泉源：专家：小心G7为日本“再军事化”背书作者： 陈怡爱：

热门Harness项目OpenSquilla：拯救烧token烧到绝望的Agent们，，，，估值1亿

作者 ｜ 黄小艺邮箱 ｜ huangxiaoyi@pingwest.com

对 AI 创业公司而言，，，，token 毛利账单已经酿成生死线。。

这笔账算的是：一家公司挪用模子花掉的 token 本钱，，，，最终能从用户身上赚回几多收入。。

好比，，，，一个 Agent 产品为了完成一次使命，，，，模子挪用本钱是 1 元。。若是它最终只能从用户那里赚回 1.15 元，，，，token 毛利就是 15%。。据硅星人相识，，，，对 AI 应用公司来说，，，，token 毛利基本要做到 30% 以上，，，，商业模式才有可能进入可循环状态。。

已往一年，，，，模子厂商一直降价，，，，把 token 单价往下打。。但对 Agent 公司来说，，，，单价只是本钱的一部分。。它们真正要自己控制的，，，，是一次使命究竟要烧掉几多 token。。

这也是 Harness 最先变得主要的原因之一。。

Agent 比谈天机械人更费 token。。它要妄想使命、挪用工具、检索网页、读取文件、治理影象、选择 Skill，，，，最后再把效果整理出来。。同样一个用户请求，，，，背后可能跑十几步，，，，每一步都在消耗 token。。

OpenSquilla 想做的，，，，就是把这套运行历程里的 token 铺张率降下来。。

OpenSquilla 是一个开源 Agent Harness 框架（https://github.com/opensquilla/opensquilla）。。它在 Agent 应用和模子之间加了一层运行中枢。。简朴来说，，，，这里有至少四个主要的环节：第一层，，，，决议调哪个模子，，，，第二层，，，，决议喂进去几多上下文，，，，第三层决议多个 Skill 怎么编排，，，，第四层贯串所有，，，，一直让前三层越用越准，，，，形成某种自我进化的机制，，，，让这些能力最终内化进Harness里。。

这层 Harness 认真的事情很直接：让 Agent 少花不应花的 token，，，，同时让它越用越懂用户，，，，最终可以拯救那些烧token停不下来，，，，越烧越亏，，，，甚至就要烧到休业的Agent产品们。。

硅星人相识到，，，，OpenSquilla 由上；；；；；啥萍加邢薰究。。凭证多个果真报道，，，，首创人王云鹤曾任华为大模子认真人，，，，恒久研究模子压缩和高效盘算；；；；；CTO 韩凯是原同厂实验室首席研究员。。最新新闻显示，，，，基元律动建设仅几个月后，，，，已完成首轮融资，，，，估值高达1亿美元。。

自Anthropic等头部公司提出并带火Harness看法后，，，，真正将自己界说为Harness公司的创业公司事实上并没有泛起大批量高估值融资潮，，，，这样看来，，，，基元律动的融资是一个代表性的案例。。

OpenSquilla的信息显示，，，，它最近在Github上的受接待水平很高，，，，同时又完成高估值的融资。。关于这样的热门新项目，，，，我们很好奇Harness 层事实能把 Agent 的本钱和能力进化做到什么水平？？？？

近期，，，，我们也去和OpenSquilla的韩凯聊了聊，，，，实验弄清晰他们的产品事实怎样设计，，，，为何可以资助Agent产品们实现对token账单更好的控制。。以下是关于这个产品和项目的完整拆解。。

第一层：智能路由就是token管家

已往做 Agent，，，，许多团队默认会先选一个主力模子。。

最简朴的做法，，，，是绑定一个旗舰模子。。效果稳固，，，，开发也省事。。问题是，，，，一旦 Agent 最先进入真实使命，，，，这个方案很快会变贵。。

由于 Agent 的一次使命里，，，，并不是每一步都需要最强模子。。

重大推理、代码天生、长文剖析，，，，确实需要强模子。。但分类、摘要、名堂整理、工具效果洗濯、上下文压缩，，，，这些行动纷歧定需要。。许多 Agent 账单高，，，，不是由于使命自己都很难，，，，而是每一步都用了统一档模子。。

这也是现在 Agent 创业公司最尴尬的地方：用户不懂模子，，，，也不应懂模子。。让用户在一排模子里自己挑，，，，实质上是产品把自己的事情甩了出去。。

我们问韩凯，，，，OpenSquilla 为什么把模子路由放在第一层。。

他的回覆是，，，，模子正在酿成一组能力和价钱都差别的 SKU。。差别模子的强项、价钱、延迟、上下文长度都纷歧样。。Agent 若是恒久只绑定一个模子，，，，就很难同时做到效果和本钱可控。。

OpenSquilla 的做法，，，，是在使命进入大模子之前，，，，先用外地路由模子判断使命重漂后。。它会凭证语义、要害词、语言、上下文长度、对话轮次等特征，，，，把使命分成差别品级，，，，再匹配差别模子。。

