开发与工程 token-efficient-routinglocal-model-routermulti-providerpersistent-memorysandboxmcpcliwebui

OpenSquilla — 高效Token的AI代理

同一预算,更高智能密度:本地模型路由、持久记忆与统一网关,让每个Token都发挥最大价值。

FollowAgents 评估 · FARS-2.1
不推荐
51/ 100 五分制 2.6 / 5
1 2 3 4 5 6
1信任安全13 / 29 · 2.2/5

证据显示:README详细说明了安装遥测、数据收集范围(明确列出发送与不发送的数据)、隐私开关(OPENSQUILLA_PRIVACY_DISABLE_NETWORK_OBSERVABILITY)以及卸载时保留数据的选项。这体现了数据流透明性和敏感数据处理方面的良好实践。但缺少对权限最小化、用户确认机制(如工具执行前确认)的具体描述,外部影响(如网络请求)虽有说明但未提供用户控制细节。回滚方面,卸载命令支持--dry-run和保留数据,但未提及配置或状态回滚。来源归属方面,作者列为'OpenSquilla contributors',但发布者未验证,且未提供明确的贡献者归属或来源追溯。因此,数据流透明性得2分,敏感数据处理得2分,回滚得2分,其余因证据不足或仅部分覆盖得1分。

2可靠稳定6 / 14 · 2.1/5

证据显示:README和pyproject.toml中版本号一致(0.5.2),CI配置包含多个测试矩阵,表明项目内部一致性较好。但依赖可用性方面,依赖列表广泛且包含多个可选extras,但未提供依赖锁定或版本固定策略,可能影响可复现性。失败消息方面,README提到了一些错误处理(如DLL load failed、libomp缺失),但未系统性地描述错误消息设计。因此,自一致性得2分,依赖可用性和失败消息各得1分。

3适用触发10 / 18 · 2.8/5

证据显示:README明确列出了目标受众(桌面用户、终端用户、开发者)和多种使用场景(桌面安装、快速终端安装、从源码安装、开发),并提供了详细的安装路径选择。能力边界方面,文档说明了哪些功能需要额外extras(如matrix、document-extras),但未明确说明Agent的能力限制。触发精度方面,未详细描述命令或工具的触发条件。环境适配方面,支持Windows、macOS、Linux,并提供了针对不同平台的安装说明。因此,受众与场景得2分,能力边界得2分,环境适配得2分,触发精度得1分。

4规范维护10 / 18 · 2.8/5

证据显示:README结构清晰,包含安装、配置、运行、卸载等章节,信息架构良好。安装说明非常详细,覆盖多种平台和方式,得3分。命名稳定性方面,项目名称和命令(opensquilla)一致,但未提供API或配置的稳定性保证。示例和FAQ方面,README提供了多个命令示例,但未提供FAQ。已知限制方面,README提到了一些平台特定的问题(如Windows DLL、macOS libomp),但未系统性地列出所有限制。许可证为Apache-2.0,文件完整,得3分。版本和变更日志方面,README提到了版本0.5.2,但未提供详细的变更日志。维护责任方面,作者列为'OpenSquilla contributors',但未明确维护者或贡献指南。因此,信息架构得2分,安装说明得3分,命名稳定性得1分,示例和FAQ得2分,已知限制得1分,许可证得3分,版本和变更日志得1分,维护责任得1分。

5有效结果9 / 13 · 3.5/5

证据显示:README描述了产品的核心价值(token效率、智能路由、持久记忆、安全沙箱),并提供了多种使用方式(CLI、Web UI、聊天渠道),表明输出可用性较好。边际价值方面,产品声称在相同预算下提供更高智能密度,但缺乏独立验证。成本效益方面,文档提到了token效率,但未提供具体成本数据。因此,输出可用性得2分,边际价值得2分,成本效益得2分。

6证据核验3 / 8 · 1.9/5

证据显示:README中的一些声明(如'Token-efficient'、'higher intelligence density')缺乏具体数据或引用支持,因此声明可追溯性得1分。跨来源佐证方面,未提供外部验证或独立测试结果,得1分。事实与推断分离方面,文档将产品特性描述为事实,但未明确区分哪些是推断或承诺,得1分。

证据充分度: 评估于 2026年8月9日 审查版本 27fe138a58f2
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
使用前请注意
  • 发布者身份未验证,需谨慎对待来源。
  • README中的性能声明(如'更高智能密度')缺乏独立验证,不应视为事实。
  • 安装遥测默认启用,需用户主动禁用,注意隐私影响。
  • 依赖未锁定版本,可能影响可复现性和安全性。
  • 未提供详细的变更日志,版本演进不透明。
评估证据 [1][2][3][4][5][6][7]
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

OpenSquilla 是一款以 token 效率为核心的微内核 AI 代理。核心组件是本地模型路由器 SquillaRouter(基于 LightGBM 与 ONNX 的轻量分类器),它在设备端为每一轮对话选择成本最低且能胜任的模型,并通过四层分级(C0–C3)实现智能路由。系统提供统一的 TurnRunner 循环,支撑 Web UI、CLI 和多聊天渠道,并集成持久本地记忆(SQLite 全文搜索与 sqlite-vec 语义召回)、分层安全沙箱、内置工具(文件操作、Shell、Git、网页搜索、图像生成等)以及可插拔的 20+ LLM 提供商适配层(TokenRhythm、OpenRouter、OpenAI、Anthropic、Ollama、DeepSeek 等)。OpenSquilla 采用 Apache-2.0 许可,支持 Windows、macOS 和 Linux,并提供桌面安装包、快速终端安装、源码安装和 Docker 镜像。当前稳定版为 0.5.2,其 PinchBench 基准测试显示,在保持相近得分的同时,token 消耗与成本远低于单一高端模型方案。

