📖 产品简介
OpenSquilla 是由上海基元律动科技有限公司开发的开源微内核（microkernel）AI Agent 框架 / Harness，定位在 Agent 应用与模型之间加一层「运行中枢」，目标是用更少 token 完成更多工作。
核心编排器仅约 100 行代码，所有能力以插件形式运行在用户空间，单个插件崩溃不影响核心。v0.4.0（2026-07-01）引入编码工作流编程模式，并首次为 AI 编码带来「自我验证」机制——先写注定失败的测试给问题定性（红），再把功能做好让测试转绿，最后跑一遍原有测试确认无回归（红绿回归证据链），默认自动修复闭环（不通过就自动重改到通过），改动仅发生在隔离副本、验收合格才落回源码。v0.5.0 Preview 1（2026-07-03）随技术报告《Agentic Routing: The Harness-Native Data Flywheel》发布，阐述本地路由如何把日常 Agent 流量变成自我改进的数据飞轮。当前主线为 v0.5.0rc3。
定位
基元律动出品开源微内核 AI Agent 框架，本地智能路由降本60-80%、四层记忆、安全沙箱、10+渠道，v0.5.0rc3（Agentic Routing 数据飞轮+自验证编码，Jul 3 Preview）
适合人群
成本敏感的个人开发者
关注 token 毛利的中小团队
开源爱好者
已用 OpenClaw/Hermes 想平滑迁移的用户
支持平台
Windows、macOS、Linux、Web
开源
是
✨ 核心功能
- 本地智能路由 SquillaRouter：LightGBM+ONNX 分类器在设备端评分，将每个任务分到 T0–T3 最便宜可用模型，零云端路由开销
- Token 成本降低 60–80%：按任务复杂度自适应推理深度 + Prompt 自动缩放 + 按需技能加载
- 四层认知记忆系统：工作/情景/语义/原始记忆，向量检索 + BM25 关键词 + 自动衰减与「冒泡」晋升
- 自验证编码：红绿回归证据链 + 自动修复闭环 + 隔离施工，交付前用测试证明「改对了」
- 安全沙箱：Linux 下 Bubblewrap 系统调用级隔离，限制 CPU/内存/时长/网络，无需 Docker
- 可插拔 Provider：OpenRouter/OpenAI/Anthropic/Ollama/DeepSeek/Gemini/Qwen 等 20+ LLM，代码与配置 schema 不变
- 10+ 渠道：Web UI / CLI / 聊天渠道共用同一回合循环，工具分发与重试行为处处一致
- 一键迁移：官方工具从 OpenClaw / Hermes Agent 导入记忆、人格文件、Skills 与通道配置
⚖️ 优缺点分析
👍 优点
- 本地智能路由显著降低 token 成本（宣称 60–80%）
- 微内核架构，核心约 100 行，插件崩溃不影响整体
- 100% 开源（Apache-2.0），可审计可自托管
- 四层记忆 + 安全沙箱，工程化考量扎实
- 支持从 OpenClaw / Hermes 一键迁移，降低切换成本
👎 缺点
- 自我验证编码能力由官方单点披露，第三方独立评测尚不充分
- 社区规模与插件生态远小于 OpenClaw / Cline
- 基于 Python 3.12+，依赖运行环境与 uv 安装链
- 估值与融资信息来自媒体报道，未获官方确认
- Windows 桌面端需签名安装包，完整能力在 Linux 沙箱下最佳
📊 评分详情
功能完整
8
易用程度
7.5
安全可靠
8
性价比
9.5
💬 用户评价
OpenSquilla 把 Agent 的运行中枢做成微内核，本地路由把 token 花在刀刃上，自验证编码让 AI 改完能自己证明『改对了』，是开源 Harness 里少见的成本与可信度双抓思路。
📝 更新日志
-
2026-07-11v0.5.0rc3（主线最新）**主线持续迭代**——GitHub 主线提交「Make provider model selection trustworthy and accessible (#591)」；官网当前分发 v0.5.0rc3（macOS 签名 / Windows 签名安装包），内置控制 UI 与 Gateway 运行时一体化，无 Python/终端门槛
-
2026-07-03v0.5.0 Preview 1**数据飞轮技术报告**——随技术报告《Agentic Routing: The Harness-Native Data Flywheel》（预览版）发布，阐述本地路由如何把日常 Agent 流量转成自我改进的数据飞轮，深化 Agentic Routing 能力
-
2026-07-01v0.4.0**编码工作流 + 自验证编码首秀**——推出 coding 工作流编程模式，并首次为 AI 编码引入「自我验证」机制：红绿回归证据链（先写失败测试定性→实现转绿→跑原有测试确认无回归）、默认自动修复闭环（不通过自动重改）、隔离施工（改动仅在隔离副本，验收合格落回源码）；本地智能路由按任务复杂度自动选模型、技能按需加载、记忆按需检索、工具结果预处理，内测常规场景综合成本下降约 60–80%