v0.5.2 · Apache License 2.0 · Python 3.12+

同样预算下更高 Agent 智能

微内核 AI Agent——同样的预算，让 Agent 做更多事、做更好的事。
智能路由、持久记忆、安全沙箱、开箱即用的搜索与本地嵌入。

快速开始 GitHub

60-80%¹

Token 成本节省

N+

Meta-skills

› Fable 5

智能路由领先

10+

渠道即插即用

最新动态查看全部新闻

OpenSquilla 0.5.2 维护版发布 2026-07-29

0.5 稳定线的维护版：在 Web 与 CLI 上用同轮追加消息引导正在进行的一轮、更快的启动与更稳的恢复、会话历史加载过程中仍可操作、恢复自定义 provider 与用量设置，并修复桌面项目选择与原生 HTML 产物预览。从 0.5.1 升级会保留已有配置、聊天、Agent、记忆与定时任务。

阅读全文
OpenSquilla 0.5.1 维护版发布 2026-07-28

0.5 稳定线的维护版：持久化 Plan 模式、一等公民的项目工作区、更丰富的产物预览、新增 provider 选项（Qwen Token Plan、Anthropic 兼容），以及跨平台的 profile 恢复与启动修复和更可靠的定时任务。从 0.5.0 升级会保留已有配置、聊天、Agent、记忆与定时任务。

阅读全文
OpenSquilla 0.5.0 正式版发布 🎉 2026-07-23

0.5 线的首个正式版,合并了此前四个预览与后续修复。核心亮点:多模型 Model Ensemble 与多 provider 路由、更安全的升级与 profile 数据保护、签名并公证的 macOS 桌面端及应用内更新、统一的控制台与用量成本报告,以及一次大规模可靠性修复和中国大陆下载镜像。

阅读全文

实战演示

几个小视频，看 OpenSquilla 怎么处理真实工作流

Windows 便携版安装演示

短剧 meta-skill

论文写作 meta-skill

快速开始

四条上手路径，按你的使用方式任选其一

macOS 与 Windows 上最清晰的上手路径——已签名的桌面客户端，内置控制台 UI 与 Gateway 运行时。无需 Python，也不用终端。

⚡ 中国大陆更快下载国内镜像 · 推荐大陆用户

下载 macOS 版 Apple Silicon · 国内镜像下载 Windows 版 Windows 10/11 x64 · 国内镜像

v0.5.2 · 已签名并公证。

也可从 GitHub 官方下载： macOS · Windows

下载并安装

在上方选择你的平台。macOS：打开 .dmg 并把 OpenSquilla 拖入「应用程序」。Windows：运行 .exe 安装包。

打开 OpenSquilla

启动应用。内置 Gateway 会自动启动——无需再安装任何东西。

完成首次设置

首次启动时，onboarding 会引导你选择 provider 并粘贴所需的 key。控制台 UI 随后直接在应用内打开。

Windows 构建已签名、macOS 构建已公证，无需绕过 SmartScreen 或 Gatekeeper。Linux 用户请使用「终端一键安装」。

Windows、macOS、Linux 都推荐这条路径。uv 把 OpenSquilla 装到独立环境并自带 Python——系统不需要装 Python。该路径只安装已发布的 release。

安装 uv

如果 uv --version 已经能用，跳过此步。

$ curl -LsSf https://astral.sh/uv/install.sh | sh
$ . "$HOME/.local/bin/env"

安装 OpenSquilla

所有平台一条命令。

$ 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"

从 release URL 安装 OpenSquilla wheel，由 uv 拉取所选 extras 声明的依赖。默认 recommended extras 包含 SquillaRouter 运行所需的 ONNX Runtime、LightGBM、NumPy、tokenizers。

配置并运行

# 交互式 onboarding 向导
$ opensquilla onboard

# 启动 ASGI 服务
$ opensquilla gateway run

如果 uv 安装完成后立即调用 opensquilla 找不到命令，打开新终端，或重新运行 step 1 里的 PATH 设置。

Wheel URL 按设计携带版本号——安装器会校验文件名里的版本。上面命令固定到 v0.5.2。

前置依赖： Git · Git LFS · uv

没有 uv 时，安装器会回退到 Python 3.12+ 配合 pip ≥ 23。

可选：在终端里一键安装前置依赖

Windows PowerShell

winget install --id Git.Git -e
winget install --id GitHub.GitLFS -e
powershell -ExecutionPolicy Bypass -c "irm https://astral.sh/uv/install.ps1 | iex"
git lfs install

macOS（Homebrew）

brew install git git-lfs uv
git lfs install

Debian / Ubuntu

sudo apt update
sudo apt install -y git git-lfs
curl -LsSf https://astral.sh/uv/install.sh | sh
git lfs install

