实测OpenSquilla：更可信更省钱的Agent

上周有一个项目让AI行业内的许多开发者眼前一亮。

这个名为OpenSquilla的开源项目在GitHub上发布不到一个月，Star数已经飙升至5300以上。

OpenSquilla 0.4.0定位为Token-Efficient AI Agent——一个兼顾效率与创意的智能体框架。它给人的第一印象，有点像当年OpenClaw刚问世时的那股锐气——或许AI编程真的来到了一个拐点。

它的核心思路非常清晰：自动模型路由、高性价比的方案，将“让AI写代码”这件事从“它说改好了”升级为“它拿证据证明改对了”。

当大量Agent项目都在比拼模型能力时，OpenSquilla反而将目光聚焦在运行效率上——通过模型路由、长期记忆、上下文复用、安全沙箱等底层能力的整合，让Agent在长期运行中保持更低成本、更高稳定性。

持续累积的Token成本与上下文管理，在这里似乎得到了全局优化。

01 自己跑、会纠错，补上信任的缺口

过去一年，AI写代码的能力进步之快令人惊叹。随便打开OpenClaw或Hermes，让它们写个排序算法、搭个React组件，几分钟就能搞定。

但一个长期困扰的问题始终存在：能写和能信，是两码事。很多编程Agent改完代码就交差，但代码是否正确仍需要人逐行复查。

AI coding难以真正实现无人值守、规模化进入生产环境的关键障碍，不是AI写不出来，而是它写完之后，你无法确认它是否正确。

传统工作流是这样的：用户提出需求，AI写代码，人来验证。如果不对，让AI继续改，循环往复。验证这一步完全依赖人。对于简单函数，验证成本很低；但对于复杂系统，比如分布式锁的实现或复杂状态机，验证成本就非常高了。

OpenSquilla的答案很直接：让AI在交付代码之前，自己先跑一遍证据链。

我们来实际测试一下，让OpenSquilla实现一个持续高并发的限流器。

观察执行过程可以发现，这绝非表面功夫——它真的在一遍遍地运行，进行具体验证。生成代码、编写测试、发现Bug、修改Bug……整套流程深入骨髓，与人类开发极为相似，没有任何糊弄的余地。当出现失败时，它还会针对具体问题进行分析。

它确实在运行代码，确实存在Evidence Chain，这种确定性令人安心。

02 红绿证据链，引入自我验证机制

0.4.0版本的核心更新，是推出了编码工作流coding模式，首次为AI编码引入了自我验证机制。具体做法是一条独立的红绿回归证据链。

这个机制如何运行？分为三步。

第一步，AI先编写一个注定失败的测试——这个测试用来验证问题确实存在。例如用户要求修复排序函数的边界情况Bug，AI会先写一个测试用例，验证排序函数在某些输入下返回错误的结果。这个测试必须是红色的，因为它失败就证明了Bug的存在。

第二步，AI修复代码，让测试用例通过——测试从红色变为绿色，说明问题确实被解决了。

第三步，AI运行项目原有的所有测试用例，确保没有引入新的问题。

三关全部通过才算交付，任一项不通过直接打回。配套还有默认的自动修复闭环，不通过就自动重新修改直到通过为止。改动仅在隔离副本中进行，验收合格后才落回源码。

它把验证从“人的责任”，变成了“AI交付的一部分”。

再让OpenSquilla开发一个MacOS桌面应用。它很贴心地给出了代码方案，需要修改时也非常灵活。不需要自己去想“这个改动会不会破坏别的地方”——AI已经替用户跑了。也不用自己写测试用例验证Bug是否存在——AI替用户写了。每一轮执行都极其节省Token，亲眼看到省下来92%的Token，心里确实会暗爽。同时也会觉得它很耐用，执行了很多轮任务，很久以前充的Token plan似乎怎么也用不完。

唯一需要做的，就是看它最后交上来的那份证据：红变绿、回归全过，然后决定要不要合并。

OpenClaw和Hermes都没有这套强制的红绿加回归验证。它们做的事情是让AI改代码，改完了告诉你改好了。而OpenSquilla做的事情，是让AI拿出改对了的证据。前者是承诺，后者是证明。

