Skip to content

A local-first multi-agent app development platform, built on PenguinHarness

13.3 KB
Raw Blame

Adelie 图标:企鹅走进蓝色轨道,眨两下眼睛

Adelie

本地优先的多智能体应用开发平台,构建在 PenguinHarness 之上

协议:Apache-2.0 Node >= 24 PenguinHarness 的 fork

[!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。

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:

Benchmark:Adelie 在数据分析题库准确率最高、编程题库与 OpenAI Codex 持平,成本仅为两者的零头

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:

生成出来的文档专家应用:带编号引用的回答、来源列表与示例问题

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。

评估中心:出题、评估、优化三步,以及一个开箱即用的 Example Benchmark

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。

插件市场:已安装的插件,以及这份构建可安装的插件,带分类与筛选

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。

PenguinHarness 贡献者

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。