0.2 元。一句自然语言生成一个完整可运行的 AI 应用Token 成本仅约 2 毛钱。这个数字足够反常识也很难不让人继续追问究竟是怎么做到的给出这个案例的人叫郑耀威。你可能还不熟悉这个名字但如果做过大模型微调大概率听说过他参与打造的开源项目——LlamaFactory。在 GitHub 获得超过 7 万 Star 的大模型微调框架被全球开发者广泛用于大模型的高效微调与部署相关研究成果也已在阿里云、英伟达等企业场景中得到应用。郑耀威本人是 PrismShadow千影光流联合创始人兼 CTO、北京航空航天大学计算机学院博士研究生。而现在他又把目光投向了一个更难的问题Agent 做出来之后怎么让它自己变强围绕这个问题郑耀威和团队打造了一套新的开源智能体自进化引擎——PenguinHarness。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」将在北京万达文华酒店召开。届时郑耀威将带来「低成本、高收益的自进化 Agent 闭环构建实践从 LlamaFactory 到 PenguinHarness 的技术演进」的主题分享。从模型微调到 Agent 自进化。这一次他想讨论的已经不只是“怎么把 Agent 搭出来”而是怎样让一个 Agent 在真实业务中越用越强从大模型微调走向 Agent 自进化郑耀威是北京航空航天大学计算机学院博士研究生也是 PrismShadow千影光流联合创始人兼 CTO。他在 ACL、CVPR、AAAI 等顶级会议和期刊发表论文 10 余篇担任 AAAI、EMNLP 等会议审稿人曾获北航榜样、昇腾生态开源卓越贡献奖等荣誉也曾多次受邀在人工智能计算大会、阿里云栖大会等行业峰会分享。但如果一定要从这些经历中挑一个开发者最熟悉的标签大概还是LlamaFactory 作者几年前大模型微调还是一件门槛不低的事情。环境配置、训练参数、数据处理、显存管理、模型适配……任意一个环节都可能让开发者花费大量时间。LlamaFactory 把复杂的大模型微调流程尽可能封装进统一框架并提供 CLI、Web UI 等方式显著降低大模型微调和实验的使用门槛。如今这个项目已经获得超过 7 万 GitHub Star。而完成这一切时郑耀威还是一名博士研究生。Agent 搭起来容易变强难。LlamaFactory 解决的是模型怎么通过训练和微调变得更好但到了 Agent 时代问题开始发生变化。LangChain、LangGraph 等框架已经显著降低了 Agent 原型开发的门槛。接模型、接工具、配 Prompt、做 Workflow、写 Skill。一个“能跑起来”的 Agent已经越来越容易实现。但真正的问题往往发生在上线以后。它会自己成长吗对很多 Agent 系统而言上线并不意味着能力会自然增长。如果缺少数据沉淀、自动评估和持续优化机制一个 Agent 运行三个月之后它的核心能力可能和上线第一天并没有本质区别。甚至还可能出现另一种情况业务不断增加Prompt 越写越长临时规则越堆越多Token 成本持续上涨但 Agent 并没有真正学会什么。如果你也正在做 Agent可以问自己三个问题Agent 上周犯过的错误这周还会不会再犯新业务接进来以后需要工程师重新修改 Prompt 和流程还是 Agent 能利用已有经验进行适应你能不能明确说出它比一个月之前“强了多少”如果这些问题很难回答那么这个 Agent 可能还停留在“能用”。距离真正的“越用越强”还有一段距离。PenguinHarness让 Agent 从“自动构建”走向“自动优化”这正是郑耀威此次演讲准备重点讨论的问题。过去半年团队围绕智能体自进化打造了 PenguinHarness。如果说传统 Agent 框架更关注Build Agent。那么 PenguinHarness 希望继续往前走一步Optimize Agent。它的核心包括一套面向 Agent 的 SDK、尽可能精简的工具体系和 System Prompt 设计并支持大量模型统一接入让开发者可以根据不同业务、成本和数据安全要求灵活选择模型。更关键的是它试图让“优化 Agent”这件事本身也形成自动化闭环。过去的方式可能是Agent 出错 → 人工看日志 → 找问题 → 改 Prompt → 再测试而在自进化体系中这个流程开始变成任务数据 → 自动评估 → 问题定位 → Harness 迭代 → 新版本验证也就是说Agent 不仅在执行任务“如何改进 Agent”本身也开始成为系统的一项能力。一个 Agent 的“进化闭环”到底怎么搭自进化最容易产生的误解是把它简单理解成“让模型反思一下然后重新回答。”但真正进入工程环境后自进化远比“Reflection”复杂。一个 Agent 的能力来自很多部分模型、Prompt、Tool、Skill、Memory、Workflow、上下文以及 Harness。因此真正的自进化首先要解决两个问题第一怎样稳定地让 Agent 变强第二怎样证明它真的变强了郑耀威团队给出的方案是建立一条完整的 Evolution Loop在这一过程中真实任务产生的数据可以转化为评估和优化依据。评估系统判断这次任务到底哪里做得不好是 Prompt 的问题Skill 的问题工具选择的问题还是执行策略的问题然后再根据结果进行下一轮迭代。最终形成一个不断循环的Agent Evolution Loop。比“让 Agent 进化”更难的是如何证明它真的进化了这是整个 Agent 自进化问题里非常关键、却经常被忽略的一环。今天已经有很多 Agent Benchmark。但大部分 Benchmark 回答的是这个 Agent 现在有多强而真正做自进化时需要回答的问题是给它经验、数据和反馈之后它究竟提升了多少为此郑耀威团队进一步推出GDPevo Benchmark——它专门面向具有经济价值的实际业务任务用于评估 Agent 的自进化能力。GDPevo Benchmark 通过 120 个任务、12 个业务场景等方式尝试系统度量 Agent 在经历数据、反馈和迭代之后究竟提升了多少。在团队目前公布的 PenguinHarness 自进化实践中部分实验实现了平均准确率提升 18.8%Token 成本降低 7.5%同时在相关演示中团队还展示了使用一句自然语言生成完整 AI 应用、Token 成本约 0.2 元的案例。这背后真正值得关注的并不是某一个具体数字而是一个正在发生的变化Agent 的竞争可能正在从“第一次谁做得更好”走向“运行一千次之后谁学得更多”。而这也是郑耀威此次现场分享最值得期待的部分。从一个 Agent看见整个 AI 技术栈正在变化郑耀威的这场分享只是 2026 奇点智能技术大会众多技术议题中的一个切面。2026 奇点智能技术大会将于 11 月 20-21 日在北京万达文华酒店举行。大会将聚焦大模型、Agent、AI 原生软件研发、AI Infra、多模态、世界模型、具身智能、AI Coding 与企业级 AI 应用等方向规划 18 大前沿专题从模型能力一路讨论到工程体系与真实业务落地。目前已经确认的嘉宾阵容也覆盖了 AI 技术演进的多个关键方向。其中包括Łukasz Kaiser OpenAI 资深研究科学家、Transformer 八子之一段楠 京东集团副总裁、京东探索研究院副院长李宇轩 面壁智能技术合伙人、智能进化首席科学家张俊林 新浪微博首席科学家及 AI 研发部负责人成宇 昆仑万维集团首席科学家、南洋理工大学讲席副教授董汉德 腾讯 WorkBuddy 模型研发负责人张铂 上海人工智能实验室青年科学家、智能体中心负责人俞扬 南京大学人工智能学院副院长、教授郎玉川 昆仑行机器人具身算法负责人、前理想汽车资深算法专家李宇轩 面壁智能技术合伙人、智能进化首席科学家……更多专家及议题欢迎访问「2026 奇点智能技术大会」官网https://ml-summit.org/当 AI 从模型走向系统、从 Demo 走向生产我们到底需要怎样的新技术栈对于正在做 Agent、AI Coding、企业级 AI 应用的开发者来说郑耀威这场演讲尤其值得关注。你将现场看到Agent 自进化闭环怎么搭GDPevo 如何度量 Agent 进化能力怎样通过数据、评估和 Harness 实现自动迭代如何兼顾效果、Token 成本与企业数据安全以及 PenguinHarness 如何让 Agent 从“自动构建”进一步走向“自动优化”。最后我们整理了一套大会资料包Łukasz Kaiser历届演讲视频与 PPT、Agent 实战训练营。Agent 实战训练营录播课包含Agent 设计模式、微信 AI 搜索实战、Agentic AI Infra六章内容讲的全是Agent 怎么从 Demo 跑上产线扫码下方二维码「立即领取」购票热线400-821-5876购票咨询serviceboolan.com企业合作partnerboolan.com演讲申请hemiaocsdn.net媒体联系mediaboolan.com 0.2 元生成专属多智能体应用？星标超 7 万的 LlamaFactory 作者郑耀威揭秘 Agent 自进化越用越强
0.2 元。一句自然语言生成一个完整可运行的 AI 应用Token 成本仅约 2 毛钱。这个数字足够反常识也很难不让人继续追问究竟是怎么做到的给出这个案例的人叫郑耀威。你可能还不熟悉这个名字但如果做过大模型微调大概率听说过他参与打造的开源项目——LlamaFactory。在 GitHub 获得超过 7 万 Star 的大模型微调框架被全球开发者广泛用于大模型的高效微调与部署相关研究成果也已在阿里云、英伟达等企业场景中得到应用。郑耀威本人是 PrismShadow千影光流联合创始人兼 CTO、北京航空航天大学计算机学院博士研究生。而现在他又把目光投向了一个更难的问题Agent 做出来之后怎么让它自己变强围绕这个问题郑耀威和团队打造了一套新的开源智能体自进化引擎——PenguinHarness。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」将在北京万达文华酒店召开。届时郑耀威将带来「低成本、高收益的自进化 Agent 闭环构建实践从 LlamaFactory 到 PenguinHarness 的技术演进」的主题分享。从模型微调到 Agent 自进化。这一次他想讨论的已经不只是“怎么把 Agent 搭出来”而是怎样让一个 Agent 在真实业务中越用越强从大模型微调走向 Agent 自进化郑耀威是北京航空航天大学计算机学院博士研究生也是 PrismShadow千影光流联合创始人兼 CTO。他在 ACL、CVPR、AAAI 等顶级会议和期刊发表论文 10 余篇担任 AAAI、EMNLP 等会议审稿人曾获北航榜样、昇腾生态开源卓越贡献奖等荣誉也曾多次受邀在人工智能计算大会、阿里云栖大会等行业峰会分享。但如果一定要从这些经历中挑一个开发者最熟悉的标签大概还是LlamaFactory 作者几年前大模型微调还是一件门槛不低的事情。环境配置、训练参数、数据处理、显存管理、模型适配……任意一个环节都可能让开发者花费大量时间。LlamaFactory 把复杂的大模型微调流程尽可能封装进统一框架并提供 CLI、Web UI 等方式显著降低大模型微调和实验的使用门槛。如今这个项目已经获得超过 7 万 GitHub Star。而完成这一切时郑耀威还是一名博士研究生。Agent 搭起来容易变强难。LlamaFactory 解决的是模型怎么通过训练和微调变得更好但到了 Agent 时代问题开始发生变化。LangChain、LangGraph 等框架已经显著降低了 Agent 原型开发的门槛。接模型、接工具、配 Prompt、做 Workflow、写 Skill。一个“能跑起来”的 Agent已经越来越容易实现。但真正的问题往往发生在上线以后。它会自己成长吗对很多 Agent 系统而言上线并不意味着能力会自然增长。如果缺少数据沉淀、自动评估和持续优化机制一个 Agent 运行三个月之后它的核心能力可能和上线第一天并没有本质区别。甚至还可能出现另一种情况业务不断增加Prompt 越写越长临时规则越堆越多Token 成本持续上涨但 Agent 并没有真正学会什么。如果你也正在做 Agent可以问自己三个问题Agent 上周犯过的错误这周还会不会再犯新业务接进来以后需要工程师重新修改 Prompt 和流程还是 Agent 能利用已有经验进行适应你能不能明确说出它比一个月之前“强了多少”如果这些问题很难回答那么这个 Agent 可能还停留在“能用”。距离真正的“越用越强”还有一段距离。PenguinHarness让 Agent 从“自动构建”走向“自动优化”这正是郑耀威此次演讲准备重点讨论的问题。过去半年团队围绕智能体自进化打造了 PenguinHarness。如果说传统 Agent 框架更关注Build Agent。那么 PenguinHarness 希望继续往前走一步Optimize Agent。它的核心包括一套面向 Agent 的 SDK、尽可能精简的工具体系和 System Prompt 设计并支持大量模型统一接入让开发者可以根据不同业务、成本和数据安全要求灵活选择模型。更关键的是它试图让“优化 Agent”这件事本身也形成自动化闭环。过去的方式可能是Agent 出错 → 人工看日志 → 找问题 → 改 Prompt → 再测试而在自进化体系中这个流程开始变成任务数据 → 自动评估 → 问题定位 → Harness 迭代 → 新版本验证也就是说Agent 不仅在执行任务“如何改进 Agent”本身也开始成为系统的一项能力。