Mingbird: A Local-First Agent Harness Enabling Small Open Models to Complete Real Tasks
Mingbird：本地优先 Agent 框架让小型开源模型完成真实任务
University of Science and Technology Beijing · Honor Device Co., Ltd.
Mingbird 通过十项机制补偿小模型故障，在 LRAB 与 τ²-bench 上显著超过 goose/opencode/agent-mini
📌 工作参考价值
- 小模型做工具调用时，优先治理 prefill 预算而非只靠模型截断：可把工具 schema 压缩到字节级配额，尤其适合端侧或低延迟搜索推荐 Agent。
- 在 Agent 完成提交前增加“重读任务/用户 query”的 finish gate，能减少静默放弃与提前结束；可用于多轮 query 改写、推荐解释生成等需可靠终止信号的场景。
- 采用签名级 loop detection 监控工具调用序列（函数名+参数模式），而不是文本相似度，能更快终止无效循环，节省 token 与延迟。
- 若业务有隐私或成本限制，可考虑 2-9B 本地模型 + 强 harness 做降级链路，通过工程补偿换取小模型可用的任务完成率，而非直接升级大模型。
动机：2-9B 开源模型在笔记本可运行，但在云规模 agent harness 下常因工具 prefill 撑爆上下文、自我纠错发散、工具演示循环、静默放弃任务而失败。对照实验和第三方基准显示，相当一部分失败源自 harness 而非模型本身。
方法关键点：Mingbird 是面向 Windows 和 Ollama 的本地优先 agent harness，含 10 个机制逐点补偿小模型故障。代表机制包括字节级 net-zero prefill budget——对工具预填充做净零字节预算；finish gate——接受完成前重读任务；签名级 loop detection——按工具签名检测循环调用。
关键结果：LRAB 受控比较固定机器、模型、预算和评分（4 harness × 4 开源模型 2B-35B × 18 真实任务），Mingbird 总分为 0.886，对照 goose 0.631、opencode 0.479、agent-mini 0.405，全部 288 个 cell 公开；τ²-bench 278 任务总分 0.856，对照 0.791 和 0.737；前沿模型探针同任务跨 harness 从 0.997 到 0.478。消融显示同夜复现波动最高 0.069，full stack 相比仅 text re-read 的完成守卫配对 +0.10。