Fedora

sudo dnf install -y git git-lfs
curl -LsSf https://astral.sh/uv/install.sh | sh
git lfs install

Arch

sudo pacman -S --needed git git-lfs
curl -LsSf https://astral.sh/uv/install.sh | sh
git lfs install

克隆仓库（含 LFS）

$ git lfs install
$ git clone https://github.com/opensquilla/opensquilla.git
$ cd opensquilla
$ git lfs pull --include="src/opensquilla/squilla_router/models/**"

Git LFS 用于拉取内置的 ML 路由模型。该步骤幂等——已经拉完的仓库再跑会静默退出。

运行安装脚本

# 通过 uv tool install 安装 .[recommended]（uv 不可用时回退到 pip --user）
$ bash scripts/install_source.sh

主流渠道在基础安装里已经支持。可选 extras：matrix、matrix-e2e、document-extras——通过 OPENSQUILLA_INSTALL_EXTRAS=matrix（bash）或 -Extras matrix（PowerShell）开启。

交互式配置

$ opensquilla onboard

向导带你完成模型供应商、渠道、安全策略等配置。直接用安装好的 opensquilla 命令，不要加 uv run 前缀（除非你走的是源码开发路径）。

启动 Gateway

# 启动 ASGI 服务（默认 127.0.0.1:18791）
$ opensquilla gateway run

启动后访问 http://127.0.0.1:18791/control/ 打开控制面板。

Windows 缺少 Visual C++ Redistributable 时 Gateway 仍可启动，内置路由会回退到安全的直连路由。

仅在你需要修改、测试或调试当前 checkout 时使用此路径。和「源码安装」不同，它必须用 uv：uv sync 会在 checkout 内创建 .venv，uv run 在源码上直接执行。

# 用 recommended + dev extras 在 checkout 内创建 .venv
$ uv sync --extra recommended --extra dev

# 验证安装
$ uv run opensquilla --help

recommended extras 同样为开发提供 SquillaRouter；dev extras 安装测试、lint、类型检查工具。

把额外 extras 装进同一环境：uv sync --extra recommended --extra dev --extra matrix

在该模式下，所有 opensquilla 命令都要加 uv run 前缀。不要用用户级 opensquilla 去调试开发 checkout——那条命令跑在另一个 Python 环境里。

在 GitHub 查看贡献指南

更高阶的用法请访问 GitHub 仓库

一次部署，多端接入 ³

配好一个 Agent，同时在多个渠道使用

Terminal Web Slack Discord Telegram MS Teams Matrix 飞书钉钉企业微信 QQ

每一分钱，都花在刀刃上

基元律动 · OpenSquilla，让你的 Agent 花更少的钱、记更多的事、跑得更安全。

💰

高效省钱

多条链路协同，把每一个 Token 都花在刀刃上

智能路由 ²

就像打车软件——简单问题坐公交（便宜模型），复杂问题才叫专车（强模型），系统自动判断

混合特征分析

同时融合手工特征（长度、语言、代码片段、关键词等）+ 嵌入语义特征，多维度判断问题难度，精准选模型

思维深度分级

简单问题关闭推理计费，复杂问题才开启深度思考，避免为"你好"付推理 Token 的钱

自适应 Prompt

根据任务难度自动调整提示词，告诉模型该用什么深度来回答——简单问题轻装上阵，复杂问题全力以赴

按需加载技能

不是一股脑把所有能力塞给 AI，而是只加载当前用得到的，避免 Token 浪费

🎯

效果提升

多模型集成路由，在最难的问题上提升作答质量——超越任何单一模型

多模型集成路由

把难题分发给多个候选模型并聚合它们的作答，把作答质量提升到任何单一模型都达不到的水平。

超越 Fable 5

在内部难题评测中，集成路由击败了所有单模型基线——包括 Fable 5。

结果渐进呈现

在集成收敛的过程中就先给出有用的阶段性结果，不用干等最慢的候选模型。

预设与自定义阵容

可选清晰的预设（静态 OpenRouter B5 / TokenRhythm B5），也可自定义模型阵容——配合超时调优，慢速候选不会拖住整轮。

智能回退

当单模型更合适时，自动走直连路径——该提精度的地方提精度，不该浪费的地方不浪费。

🧩

微内核：小核心，大生态

借鉴操作系统微内核思想——核心引擎只做最少的事：编排调度和状态管理，其余能力全部以插件形式在"用户态"运行。想换 LLM 供应商？实现一个 Protocol 就行。想加新工具？写 5 行代码即可。插件崩溃不影响核心，核心升级不破坏插件。

