认知内核-Pro：面向深度研究Agent与Agent基础模型训练的框架

通用人工智能代理（General AI Agents）正日益被视为下一代人工智能的基石性框架，能够实现复杂推理、网络交互、编程以及自主研究等能力。然而，当前的代理系统要么为闭源，要么严重依赖多种付费API和专有工具，限制了研究社区的可访问性与结果可复现性。在本研究中，我们提出Cognitive Kernel-Pro——一个完全开源且在最大程度上免费的多模块智能代理框架，旨在推动先进人工智能代理的开发与评估的民主化。在 Cognitive Kernel-Pro 框架中，我们系统性地研究了面向代理基础模型（Agent Foundation Models）的高质量训练数据构建方法，重点聚焦于四个关键领域：网络交互、文件操作、代码生成与通用推理，分别构建高质量的查询（queries）、行为轨迹（trajectories）以及可验证的答案（verifiable answers）。此外，我们还探索了新型的代理运行时反思（test-time reflection）与投票机制，以提升代理系统的鲁棒性与整体性能。我们在 GAIA 基准上对 Cognitive Kernel-Pro 进行了评估，结果在开源且免费的代理系统中达到当前最优水平。值得注意的是，我们提出的 8B 参数量级开源模型，已超越此前领先的系统如 WebDancer 和 WebSailor，为可获取、高性能的人工智能代理树立了新的性能标杆。代码已开源，地址为：https://github.com/Tencent/CognitiveKernel-Pro