10行代码实现一个超级自进化 Agent Harness

for loop + tools + LLM === AI Agent
for loop + tools + LLM + feedback + limitation === Agent Harness

选择个足够强的模型，经历 30～50 轮迭代之后，10xagent.js 将超乎你的想象

const call = async messages => { const res = await fetch(`${process.env.OPENAI_BASE_URL}/chat/completions`, {
    method: "POST", headers: { Authorization: `Bearer ${process.env.OPENAI_API_KEY}`, "Content-Type": "application/json" },
    body: JSON.stringify({ model: process.env.OPENAI_MODEL, messages, tool_choice: "auto", tools: [{ type: "function", function: { name: "bash", parameters: { type: "object", properties: { cmd: { type: "string" } }, required: ["cmd"], additionalProperties: false } } }] }) });
  return (await res.json()).choices[0].message; };
const messages = [{ role: 'system', content: `你是简洁但十分智能的AI Agent。用 bash 工具执行操作，完成后直接用文本回复。环境信息：\nos=${process.platform}\narch=${process.arch}\ncwd=${process.cwd()}` }, { role: "user", content: `${process.argv.slice(2).join(" ")}` }];
for (let i = 0; i < 30; i++) {
  const m = await call(messages);
  if (!m.tool_calls?.length) { console.log(m.content); break; }
  messages.push(m, { role: "tool", tool_call_id: m.tool_calls[0].id, content: require('node:child_process').execSync(JSON.parse(m.tool_calls[0].function.arguments).cmd, { encoding: "utf8", timeout: 120_000 }).slice(0, 10_000) });
}

运行

需要先安装 Bun：

curl -fsSL https://bun.sh/install | bash

.env(bun 自动加载):

OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=sk-xxx
OPENAI_MODEL=gpt-5.5

for i in {1..30}; do echo "=== 第 $i 次 ==="; bun 10xagent.js "你正在将 10xagent.js 从一个极简 Agent 原型，持续优化为一个更完整、更可靠、更安全、更智能的 AI Agent 。当前是第 $i/30 轮。每轮只做一个独立、自洽、可独立验证的改进。先复制 10xagent.js 为 10xagent.tmp.js 然后在 10xagent.tmp.js 基础上进行改动。修改后必须使用 bun 10xagent.tmp.js <prompt> 做一次真实端到端验证，验证 prompt 由你根据本轮改动自主设计，必须覆盖本轮改动影响的能力，并确认能正常调用 LLM、使用必要工具、及时返回结果；不要只验证语法或帮助信息，必须验证一个真实任务；如果程序完整,运行正常 再将其重命名为 10xagent.js ；如果端到端跑不通或明显卡住，必须回滚本轮改动。并且删除 10xagent.tmp.js"; done

• 稍微改动 for in 循环提示词将获得不一样的体验
• 可以加提示词让 Agent 每轮提交 git 记录本轮改动以观察 LLM 的优化思路
• 自进化水平、迭代轮次跟 LLM 智能直接挂钩

⚠️ 只用于演示核心原理，权限全权交给LLM，确保 LLM provider 合法可靠，运行风险需要自己把握