OpenSquilla Core Engine

管线编排清晰可读 · 状态机驱动 · 全异步 · 出错自动回滚

⚙️

engine/

状态机引擎

🤖

provider/

多 LLM 供应商

🌐

gateway/

ASGI RPC 网关

🧠

memory/

多层记忆系统

📡

channels/

多渠道适配

🔧

tools/ + mcp/

MCP-first 工具

🛡️

sandbox/

安全沙箱

⏰

scheduler/

任务调度

🧩

skills/

技能插件系统

🎭

identity/

身份 & 提示词

开箱即用

🔍 内置搜索：Brave / DuckDuckGo 🧬 本地嵌入：ONNX 本地推理（离线 · 数据不出本机） 🔌 可选嵌入：OpenAI / Ollama

同样的预算，更高的智能密度

和同类开源 Agent 框架逐项对比，看看每一块钱能买到什么⁴

维度	OpenSquilla	OpenClaw	Hermes Agent
🏗️架构形态	✅ 微内核 5 层分离，核心编排器极简（百行级），所有能力以插件接入，出错自动跳过+回滚	⚠️ 插件生态成熟（近百个扩展），边界清晰但层级偏多	❌ 单体同步主循环（数千行），全部逻辑耦合在一起
💰高效省钱	✅ ML 路由自动选模型 + 思维深度分级 + Prompt 缓存隔离 + 技能按需加载，多链路协同省 60-80%	⚠️ 配置文件写死主模型+备用链，不会看内容自动选	⚠️ 靠关键词+字数粗糙判断，只有路由一条省钱链路
🎯效果提升	✅ 多模型集成路由：把难题分发给多个候选模型并聚合作答，精度超越任何单一模型（含 Fable 5）；结果渐进呈现，且成本感知回退——单模型够用时自动跳过集成，不浪费	❌ 单模型直连，无集成聚合——精度取决于所选的那一个模型	⚠️ Mixture-of-Agents 预设可聚合多个模型，质量不错，但无成本感知回退——单模型够用时也照跑重型集成
🪄MetaSkills 协议	✅ 可组合工作流 + meta-skill-creator 自助创作 + 10+ 内置 & N+ 社区 Skills 自动检索 + 梦境模式空闲时凝练新候选	⚠️ Prompt 串联的 skill chain，没有 meta-protocol 层，无自我进化；新工作流靠文档存档，不是运行时对象	❌ 没有可复用工作流抽象——多步骤工作每次会话从零重写 Prompt
💾记忆系统	✅ 向量召回+关键词搜索+结果去重+老记忆自动衰减+重要记忆"冒泡"晋升+数据库自动迁移	⚠️ 衰减/冒泡/多样性重排都有，但缺四层认知结构与 Memory Dream 整合	⚠️ 仅关键词搜索，无向量语义，要语义记忆得外挂
🛡️安全沙箱	✅ 不依赖 Docker，系统调用级隔离 CPU/内存/时长+网络三档控制，能塞进 serverless	⚠️ Docker 可选，提供 OpenShell 作为轻量替代，但仍重于系统调用级隔离	✅ 危险命令审批 + 6 种执行环境（本地/Docker/SSH 等）
💰成本追踪	✅ 每次调用自带实付金额，可挂额度钩子用超自动断流	✅ 内置模型价格表，成本写进会话元数据	✅ 输入/输出/缓存读写/推理 token 分五项统计
📊可观测性	✅ 决策日志存 hash 不存原文（天然合规审计），管线每环节强制留痕	✅ 原生 OpenTelemetry（插件形式），开箱即接 Prometheus/Grafana	⚠️ SQLite 会话表+调用计数，较基础
🧩扩展开发	✅ 写 5 行 duck-typed 类即可，不继承基类、不发包、不写 manifest	⚠️ 需在 plugin-sdk 实现接口+写 manifest 清单	⚠️ import 时自动注册全局表（隐式副作用）

