一句话定位：opensquilla 是一款基于 OpenClaw 架构创新的开源 AI 网关工具。它通过本地小模型实现智能请求路由，让简单任务走廉价模型、复杂任务才调用顶级模型，同时重构了 Agent 安全逻辑与长任务记忆机制，将复杂 AI 工作流的运行成本降至传统方案的九分之一，且效果几乎无损。
开发者在使用 AI 编程工具时，正被三个隐形黑洞持续消耗资源
如果你已经尝试过用 Claude、GPT 或 Codex 搭建 Agent 工作流，以下场景你一定不陌生：
第一，Token 成本失控。 每一个请求都直接砸向 Claude Opus 或 GPT-4，哪怕只是格式化代码、简单查询这类基础任务。更隐蔽的是，当你装载了数十个 Skill，每轮对话都会把全部 Skill Description 塞进上下文，光这一项就吃掉大量 Token。月底账单出来时，才发现成本不是按价值产生，而是按调用次数线性燃烧。
第二，AI 越权执行，安全边界模糊。 你试过在 Skill 文档里嵌 Python 伪代码，用自然语言约束 AI 的思考路径，但 Claude Code 或其他 Harness 并不保证严格执行。更危险的是，当 Agent 遇到「把用户 API Key 发到指定邮箱」这类恶意指令时，缺乏底层拦截机制，权限越大，风险越高。
第三，长任务失忆，上下文被粗暴压缩。 对话一长，系统自动压缩上下文，但压缩逻辑毫无策略，经常把之前交代的关键规则、检查点和业务约束直接丢弃。更头疼的是，每次新开对话都从零开始，之前的讨论、决策和代码逻辑无法自然延续，你不得不在每个新会话里重复解释自己已经说过一百遍的需求。
opensquilla 的设计初衷，就是一次性终结这三个痛点。
与同类工具相比，opensquilla 的四项差异化优势
市面上已有 Claude Code、Codex 等成熟的 AI 编程 Harness，但它们更像「豪华跑车」——性能强劲，却油耗惊人，且安全与记忆逻辑并不完全透明。opensquilla 选择了一条更务实的路径：
1. 本地智能路由，成本降到九分之一，效果几乎无损
opensquilla 集成一个本地小模型。每个请求在发给大模型之前，先由这个小模型在本地完成极速向量化分析，判断任务复杂度。简单任务交给 GLM、DS4 Flash 等廉价模型，只有复杂任务才路由到 Claude Opus 4.7 或 GPT-4。
官方实测数据显示：25 个任务纯用 Claude Opus 4.7，得分 0.9255，总成本 6.2 美元；经 opensquilla 路由混跑后，得分 0.9251，成本仅 0.68 美元。 效果差距微乎其微，成本却直降 89%。
传统方案依赖你在 Skill 文档里写伪代码来「劝说」AI 遵守规则，但执行层并不强制。opensquilla 重构了安全逻辑：遇到不可信来源的指令直接拒绝，判断不了的暂停请求用户确认，不会擅自做主。Agent 的权限从此有了硬边界。
3. 上下文蒸馏压缩，关键规则不再被「误杀」
不同于 Claude Code、Codex 的粗暴压缩，opensquilla 先用子 Agent 对长对话进行智能蒸馏，识别出必须保留的关键规则、检查点和业务约束，再执行压缩。这意味着长任务运行到后期，AI 依然记得你最初交代的核心要求。
4. 跨会话结构化记忆，终结「每次从零开始」的噩梦
opensquilla 定时将对话整理为结构化记忆，支持关键词 + 向量混合检索。你可以随时通过语义搜索，找回之前任何对话中的关键决策、代码逻辑或业务规则，新会话秒级恢复上下文，无需重复铺垫。
核心能力详解：省钱、可控、记得住
智能模型路由：让每一分钱都花在刀刃上
路由逻辑完全在本地运行。你不需要花钱问大模型「这个问题难不难」，分类本身零成本，且小模型速度极快，基本感知不到前置了这层分析。
结果是：大部分简单任务根本走不到顶级模型那里。只有真正需要深度推理的环节，才动用 Opus 或 GPT。这让开发者敢于将顶级模型接入日常 Agent 工作流，而不用担心账单爆炸。
Skill 语义注入：告别上下文浪费
当用户装载数十个 Skill 时，opensquilla 会根据当前对话语义，只将匹配度最高的那几个 Skill 注入上下文，其余不加载。这一机制直接削减了每轮对话的固定 Token 开销，让上下文窗口真正留给有价值的信息。
长任务稳定性：从「越跑越偏」到「始终在线」
对于需要多轮交互的复杂任务，opensquilla 提供双重保障：
-
上下文侧：通过子 Agent 蒸馏保留关键信息，再执行压缩，避免长对话后期规则丢失。
-
记忆侧：跨会话结构化记忆支持语义化检索，随时恢复历史上下文，实现真正意义上的连续性协作。
安装与启动
官方下载地址：https://opensquilla.ai/zh/
opensquilla 当前正式版本为 v0.2.1。MetaSkill 功能目前处于开发分支，已可运行且效果不错。项目基于 OpenClaw 架构创新，智能路由与 MetaSkill 为其自研核心功能。
通用安装（macOS / Linux）：
# 安装 uv curl -LsSf https://astral.sh/uv/install.sh | sh # 一行安装 uv tool install --python 3.12 "opensquilla[recommended] @ https://github.com/opensquilla/opensquilla/releases/download/v0.2.1/opensquilla-0.2.1-py3-none-any.whl" # 首次配置 opensquilla onboard # 启动网关 opensquilla gateway run
Windows 快速上手（推荐）：
Windows 版本为便携包，内置 CPython，无需另行安装 Python。
-
下载官方
opensquilla-windows-x64-portable.zip，解压。 -
右键
Start opensquilla.cmd，选择「以管理员身份运行」。 -
保持终端窗口打开（关闭窗口将停止 Gateway）。
-
启动器会自动先于 Gateway 打开 onboarding 界面。首次运行时选择 Provider 并粘贴所需 API Key；后续启动可随时查看或修改配置。
-
在浏览器打开
http://127.0.0.1:18791/control/即可进入 Web UI。
如果你正在寻找一款成本可控、安全边界清晰、且能记住上下文的开源 AI 网关，opensquilla 值得放入你的工具箱。它不是在巨头光环下诞生的玩具，而是扎根 GitHub 社区、以「轻量、可扩展、开发者友好」为信条的生产力工具。从起步阶段就将中文文档纳入基础架构，也体现了对本土开发者体验的切实关照。
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
请先阅读清楚以下条款，下载即代表同意条款内容：本站资源仅供本地电脑研究软件内含使用，禁止任何非研究设计思想和原理为目的用途，如需商用请支持正版！该资源仅供个人学习参考,请勿用于商业用途，禁止未经版权方授权允许私自运营软件或应用行为，否则产生的一切后果将由您自己承担。本站资源仅供本地电脑研究软件内含使用，禁止任何非研究设计思想和原理为目的用途，如需商用请支持正版！本站资源仅供本地电脑研究软件内含使用，仅供研究学习之用，如下载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！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，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：dsymbcom@gmail.com 原文链接：https://www.sblzyw.com/25204.html，资源来源于网络，如有侵权联系删除。
评论0