xg0dc5297d0i4kms (4)

软件概述

很多开发者在使用 AI Agent 时都面临三大核心痛点：一是 Token 成本居高不下，简单查询也调用昂贵的大模型，大量预算被无效消耗；二是多技能加载导致上下文膨胀，不仅进一步推高成本，还会造成响应延迟与信息丢失；三是 Agent 安全风险难以管控，权限失控易引发数据泄露，同时长任务上下文丢失、跨会话记忆缺失严重影响工作流连续性。
OpenSquilla 是一款专为解决上述痛点打造的微内核开源 AI Agent 框架，基于 Apache 2.0 协议开源，采用本地 ML 智能路由技术，在保证任务效果几乎不变的前提下，实现60-80% 的 Token 成本节省，部分场景成本可降至原来的 1/9。框架集成持久记忆、安全沙箱、开箱即用的搜索与本地嵌入功能，支持 10 + 主流渠道即插即用，是个人与企业低成本构建高智能 AI Agent 的首选方案。

核心差异化优势

  • 行业领先的成本控制能力：采用本地 ML 智能路由技术，零成本判断任务难度，自动匹配最优模型，官方测试显示相同任务效果下成本降低60-80%，部分场景可达 90%
  • 微内核插件化架构：核心引擎仅负责编排调度与状态管理，所有能力以插件形式接入，5 行代码即可扩展新工具，插件崩溃不影响核心运行
  • 四层类人记忆系统：工作记忆→情节记忆→语义记忆→原始记忆的分层架构，支持关键词 + 向量混合检索，自动整理与巩固记忆，跨会话上下文无缝恢复
  • 系统级安全沙箱：不依赖 Docker，Linux 用 Bubblewrap、macOS 用 Seatbelt 实现系统调用级隔离，三档安全策略可配置，彻底杜绝权限滥用风险
  • 极致易用性：提供 Windows 便携版，内置 CPython 无需额外安装；支持一键从 OpenClaw/Hermes 迁移；10 + 主流渠道（Slack、钉钉、企业微信等）即插即用

核心功能与落地价值

9b292f5f3bd1efee788c2e3301a99476.png

1. 本地 ML 智能路由，精准控制成本

OpenSquilla 内置轻量级本地 ML 模型，每个请求在发送给大模型前，会先在本地极速向量化分析，融合手工特征（长度、语言、代码片段等）与语义特征判断任务难度。简单任务自动分配给 DeepSeek V4 Flash 等低成本模型，复杂任务才调用 Claude Opus、GPT-4o 等顶级模型。
整个分类过程在本地完成，无需消耗任何 Token，且延迟极低，用户基本感知不到前置处理。官方基准测试显示：25 个通用任务，纯用 Claude Opus 4.7 得分 0.9255，总成本 6.2 美元；使用 OpenSquilla 混合路由 Opus 4.7、GLM 5.1、DS4 Flash，得分 0.9251（效果几乎一致），总成本仅 0.68 美元，成本降至原来的 1/9。
148392bf3c12741cd9a35203cda07f23.gif

2. 按需技能加载，避免上下文浪费

当 Agent 加载数十个技能时，传统框架会将所有技能描述全部塞入上下文，仅这一项就会消耗大量 Token。OpenSquilla 会根据当前对话语义，智能检索并只注入匹配度最高的 2-3 个技能，其余技能不加载，单轮对话 Token 消耗减少 50% 以上，同时显著提升响应速度。

3. 四层类人记忆，解决长任务痛点

针对传统 Agent 长任务上下文丢失、跨会话记忆缺失的问题，OpenSquilla 构建了四层认知记忆架构：
  • 工作记忆：保存当前任务的临时上下文
  • 情节记忆：记录任务执行的经历与因果链
  • 语义记忆：存储提炼后的事实与规则
  • 原始记忆：保留完整对话日志用于审计回溯
系统支持关键词 + 向量混合检索，常用记忆自动 "冒泡" 置顶，冷门记忆随时间自然衰减，每 24 小时自动 "做梦" 整理零散记忆。同时采用子 Agent 蒸馏技术进行上下文压缩，在减少 Token 消耗的同时，最大限度保留关键信息，避免传统粗暴压缩导致的信息丢失，长任务信息保留率提升 90% 以上。

4. 三档安全沙箱，守护数据安全

9b15880b9bba5311ac5b38501ea1e9e8.png

OpenSquilla 重构了 Agent 安全体系，提供三档可配置的安全策略，满足不同场景的安全需求：
  • 标准模式：低风险操作自动执行，高风险操作弹出审批提示
  • 严格模式：所有工具执行均需人工审批
  • 锁定模式：禁止所有工具执行
采用系统调用级沙箱隔离，不依赖 Docker，可精确限制 CPU、内存、网络访问与执行时长。同时内置 Prompt 注入防护、否决账本等机制，连续 3 次被拒绝的操作会自动暂停，防止暴力穷举绕过安全策略。

5. MetaSkills 工作流，自动化复杂任务

针对 "AI 不听话"、执行逻辑不可控的问题，OpenSquilla 支持 MetaSkills 协议，可将重复的多步骤工作凝练成可复用、可审计的结构化工作流。内置 10 + 开箱即用的 MetaSkill，包括研究报告生成、项目规划、短剧制作等，Agent 还能自主学习用户使用习惯，自动生成新的 MetaSkill 候选，实现能力的自我进化。

安装与快速上手

OpenSquilla 提供多种安装方式，满足不同平台用户需求，当前最新稳定版本为v0.3.1（2026-06-03 发布），修复了聊天渲染、Slack 接入、媒体交付等问题，提升了日常使用稳定性。

Windows 便携版（推荐）

Windows 用户无需安装 Python，一键解压即可使用：
  1. 下载官方便携包：OpenSquilla-windows-x64-portable.zip
  2. 解压到有写权限的目录（如 "下载"、"文档" 文件夹）
  3. 右键点击Start OpenSquilla.cmd，选择 "以管理员身份运行"
  4. 按照向导完成首次配置，选择模型提供商并粘贴 API Key
  5. 配置完成后，在浏览器中打开 http://127.0.0.1:18791/control/ 即可访问 Web UI

全平台终端安装（Windows/macOS/Linux）

使用 uv 包管理器一键安装，自动管理 Python 环境与依赖：
    1. 安装 uv 包管理器：

# Linux/macOS
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows PowerShell
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
    1. 安装 OpenSquilla：

uv tool install --python 3.12 "OpenSquilla[recommended] @ https://github.com/OpenSquilla/OpenSquilla/releases/download/v0.3.1/OpenSquilla-0.3.1-py3-none-any.whl"
    1. 首次交互式配置：

OpenSquilla onboard
    1. 启动 Gateway 服务：

OpenSquilla gateway run

开源与授权

本文最后更新于2026年6月8日，若涉及的内容可能已经失效，直接留言反馈补链即可，我们会处理，谢谢
声明：本站所有内容均由互联网收集整理、网友上传，并且以计算机技术研究交流为目的，仅供大家参考、学习，请勿用于任何商业目的与商业用途，如需商用请支持正版！如亲下载后改变其用途与使用方式，与本站无任何关系，本站已经进行告知义务！我们只做安全认证测试如果资源侵犯了您的版权利益，请联系站长邮箱：17606723350@163.com