FrontierAgent：从终端执行到模型评测一体化的Agent Harness，1223 Star

最近 AI 圈子里经常有人提到这样一个公式：Agent = Model + Harness。模型本身大家都可以用上，但真正决定一个 Agent 好不好用的是外面那一层执行框架——任务怎么分、文件怎么管、出现问题能不能回退，这些都不是模型单独能解决的。

最近有一个模型公司把内部一直在用的整套系统直接放了出来。FrontierAgent 就是这类项目，它在 GitHub 上已经有 1223 个 Star。比较特别的是，连自己用来评测模型的那一套系统也一起开源了——拿到项目后，不只是能运行 Agent，模型公司自己跑分用的 Workflow Engine 也有现成的。

FrontierAgent 是 Apodex 这家模型公司的自用 Agent 执行系统，它把终端 Agent、文件沙箱、任务看板和模型评测都放在了同一个项目中，已经不是简单的聊天界面，而是一个完整的 Harness。

一个调研场景演示

假设要做一份细分赛道的深度调研，报告最后还要拿去给团队讨论，不能只输出几段看起来像样的总结。把原始资料放到 /inputs 文件夹里，然后创建一个 Agent Team，只对它说一句话：把目标分解成子任务来查。

这时它就会自己把任务拆开，然后把不同的方向分配给并行运行的小 Agent。右边的任务看板也会同步显示进度，子任务由 pending 变为 active 之后，哪些已经开始了、哪些还在等待中一目了然，是谁卡住了不需要看日志就能知道。

等到各个 Agent 把报告交上来之后，协调者再把这些内容收回来，汇总成一份最终版。这中间还可以随时补充要求，新指令会等到安全节点再注入，不需要按 Ctrl+C 中断整个任务。如果某一步卡住了，也能实时看到它正在处理什么。

文件修改的部分也保留了确认环节，系统会把要修改的文件以及变更的内容展示出来，等确认之后再进行操作。完成之后，最终交付物就会整齐地放在宿主机上。

它到底自动化了哪些环节

前面演示的是团队模式，底层其实有两个引擎，可以按照任务类型来切换。

01 多 Agent 协作，自带任务看板。 一个协调者把大的任务拆开来，然后通过任务看板分配给同时运行的小 Agent，最后把它们的报告收回来做汇总。可以使用 --concurrency 来限制并行数量。当要同时查询多个方向的时候，这种方式比较容易观察进度，也方便找出具体卡住的子任务。把同一套模型换进来之后，六项基准全部上涨，其中 GDPval 从 69.5 涨到了 78.8——至少可以说明任务组织方式本身会影响效果，并不是只和模型参数有关。

02 文件进出全走沙箱。 /inputs 是只读目录，/workspace 用作中间工作区，/outputs 存放最终交付物。修改文件之前要经过审批，发现问题可以使用 /revert 来撤销，最后生成的文件在宿主机上也可以直接找到。危险命令会被拦截，即使加上了 --yes，也有一部分操作会被永久拒绝；如果沙箱权限检查失败，系统就会直接关闭，不会悄悄地放行。

03 有状态 ReAct，一个 Agent 干到底。 如果任务不适合拆分，也可以使用 ReAct 模式，让一个 Agent 一直进行下去。读文件、跑命令和写交付物的状态都会保留下来，适合分析一个仓库、阅读一篇论文，或者围绕单个目标整理资料。它不会每执行一步就忘掉前面的内容，长任务跑到一半时上下文还在；中途断开后也可以用 --resume 接着往下跑。当任务运行时间较长的时候，还可以设置完成通知。

04 评测系统一起开源。 项目中包含 14 个 benchmark，并且提供了 41 条可以验证的查询，可以直接使用。判分方式有两种，既可以进行客观比较，也可以让模型来当裁判。Apodex 在自己评估模型的时候也使用了这套 Workflow Engine，要复现某篇论文的跑分，在现有的框架上运行就可以，不需要做太多关于评测系统搭建的工作。

安装方式

macOS 和 Linux 原生支持，Windows 需要使用 WSL2 来运行。开始之前要准备好 Git、Python 3.12 和 uv。模型使用 OpenAI 兼容接口，可以在本地进行托管或者调用 API。

git clone https://github.com/ApodexAI/FrontierAgent.git
cd FrontierAgent
uv sync --python 3.12 --extra dev

把 .env.example 复制成 .env，填入模型端点，基本就可以开始运行了。原生模式不需要安装 Docker Desktop，依赖会按需放进项目目录。如果平时更喜欢用 Docker，也可以用对应的方法来部署。

要运行团队模式，在 TUI 中执行：

uv run frontier-agent --mode agent_team --cwd /path/to/project

Docker 用户可以直接用 compose 来启动，不需要配置太多本地环境。

注意事项

目前的跑分主要是由项目方提供的，第三方复现的数据还没有出来，数字可以作为参考。Windows 要用到 WSL2 才能运行，不是原生支持。本地模型对于 NVIDIA 驱动也要求很高，目前 Apple 芯片无法运行 SGLang，相关的 CUDA 错误排查起来会很麻烦。

做调研很麻烦，一般不是让模型来写总结，而是资料很多、过程很散，最后很难核对每一个结论是怎么来的。FrontierAgent 将任务拆分、执行过程以及文件交付串联在一起，这也是它比较有价值的地方。

开源地址：https://github.com/ApodexAI/FrontierAgent