🏗️架构形态

OpenSquilla

✅ 微内核 5 层分离，核心编排器极简（百行级），所有能力以插件接入，出错自动跳过+回滚

OpenClaw

⚠️ 插件生态成熟（近百个扩展），边界清晰但层级偏多

Hermes Agent

❌ 单体同步主循环（数千行），全部逻辑耦合在一起

💰高效省钱

OpenSquilla

✅ ML 路由自动选模型 + 思维深度分级 + Prompt 缓存隔离 + 技能按需加载，多链路协同省 60-80%

OpenClaw

⚠️ 配置文件写死主模型+备用链，不会看内容自动选

Hermes Agent

⚠️ 靠关键词+字数粗糙判断，只有路由一条省钱链路

🎯效果提升

OpenSquilla

✅ 多模型集成路由：把难题分发给多个候选模型并聚合作答，精度超越任何单一模型（含 Fable 5）；结果渐进呈现，且成本感知回退——单模型够用时自动跳过集成，不浪费

OpenClaw

❌ 单模型直连，无集成聚合——精度取决于所选的那一个模型

Hermes Agent

⚠️ Mixture-of-Agents 预设可聚合多个模型，质量不错，但无成本感知回退——单模型够用时也照跑重型集成

🪄MetaSkills 协议

OpenSquilla

✅ 可组合工作流 + meta-skill-creator 自助创作 + 10+ 内置 & N+ 社区 Skills 自动检索 + 梦境模式空闲时凝练新候选

OpenClaw

⚠️ Prompt 串联的 skill chain，没有 meta-protocol 层，无自我进化；新工作流靠文档存档，不是运行时对象

Hermes Agent

❌ 没有可复用工作流抽象——多步骤工作每次会话从零重写 Prompt

💾记忆系统

OpenSquilla

✅ 向量召回+关键词搜索+结果去重+老记忆自动衰减+重要记忆"冒泡"晋升+数据库自动迁移

OpenClaw

⚠️ 衰减/冒泡/多样性重排都有，但缺四层认知结构与 Memory Dream 整合

Hermes Agent

⚠️ 仅关键词搜索，无向量语义，要语义记忆得外挂

🛡️安全沙箱

OpenSquilla

✅ 不依赖 Docker，系统调用级隔离 CPU/内存/时长+网络三档控制，能塞进 serverless

OpenClaw

⚠️ Docker 可选，提供 OpenShell 作为轻量替代，但仍重于系统调用级隔离

Hermes Agent

✅ 危险命令审批 + 6 种执行环境（本地/Docker/SSH 等）

💰成本追踪

OpenSquilla

✅ 每次调用自带实付金额，可挂额度钩子用超自动断流

OpenClaw

✅ 内置模型价格表，成本写进会话元数据

Hermes Agent

✅ 输入/输出/缓存读写/推理 token 分五项统计

📊可观测性

OpenSquilla

✅ 决策日志存 hash 不存原文（天然合规审计），管线每环节强制留痕

OpenClaw

✅ 原生 OpenTelemetry（插件形式），开箱即接 Prometheus/Grafana

Hermes Agent

⚠️ SQLite 会话表+调用计数，较基础

🧩扩展开发

OpenSquilla

✅ 写 5 行 duck-typed 类即可，不继承基类、不发包、不写 manifest

OpenClaw

⚠️ 需在 plugin-sdk 实现接口+写 manifest 清单

Hermes Agent

⚠️ import 时自动注册全局表（隐式副作用）

谁最需要 OpenSquilla？

这些场景下，OpenSquilla 能带来最大收益

🏢

私有化部署

本地部署，ML 路由本地推理

📋

合规与审计场景

三档安全策略 + 决策日志哈希脱敏 + 人工审批闸门

💸

预算有限但要求不低

同样的钱跑更多任务，智能路由自动选最划算的模型

🧠

需要 Agent 越用越懂你

四层类人记忆自动积累上下文，不再每次对话从零开始

产品体验官计划 · 现已开启

让 Agent 少烧钱，少作妖，真交付。

TokenRhythm API 已开放注册，三重福利限时开启：
• 邀请好友：双方各得 68 元 API 额度
• 晒出数据：有机会赢 200 元体验卡
• 限时每日抽奖赢大礼
注册领福利 →

想先看看源码？在 GitHub 上查看项目

68 元 TokenRhythm Tokens

每日惊喜抽奖

App Store 礼品卡

同样预算下更高 Agent 智能

实战演示

快速开始

下载并安装

打开 OpenSquilla

完成首次设置

安装 uv

安装 OpenSquilla

配置并运行

克隆仓库（含 LFS）

运行安装脚本

交互式配置

启动 Gateway

一次部署，多端接入 3

每一分钱，都花在刀刃上

高效省钱

效果提升

更多核心能力

微内核：小核心，大生态

同样的预算，更高的智能密度

谁最需要 OpenSquilla？

让 Agent 少烧钱，少作妖，真交付。

一次部署，多端接入 ³