一个面向长程研究、文件型工作负载的开源 agent 运行时、终端产品与评测套件。由 Apodex AI 开源（Apache 2.0），同样驱动其旗舰模型 Apodex‑1.1 的评测。内置两种原生工作流：单智能体 ReAct 与并行 Agent Team。
FrontierAgent 不是单一模型，而是一套把「长程、文件型、需执行命令的复杂 agent 工作」固化下来的开源运行时。框架、工具、工作流、评测四层刻意解耦，可各自独立复用。
通用 ReAct 循环、调度、注册表、AgentBus 消息总线、observer 观察器契约——与具体工作流无关的引擎内核。
web、shell、file、sandbox 与 team 工具实现。文件与 shell 共享同一个任务作用域沙箱。
ReAct 与 Agent Team 的 pipeline 定义、profile、提示词与 observer。同引擎同时服务单智能体与多智能体。
TUI（Rich + Textual）：计划/任务板侧栏、实时工具活动、交付物、会话级 diff、审批门。
Public benchmark harness + 独立 FrontierSearchBench。每题独立子进程、可恢复、带确定性/模型判分。
同一套工作流引擎驱动 Apodex 模型评测。也支持任意 OpenAI 兼容端点，无需自托管模型即可跑。
都跑在同一个 `run_agent_loop` 内核上，区别在编排方式。
一个持续有状态的智能体在任务作用域沙箱内：检索、读文件、产出交付物、执行命令、根据失败迭代。适合聚焦的研究、仓库分析、文档/文件工作。
# 单智能体，聚焦某个任务 uv run frontier-agent --mode react --cwd /repo \ -p "explain src/main.py" # 恢复一个已保存的会话 uv run frontier-agent --resume
协调者维护任务板，把独立工作拆解并分发给有界并行的子智能体，收集结构化报告后综合结果。适合需要分解与并行调研的宽泛问题。可选 fast reporter 做最终证据复核。
uv run frontier-agent --mode agent_team --cwd /repo \
"研究替代方案、核验证据、写出报告"
文件与 shell 工具共享一个任务作用域沙箱，路径策略强制隔离，授权或沙箱失败一律 fail-closed。
交互会话在写入、删除、装包与风险 shell 命令上叠加审批门；部分操作即使 --yes 也保持拒绝；文件变更被 journal 记录，/revert 可整体撤销。支持沙箱后端：bwrap（bubblewrap）、container、E2B 云。
评测层把公开数据集转成隔离任务，逐题子进程跑选定工作流，采集文本/文件输出并派发基准专属判分。
| 基准 | 类别 | 默认流水线 |
|---|---|---|
| browsecomp / browsecomp_zh | BrowseComp | stateful-react-agent |
| hle_text | Humanity's Last Exam | stateful-react-agent |
| superchem_text | SuperChem | stateful-react-agent |
| frontier_science_research / olympiad | FrontierScience | stateful-react-agent |
| deepsearchqa / widesearch | DeepSearchQA / WideSearch | stateful-react-agent |
| officeqa / gdpval | 文件基准 | stateful-react-agent |
| apex | APEX | stateful-react-agent |
| onemillion_bench | OneMillion-Bench | agent_team |
| frontier_search | FrontierSearchBench | 官方外部批量判分 · 41 条可核验查询 |
| 配置 | APEX | GDPval | Finance | Sci-Research | BioMystery | HLE |
|---|---|---|---|---|---|---|
| 1.1 Agent Team | 38.5 | 78.8 | 54.3 | 63.3 | 35.3 | 56.1 |
| 1.1 ReAct | 34.4 | 69.5 | 48.7 | 55.0 | 23.5 | 53.2 |
| Apodex-1.0（基线） | 16.5 | 59.3 | 40.3 | 28.3 | 17.6 | 49.0 |
Agent Team 在列出的全部基准上均显著领先 1.0 基线，也普遍优于单智能体 ReAct——并行分解对长程复杂任务是实打实的收益，不是装饰。
Agent Team 的 add_task/update_task 事件实时出现在 TUI 侧栏：pending / active / completed / blocked / cancelled 五种状态一目了然。
智能体运行时可继续打字排队新指令，在下一个安全轮次边界注入，不丢弃进行中的 run；Agent Team 模式下已运行的子智能体允许跑完。
macOS/Docker 下 /outputs 映射到宿主机 .apodex/runs/<session-id>/outputs，同目录还含 checkpoint、trace、engine log、轨迹。
变更操作显示 diff 并要求审批；会话可 checkpoint；每个动作本地追踪；/revert 还原；--resume 续跑。
推理超时/超 tok 看门狗 + 重复查询回滚、字节级重复工具调用、近似重复文字三类 stop-loss。
OpenAI、Anthropic（含 Bedrock）、任意 OpenAI 兼容端点；不用自托管模型即可体验，也能跑本地 NVIDIA/SGLang。
FrontierAgent 是少见的「把 agent 工程做扎实」的开源运行时：解耦的分层架构、任务板式的多智能体编排、以及真正 fail-closed 的沙箱/审批模型。对想研究长程 agent 工作流与评测工程的人，是一份干净、可读、可直接跑的参考实现。