡等核心议题，揭示 AI 技术栈从 Demo 走向生产的关键变革。
了解更多「2026 奇点智能技术大会」信息，请访问官网。（投稿或寻求报道：zhanghy@csdn.net）
AI科技大本营