# Forge 给开源小模型加了五层护栏，把智能体任务准确率从 53% 拉到 99%

> 原标题：Show HN: Forge – Guardrails take an 8B model from 53% to 99% on agentic tasks

- 来源：Hacker News 首页
- 发布时间：2026-05-19T12:23:07.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/23790
- 原文：https://github.com/antoinezambelli/forge

## 摘要

Forge 是一个 Python 框架，专门给自部署的大模型做工具调用和多步骤智能体流程。它给 Ministral 8B 这个开源小模型套了五层护栏，在 18 个多步骤智能体场景里把任务成功率从 53% 直接提到 99.3%。作者说这背后有篇被 ACM CAIS ’26 录用的论文撑腰，覆盖了 97 种模型和后端组合，每个场景跑了 50 次。

## 推荐理由

Forge 用五层护栏把 Ministral 8B 在 18 个多步骤智能体场景的任务成功率从 53% 提到 99.3%，覆盖 97 种模型与后端组合，为自部署小模型做工具调用的团队提供了一套可迁移的护栏思路。

## 锐评

53% 到 99.3% 这个跨度，我第一反应是护栏比模型本身值钱。Ministral 8B 这种量级的小模型做多步骤工具调用本来就在及格线附近，套五层壳能拉到接近满分，现在 agent 的瓶颈多半不在模型智力，在流程约束。真这样的话，自部署小模型做工具调用的账就完全不一样了，省下的推理钱够养好几个工程师。

99.3% 是作者自己那 18 个场景跑出来的，场景怎么挑的、护栏本身吃多少延迟和 token 都没说。我信方向，不信这个数。