03 极简自动微分库，OpenSquilla也能搞定

有一个很有意思的项目：micrograd——AI教育圈顶流、Anthropic研究员Andrej Karpathy编写的一个极简自动微分库。

这个库的用途是教学，代码量不大，但逻辑十分精密。此次的任务是为micrograd新增一个计算正确梯度的功能。

梯度一旦算错，模型不会报错也不会崩溃，只会悄悄越学越偏——这是最难靠肉眼发现的Bug类型。代码能跑、不报错，但结果是错误的。

我们来实测一下这个流程。

从阅读项目开始，OpenSquilla先写了一个测试用例，输入特定的梯度计算请求，预期输出是梯度值在某个范围内。结果测试失败，说明梯度计算确实存在问题。

然后它自己修改了梯度计算的代码，重新运行测试，这次通过了。

接着AI运行了micrograd原有的所有测试用例，确保没有破坏其他功能，全部通过。

按照传统AI coding的标准，到这里已经算交付完成了。但OpenSquilla还多走了一步——最后，AI把新功能计算出的梯度值，与PyTorch计算出的标准答案进行了对比。

前向值与每一个梯度，小数点后10位完全一致。不是AI自己说对，而是它和官方标准答案分毫不差。

以前问AI改好了吗，它说改好了。现在问AI改好了吗，它会说：你看，这是我写的测试、这是我跑的证据、这是和标准答案的对比。

不需要是专家也能判断，因为证据摆在那里，过没过一目了然。

04 产品化，更好用

0.4.0还有一个值得注意的变化：它第一次提供了签名并公证的桌面安装包。macOS Apple Silicon的.dmg和Windows x64的.exe，都内置了Vue控制台和打包好的网关运行时，装上即用。Linux和终端用户继续走Python wheel，旧版Windows便携包也保留着。

以前要用这类AI Agent，得装Python、配环境、敲命令行。现在双击安装包，打开就能用。首次启动时引导你选择provider并粘贴API key，控制台UI直接在应用内打开。macOS构建已公证，Windows构建已签名，不用绕过SmartScreen或Gatekeeper。

之前的版本更偏开发者工具，但现在，它已经是一款可以向身边普通朋友推荐的友好软件了。

与此同时，OpenSquilla还有一个贯穿始终的设计理念：省钱。它内置了一个叫SquillaRouter的本地模型路由。简单问题用便宜模型，复杂问题才调用强模型，系统自动判断。混合特征分析同时融合手工特征和嵌入语义特征，多维度判断问题难度。简单问题关闭推理计费，复杂问题才开启深度思考。技能按需加载，不是一股脑把所有能力塞给AI。

据官方数据，常规场景内测综合成本可下降约60%到80%。智能路由相比通用网关OpenRouter，路由精度高约4.4个百分点、成本低约75%。在一个主流Agent框架普遍推高模型调用、Token成本持续攀升的背景下，这个方向值得关注。

05 写在最后

说回自我验证这件事。

在AI开发这个圈子里待了几年，见过太多技术被炒作上天，在北美AI coding圈尤其如此。大家热衷于讨论能写多长的代码、能通过多少道面试题，却很少有人认真追问一个更根本的问题：这些代码，凭什么可信？

OpenSquilla给出的答案不一定完美，但它指出了一个新方向：验证不应该外包给人类，而应该内化进Agent本身。整个链条里，人只需要做两件事：提出需求，验收证据。

这才是AI编程真正走向无人值守的关键一步。

从产业角度看，这件事的意义可能更大。过去一年AI写代码能力突飞猛进，但能写不等于能信。这个信任瓶颈不解决，AI coding就只能在辅助工具这个定位上徘徊，很难真正进入生产环境的核心环节。

OpenSquilla 0.4.0的自我验证机制，加上签名桌面安装包带来的低门槛，再加上智能路由带来的成本优势——这三件事放在一起，似乎标志着AI编程正在从一个“写代码的工具”变成一个“能交付代码的同事”。

当然，这只是0.4.0。后面还有很长的路要走。但方向对了，剩下的就是时间问题。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：实测OpenSquilla：更可信更省钱的Agent要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题