一个 Agent 的“进化闭环”到底怎么搭自进化最容易产生的误解是把它简单理解成“让模型反思一下然后重新回答。”但真正进入工程环境后自进化远比“Reflection”复杂。一个 Agent 的能力来自很多部分模型、Prompt、Tool、Skill、Memory、Workflow、上下文以及 Harness。因此真正的自进化首先要解决两个问题第一怎样稳定地让 Agent 变强第二怎样证明它真的变强了郑耀威团队给出的方案是建立一条完整的 Evolution Loop在这一过程中真实任务产生的数据可以转化为评估和优化依据。评估系统判断这次任务到底哪里做得不好是 Prompt 的问题Skill 的问题工具选择的问题还是执行策略的问题然后再根据结果进行下一轮迭代。最终形成一个不断循环的Agent Evolution Loop。比“让 Agent 进化”更难的是如何证明它真的进化了这是整个 Agent 自进化问题里非常关键、却经常被忽略的一环。今天已经有很多 Agent Benchmark。但大部分 Benchmark 回答的是这个 Agent 现在有多强而真正做自进化时需要回答的问题是给它经验、数据和反馈之后它究竟提升了多少为此郑耀威团队进一步推出GDPevo Benchmark——它专门面向具有经济价值的实际业务任务用于评估 Agent 的自进化能力。GDPevo Benchmark 通过 120 个任务、12 个业务场景等方式尝试系统度量 Agent 在经历数据、反馈和迭代之后究竟提升了多少。在团队目前公布的 PenguinHarness 自进化实践中部分实验实现了平均准确率提升 18.8%Token 成本降低 7.5%同时在相关演示中团队还展示了使用一句自然语言生成完整 AI 应用、Token 成本约 0.2 元的案例。这背后真正值得关注的并不是某一个具体数字而是一个正在发生的变化Agent 的竞争可能正在从“第一次谁做得更好”走向“运行一千次之后谁学得更多”。而这也是郑耀威此次现场分享最值得期待的部分。从一个 Agent看见整个 AI 技术栈正在变化郑耀威的这场分享只是 2026 奇点智能技术大会众多技术议题中的一个切面。2026 奇点智能技术大会将于 11 月 20-21 日在北京万达文华酒店举行。大会将聚焦大模型、Agent、AI 原生软件研发、AI Infra、多模态、世界模型、具身智能、AI Coding 与企业级 AI 应用等方向规划 18 大前沿专题从模型能力一路讨论到工程体系与真实业务落地。目前已经确认的嘉宾阵容也覆盖了 AI 技术演进的多个关键方向。其中包括Łukasz Kaiser OpenAI 资深研究科学家、Transformer 八子之一段楠 京东集团副总裁、京东探索研究院副院长李宇轩 面壁智能技术合伙人、智能进化首席科学家张俊林 新浪微博首席科学家及 AI 研发部负责人成宇 昆仑万维集团首席科学家、南洋理工大学讲席副教授董汉德 腾讯 WorkBuddy 模型研发负责人张铂 上海人工智能实验室青年科学家、智能体中心负责人俞扬 南京大学人工智能学院副院长、教授郎玉川 昆仑行机器人具身算法负责人、前理想汽车资深算法专家李宇轩 面壁智能技术合伙人、智能进化首席科学家……更多专家及议题欢迎访问「2026 奇点智能技术大会」官网https://ml-summit.org/当 AI 从模型走向系统、从 Demo 走向生产我们到底需要怎样的新技术栈对于正在做 Agent、AI Coding、企业级 AI 应用的开发者来说郑耀威这场演讲尤其值得关注。你将现场看到Agent 自进化闭环怎么搭GDPevo 如何度量 Agent 进化能力怎样通过数据、评估和 Harness 实现自动迭代如何兼顾效果、Token 成本与企业数据安全以及 PenguinHarness 如何让 Agent 从“自动构建”进一步走向“自动优化”。最后我们整理了一套大会资料包Łukasz Kaiser历届演讲视频与 PPT、Agent 实战训练营。Agent 实战训练营录播课包含Agent 设计模式、微信 AI 搜索实战、Agentic AI Infra六章内容讲的全是Agent 怎么从 Demo 跑上产线扫码下方二维码「立即领取」购票热线400-821-5876购票咨询serviceboolan.com企业合作partnerboolan.com演讲申请hemiaocsdn.net媒体联系mediaboolan.com