OpenSquilla 通过 opensquilla 命令行提供完整的代理生命周期:onboard 向导配置提供商和路由器,gateway run 启动 Starlette ASGI 服务器(默认 127.0.0.1:18791),提供 Web UI 控制台(/control/)和 WebSocket RPC。chat 启动交互式 REPL,agent -m "提示" 执行单次自动化任务。在每一轮对话中,SquillaRouter 在本地分析文本特征(长度、语言、代码、关键词、语义嵌入),并将请求路由至分层的模型池(C0–C3),同时动态调整推理复杂度和系统提示。内置 15 种按需技能(编码、GitHub、cron、Office 文档生成等),支持 MCP 客户端与服务端(通过 mcp extra)。持久记忆通过 MEMORY.md 和 Markdown 笔记管理,支持全文搜索和语义召回。安全沙箱提供三级策略,在 Linux 使用 Bubblewrap,macOS 使用 Seatbelt,Windows 使用 native 后端。统一网关使 Web UI、CLI、Slack、Telegram、Discord、飞书、钉钉、企业微信、Matrix、QQ 等渠道共享同一执行循环,支持工具调用、重试和决策日志。

  1. 开发者希望在本地开发时使用多个 LLM 提供商,但不想为每个模型手动切换配置,可通过 OpenSquilla 的自动路由降低 token 成本。
  2. 团队需要一个统一的 AI 助手网关,同时接入 Slack、飞书、Telegram 等聊天工具,并在 Web UI 和 CLI 中保持一致的交互。
  3. 数据科学家需要处理长文档或代码库,希望持久记忆和语义搜索帮助快速检索相关信息。
  4. 系统管理员希望在受限环境中运行 AI 代理,需要强沙箱隔离和权限控制,以监控自主操作的副作用。
  5. 需要将 AI 代理集成到自动化流程中,通过单次 agent 命令和 JSON 输出完成特定任务,如数据提取、代码生成或报告生成。

这个 Agent 有哪些优点和局限?

优点
  • 本地模型路由在设备端进行分类,提示词不出设备,保护隐私。
  • 支持 20+ LLM 提供商,无单一供应商锁定。
  • 内置持久记忆(语义搜索)和分层安全沙箱,增强上下文和安全性。
  • 统一网关支持多渠道(Web UI、CLI、聊天应用),保持一致的执行环境。
  • 提供桌面安装包和 Docker 镜像,部署选项丰富。
局限
  • 需要 Python 3.12 和 uv,且从源码构建时依赖 Node.js,安装复杂度中等。
  • SquillaRouter 在 macOS 和 Windows 上需要额外安装原生库(如 libomp、VC++ 运行时),否则路由器不可用。
  • 默认发送匿名遥测数据(可配置关闭),可能涉及隐私顾虑。
  • Windows 桌面安装包未签名,可能触发 SmartScreen 警告。
  • 从 OpenClaw/Hermes 迁移需要显式操作,且可能涉及数据冲突处理。

如何安装或部署这个 Agent?

快速终端安装(推荐):确保 uv 已安装(否则先安装),然后执行 uv tool install --python 3.12 "opensquilla[recommended] @ https://github.com/opensquilla/opensquilla/releases/download/v0.5.2/opensquilla-0.5.2-py3-none-any.whl"。Windows 用户还可下载 exe 安装包,macOS 用户使用 dmg。从源码安装:克隆仓库(含 LFS),运行 bash scripts/install_source.sh(macOS/Linux)或 PowerShell 脚本,需先安装 Git、Git LFS、Node.js 22.12+ 和 uv。

如何使用这个 Agent?

运行 opensquilla onboard 进行首次配置,按向导选择提供商(如 OpenRouter)并设置 API key(建议通过 --api-key-env 环境变量传递)。然后启动网关:opensquilla gateway run,打开 http://127.0.0.1:18791/control/ 使用 Web UI,或使用 opensquilla chat 进行交互对话。单次任务可执行 opensquilla agent -m "你的问题"。使用 opensquilla doctor 检查系统健康。

这个 Agent 与同类方案有什么区别?

README 中对比了 OpenSquilla 与 OpenClaw(作者称受到其启发),在 PinchBench 1.2.1 基准上,OpenSquilla 以 0.9251 得分接近 OpenClaw 的 0.9255,但 total cost 仅为 $0.688 vs $6.233,输入 token 大幅减少。

常见问题

OpenSquilla 支持哪些 LLM 提供商?
官方文档提及 TokenRhythm、OpenRouter、OpenAI、Anthropic、Ollama、DeepSeek、Gemini、DashScope/Qwen、Moonshot、Mistral、Groq、Zhipu、SiliconFlow、vLLM、LM Studio 等 20+ 提供商,具体列表可在首次 onboard 向导中查看已验证的子集。
如何关闭遥测?
设置环境变量 OPENSQUILLA_PRIVACY_DISABLE_NETWORK_OBSERVABILITY=true,或在配置文件中设置 [privacy] disable_network_observability = true
SquillaRouter 在 macOS 上报 libomp 错误怎么办?
如果启动日志显示 Library not loaded: @rpath/libomp.dylib,需要安装 Homebrew 的 libomp:brew install libomp,然后重启网关。OpenSquilla 会在未安装时继续以单模型路由运行。
能否将 OpenSquilla 集成到现有的 OpenClaw 或 Hermes 环境?
可以,通过 opensquilla migrate openclaw --applyopensquilla migrate hermes --apply 命令,先运行 --json 进行 dry-run 检查。
在 Docker 中如何部署?
使用 OPENSQUILLA_GATEWAY_IMAGE=ghcr.io/opensquilla/opensquilla:latest docker compose up -d,或从源码构建镜像:docker build -t opensquilla:local .

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents