A local-first multi-agent app development platform, built on PenguinHarness
Adelie
本地优先的多智能体应用开发平台,构建在 PenguinHarness 之上
[!IMPORTANT] Adelie 是 PenguinHarness 的 fork。 这棵代码树、引擎、Web 前端与协议都来自 PenguinHarness(Apache-2.0);Adelie 是长在它上面的 产品线 —— 自己的品牌与界面、自己的数据根与端口、自己的发布链路。
- 来源、许可证义务、我们改了什么:
FORK.md- 改到哪一步了:
FORK-PROGRESS.md- 上游自己的渠道(仓库、官网、文档、博客、社区、Discord、X、微信、Product Hunt)是上游的, 不是 Adelie 的:https://github.com/Prism-Shadow/penguin-harness · https://penguin.ooo/
- PenguinHarness / PrismShadow 的名字与商标属于上游。Adelie 不拿它们当自己的名号、图标或域名。
English | 简体中文
为什么选择 Adelie
使用 LangChain,以 1 倍速度人工构建 Agent;
使用 Adelie,以 100 倍速度用 Agent 构建 Agent。
Adelie 运行在你的电脑或服务器上,自动串联 Agent 应用的创建、评测、优化与部署。三个递进的理由定义了这个平台:
1. 🏆 以几十分之一的成本,跑出优异的效果
刻意精简的工具集配合干净的底层接口:更少的工具调用、更少的 Token,对 DeepSeek 等开放模型深度适配。各自搭配常用模型、同一批任务,正面对比:
数据分析准确率最高——成本只有 Claude Code 的 1/70。
2. ⚡ 一句话生成可运行的 Agent 应用
用一句话描述需求,Adelie 自动构建完整的 Agent 应用——脚手架、代码、运行说明,一步到位:
收集 https://github.com/ericbuess/claude-code-docs 的文档,做一个化身 Claude Code 配置专家、回答带来源引用的 RAG 问答应用。
这是做出来的成品——一个文档专家:检索增强、引用可点击直达原文、内置示例问题:
而生成整个 RAG 应用,仅消耗了 0.2 元($0.02)的 token——使用 DeepSeek V4 Pro 模型。
3. 🧬 原生 Agent 自进化引擎
借助 Adelie 技能库,Agent 自己评估、自己优化:跑 Benchmark、找失分点、发布 N+1 版——每轮之前自动快照,每个请求都可在轨迹观测中回放。
这份 README 里的图:基准对比图出自上游 PenguinHarness 作者对该代码库的实测——Adelie 用的就是同一套引擎与界面,所以它说的就是这份 fork 的能力;其余截图都是 Adelie 自己的界面,在本机实例上截的。
内置插件库
开箱内置四类插件(文档在这个仓库的 packages/docs 里)——Skill,以及驱动目标模式与持续学习的会话钩子;Agent 也能编写并优化自己的 Skill:
| 分类 | 插件 |
|---|---|
| 办公效率 | data-analysis、use-firecrawl、use-offerdao、browser-automation、use-bento-slides、use-lieflat-charts、use-wps-office、use-seedance、use-seedream、humanizer、goal、continual-learning、csu-mail、lesson-video、requirements-box |
| 软件开发 | software-development、use-claude-code、wechat-miniprogram、gpu-model-serving、web-vscode |
| AI 应用开发 | agent-development、model-development、skill-porting、agent-tuning |
| Agent 公司 | agent-company |
插件市场页把这套插件全列出来:每条读的是插件包自己的 README、版本、许可证与关键词,一键安装。
桌面应用的侧边停靠栏里还内置了一个浏览器。Agent 通过 penguin browser 和 browser-automation 插件驱动它:读取页面、点击和输入,并提取亚马逊订单这样的数据,登录用的是从你自己的浏览器导入的账号。
支持的模型
| 模型 | 可用供应商 |
|---|---|
| DeepSeek V4 | DeepSeek, OpenRouter, Fireworks AI, SiliconFlow, TokenDance, Qwen Token Plan, Qwen Pay-As-You-Go |
| Kimi K3 | Moonshot AI, OpenRouter, Fireworks AI, TokenDance, Qwen Pay-As-You-Go |
| GLM 5.3 | Z.AI, OpenRouter, TokenDance |
| Hunyuan 3 | OpenRouter |
| Qwen 3.8 Max | Qwen Token Plan, Qwen Pay-As-You-Go, OpenRouter, TokenDance |
| GPT 5.6 | OpenAI, OpenRouter |
| Gemini 3.7 Flash | Google Gemini, OpenRouter |
| Claude 5 | Anthropic, OpenRouter |
| Inkling | OpenRouter, Fireworks AI |
上表每个系列只列最新一代,完整预置清单请在应用的模型页查看;只要是 OpenAI 协议的端点都可以接入:选择预置,或用自定义端点连接 1000+ 在线与本地模型。
系统需求
| 需求项 | 支持情况 |
|---|---|
| 操作系统 | Windows 10+(x64)、Linux(x64)、macOS(arm64 / x64) |
| 运行时 | 安装包自带 Node;用 npm 装或从源码构建才需要 Node >= 24 |
| 模型 | 至少一个模型供应商的 API Key |
安装
Adelie 有自己的产物:桌面安装包、命令行包与 npm 包,每次发布都在 GitHub Releases 上。只有这一处:这个仓库以前 挂的阿里云 OSS 镜像已经停用,所以只有一条地址要看,而且它始终是最新的。一次发布是一个整体版本: 桌面端、命令行、服务端与 Web 前端同号。
桌面应用
| 平台 | 产物 |
|---|---|
| Windows 10+ x64 | adelie-desktop-win32-x64.exe —— NSIS 安装器,按用户安装 |
| Linux x64 | adelie-desktop-linux-x86_64.AppImage 或 adelie-desktop-linux-amd64.deb |
| macOS | 还没打 —— dmg / zip 目标在等一张 Apple 开发者证书 |
Windows 安装包还没有代码签名,SmartScreen 会提示一次(「更多信息 → 仍要运行」)。应用自己会 检查更新,读的就是这个仓库的 GitHub Releases —— 升级走应用里的「检查更新」就行。
命令行与 Web App
# Linux / macOS 一行装好:装在 ~/.adelie,自带 Node 运行时
curl -fsSL https://github.com/lmliheng/Adelie/releases/latest/download/install.sh | sh
# 或者走 npm(任意平台,机器上要有 Node >= 24)
npm install -g @adelie/cli
装好之后:
penguin web # 在浏览器里打开与桌面应用同一个界面
penguin chat # 或者直接在终端里和 Agent 说话
数据根是 ~/.adelie/data(ADELIE_HOME 可以改;旧的 PENGUIN_HOME 仍然认,所以改名之前装的实例
照样读自己的数据)。升级只替换 bin/、lib/、web/、node/,不动数据根:
penguin update --check
penguin update --yes
首次启动会在输出里打印一条「首次登录链接」:打开它认领内置的 admin 账号并设置密码(没有可输入的
初始密码)。模型在应用内的模型库页配置 —— 新实例要先配一个 API key 才能跑任务。
[!WARNING] 上游自己的那些入口 ——
curl https://penguin.ooo/install.sh | sh、npm install -g @prismshadow/penguin-cli、docker run hiyouga/penguinharness、 https://penguin.ooo/download 上的桌面安装包 —— 装出来的是 PenguinHarness,不是 Adelie。 Adelie 有自己的安装包、自己的 npm scope 和自己的更新链路,用上面这些。
命令名还是 penguin,包的词干也还留着 penguin-(scope 是 Adelie 自己的 @adelie/*);改名是
分期做的,还没做完的部分记在 FORK-PROGRESS.md。
参与开发
pnpm install && pnpm build # 先构建:core 的导出指向 dist/
pnpm dev # 后端 + Web 前端一起起(日志带前缀,依赖只构建一次)
完整的工作区指南见 CONTRIBUTING.zh.md(那份文件是上游的,大体仍准确):
开发命令、质量门禁、仓库结构、变更日志规则。上游的官网站点 packages/landing 已在本 fork 中删除。
本 fork 自己的文档收在 docs/ —— fork 的由来、进度台账与各版本的发布正文 ——
仓库根只留约定俗成的那几份。
上游路线图
这里是上游项目的路线图,留作了解这个基座往哪走。Adelie 自己的计划在
FORK-PROGRESS.md。
- Benchmark 套件正式发布
- 桌面端应用
- Windows 系统支持
- Agent 公司与模板
- 公司级自进化能力
- 集成 OpenShell(带权限管控的 shell)
- 更多规划,敬请期待……
上游贡献者
感谢每一位为 PenguinHarness 作出贡献的开发者 —— 这个 fork 建在它的代码之上。
引用
如果你用到了这套代码,请引用它的上游项目(Adelie 是它的 fork):
@software{penguinharness2026,
author = {{PrismShadow Team}},
title = {PenguinHarness: Efficient Self-Improving Harness for Everyone},
year = {2026},
url = {https://github.com/Prism-Shadow/penguin-harness},
license = {Apache-2.0}
}
致谢
本项目受益于:
- MinGit:Windows 版内置的 POSIX shell 与 Git
- GenericAgent:内置浏览器自动化
许可证详见 THIRD-PARTY-NOTICES.md。
协议
Apache-2.0 © 2026 Prism Shadow —— 这是上游的版权。Adelie 是它的 fork,
以同一协议发布;见 FORK.md。
上游 PenguinHarness 由 LlamaFactory 作者 Yaowei Zheng、PrismShadow AI Team 与 Fable 5 共同用 ❤️ 构建。Adelie 是这份工作的 fork。