当前位置：首页>python>【开源】基于OpenClaw思路用Python重写的开源AI Agent控制台,国产开源AI Agent,让Agent跑得起、听得懂,Token还省80%

【开源】基于OpenClaw思路用Python重写的开源AI Agent控制台,国产开源AI Agent,让Agent跑得起、听得懂,Token还省80%

  • 2026-10-11 06:28:35
【开源】基于OpenClaw思路用Python重写的开源AI Agent控制台,国产开源AI Agent,让Agent跑得起、听得懂,Token还省80%
OpenSquilla：国产开源AI Agent，解决「跑不起」和「不听话」，Token省80%

"Same budget, more capability, better results."

—— OpenSquilla 项目 Slogan

如果你用过 AI Agent 框架，大概率遇到过两个痛点：
💸跑不起——简单问答也调最强模型，API 账单蹭蹭涨
🤷不听话——多步任务 AI 乱跳步骤、漏环节、结果不可复现
国内团队基元律动（前华为盘古大模型负责人王云鹤创立）开源的OpenSquilla（GitHub 2000+ Star，目前已超 4000⭐），基于 OpenClaw（小龙虾）思路用 Python 重写 Agent 控制台，靠智能路由 + MetaSkill双核机制，系统性解决了这两个问题。

界面展示

项目由来：从 OpenClaw 到 OpenSquilla

OpenClaw 是很受欢迎的个人 AI Agent，但存在两点不足：
模型选择靠配置写死，无法按任务复杂度动态切换 →浪费 Token
Skill 靠 Prompt 串联，复杂流程 AI 容易"自由发挥"→流程不可控
OpenSquilla 用Python 3.12+ 微内核架构重写，核心极简（~100 行），所有能力插件化，并加入两大创新：
SquillaRouter（智能路由）：本地判断任务难度，自动选便宜/强模型
MetaSkill（元技能协议）：把多步工作流固化为 DAG 配置，强制执行、可审计、可复用
口号很直白：同样预算，做更多事，做得更准。

核心原理拆解

🔀 1. SquillaRouter — 解决「跑不起」（省 60–80% Token）

每轮对话先经过本地分类器（LightGBM + ONNX Runtime，本地 CPU 跑，零费用零延迟）：
分析语义/长度/类型 → 判定任务复杂度 T0～T3
简单任务→ 便宜小模型（如 GPT-4o-mini / DeepSeek-V3-Lite）
复杂推理→ 顶级模型（Claude Opus / GPT-4o）
配合：
Skill 按需注入：只加载与当前意图匹配的 Skill，不塞几十个描述进 Context
工具结果压缩：大返回只给模型看摘要
持久记忆增量召回：避免重复灌历史对话
实测典型场景可节省60–80% Token 消耗，同等预算多干数倍活。

📋 2. MetaSkill — 解决「不听话」（稳定交付）

传统 Skill = "提示词片段"，AI 读自然语言容易跳步。
MetaSkill =YAML/DAG 配置的工作流协议，定义：
步骤顺序（depends_on卡死依赖，不许跳）
每步类型：llm_chat（有界生成）/ tool_call（确定性执行）/ llm_classify（分类路由）/ agent（子 Agent）等
数据传递：上一步输出 → 下一步输入（确定性强）
失败兜底：on_failure指定替代步骤
内置 meta-skill-creator+ 梦境模式：Agent 空闲时回顾历史，自动提炼新 MetaSkill 提案——用越多越聪明
效果：研究→报告、合同审查、简历筛选等固定套路，变成可复用、可回放、可审计的剧本，不再靠 AI "自觉"。

🧠 其他关键能力

模块

说明

四层记忆

Working / Episodic / Semantic / Raw + 向量+关键词混合检索 + 时间衰减

安全沙箱

Linux Bubblewrap / macOS Seatbelt 系统调用级隔离，无需 Docker

多入口

CLI + Web UI（:18791）+ Slack/飞书/钉钉/企微/Telegram 等 10+ 渠道统一 TurnRunner

MCP 支持

兼容 Model Context Protocol，可连 MCP Server 扩展工具

成本追踪

实时统计 Token 用量与估算费用，支持配额节流

职场 & 真实应用场景

场景

怎么用 OpenSquilla

打工人日报/周报

MetaSkill：收集今日 Git 提交 + 日历事件 → 归纳 → 生成日报，每天一句话触发

合同/标书初审

上传 PDF → MetaSkill 分步：条款提取 → 风险标注 → 生成意见书

行业调研报告

web_search → 多源汇总 → 中英文互译 → Markdown 报告，路由自动用小模型做搜集、大模型做综合

简历批量筛选

设定 JD → MetaSkill 逐份解析、打分、输出排名表，过程可审计

私域知识问答

接入本地向量库 + Semantic Memory，用便宜模型路由日常 QA，省大量 Token

赚钱/变现场景案例参考

📦 定制企业自动化 Agent 交付

帮中小公司搭本地 OpenSquilla + MetaSkill 工作流（合同审查/订单处理/客服预处理），收部署+维护费。相比 LangChain 方案，客户更容易接受——成本低、可解释。

🛒 SaaS 增值：接公众号/飞书做付费 AI 助手

用 OpenSquilla 多渠道路由，给企业微信群部署专属助理（行业知识库+固定流程 MetaSkill），按坐席或调用量收费。智能路由压低 API 成本，毛利空间大。

🎓 卖 MetaSkill 模板/课程

封装高频 MetaSkill（论文润色流水线、小红书文案生成+配图、电商评论分析），在知识平台售卖或提供定制改写服务。

🔧 独立开发者个人提效即省钱

日常编程辅助/Copilot 替代，路由把简单补全分给低价模型，复杂重构才上调——月 API 费从几百降到几十，变相"赚回"成本。

OpenSquilla vs 同类平台对比

简而言之：
LangChain适合企业级应用研发，但重、贵、需自建渠道
AutoGen/CrewAI适合多 Agent 研究，但成本和调试复杂度高
OpenClaw好上手但缺智能省钱和工作流固化
OpenSquilla面向"想让 Agent 真正日常用起来"的人——便宜、听话、好扩展，对个人开发者和小型团队尤其友好

快速上手

# 推荐用 uv（Python 3.12+）pip install opensquillaopensquilla onboard      # 交互式配置 API Keyopensquilla gateway run  # 启动 Web 控制台 http://127.0.0.1:18791/control/
Windows 用户也可直接下载便携版 ZIP 解压运行。
微内核 · 智能路由 · MetaSkill · 同样的预算，更强的 Agent。

开源地址

关注公众号 回复 20260715 获得
8元解锁820+优质项目！别再瞎找资料了！AI、低代码、Agent实战教程一网打尽，永久更新！
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

pandera,一个严谨的 Python 库

Linux系统基础12:防火墙管理 新手超详细教程

最新文章

随机文章