这件事的焦点，，，，不止是“省一点钱”。。

它把 token 本钱从事后结算，，，，酿成了挪用前决议。。已往 Agent 公司月尾才知道自己烧了几多钱；；；；；OpenSquilla 想让每一次挪用爆发之前，，，，系统先判断这一步该花几多钱。。

据团队提供的数据，，，，OpenSquilla 的智能路由和 OpenRouter 相比，，，，路由精度高 4.4 个百分点，，，，本钱低 75%；；；；；和 Anthropic Opus 4.7 跑同类使命相比，，，，精度基本持平，，，，成内情差约 9 倍。。

同样是智能路由，，，，OpenSquilla和 OpenRouter 的区别在于，，，，它们解决的不是统一层问题。。

OpenRouter 是云端 API 网关。。用户把 prompt 发已往，，，，它再从几十个模子里挑一个转发。。它的底层也有判断，，，，但更偏向在已知模子荟萃里按本钱/速率做选择，，，，或者在统一模子的差别提供商之间调理，，，，默认逻辑是通用的：它服务的是所有开发者，，，，不会随着某一个 Agent 的真实使用反馈自动变智慧。。

而OpenSquilla 的路由长在 Harness 里，，，，实质上是一个外地集成树模子，，，，它看的是这个 Agent 恒久怎么干活：哪些使命乐成了，，，，哪些失败了，，，，哪些地方烧 token，，，，哪些模子性价比更高，，，，这些信号会回流到路由里，，，，继续逊。。

韩凯的判断是，，，，Agent 公司不可只等模子厂商降价。。模子厂商决议 token 单价，，，，Agent 公司自己决议每个使命怎么花 token。。

这就是 Harness 的第一层价值：把模子挪用管起来。。

第二层，，，，上下文治理：Agent 烧掉的，，，，许多是不应读的

模子选错，，，，是一类铺张。。上下文塞太多，，，，是另一类铺张。。

许多 Agent 系统为了省事，，，，会把 Skill 形貌、工具说明、历史影象、网页内容、中心方法，，，，一起塞进 prompt。。这样做开发最快，，，，本钱最高。。

模子每挪用一次，，，，都要重新读一遍这些工具。。哪怕目今使命只用得上其中一小段，，，，剩下的 token 也照样计费。。

这在谈天机械人里还没那么显着。。谈天机械人通常是一问一答，，，，上下文相对短。。Agent 纷歧样。。它会一连妄想、挪用工具、检索网页、读文件、天生中心效果，，，，再把这些效果带到下一步。。上下文会越滚越大。。

我们问韩凯，，，，OpenSquilla 详细怎么镌汰这部分铺张。。

他的回覆是，，，，Harness 要先判断“目今使命究竟需要什么”，，，，而不是默认把所有工具交给模子。。

以是 OpenSquilla 会按需加载 Skill。。一次使命只注入可能用到的 Skill，，，，不把几十个 Skill 的说明所有塞进去。。影象也是一样，，，，不是把历史对话整段搬进 prompt，，，，而是从外地数据库里检索相关片断。。

工具效果也会先处理。。网页检索返回的 HTML 里，，，，有标签、样式、导航栏、广告和重复内容。。OpenSquilla 会先裁掉这些内容，，，，再交给模子。。

这件事听起来像工程细节，，，，但对 Agent 公司就是账单问题。。

用户不知道 prompt 里塞了什么，，，，也不知道一次工具挪用返回了几多无关文本。。他只会看到产品好欠好用，，，，价钱贵不贵。。中心这些铺张，，，，最后都会落到 Agent 公司的毛利里。。

据团队提供的数据，，，，OpenSquilla的上下文治理可以特殊带来约 20% 到 50% 的本钱降低。。

韩凯的意思很直接：模子看到的每一个 token，，，，都应该和目今使命有关。。用不到的 Skill，，，，不加载。。无关的影象，，，，不召回。。重复的网页内容，，，，不进入上下文。。

第三层，，，，MetaSkill：Skill 变多以后，，，，用户反而更累了

上下文裁剪解决的是别让模子读太多无关信息。。但 Agent 跑重大使命时，，，，尚有另一层问题：Skill 怎样被准确选择、组合和挪用。。

Agent 圈已往一年很盛行 Skill。。

一个 Skill 可以明确成一套可复用能力：怎么搜资料、怎么写稿、怎么处理表格、怎么挪用某个工具。。理论上，，，，Skill 越多，，，，Agent 越强。。

但真实使用里会泛起另一个问题：Skill 多到一定水平，，，，用户最先不知道该怎么用。。

一个重大使命，，，，可能需要多个 Skill 配合。。好比写一篇文章，，，，要先查资料，，，，再核事实，，，，再学习气概，，，，再写初稿，，，，再审校。。每一步都有 Skill，，，，但谁来决议先后顺序？？？？谁来决议哪个 Skill 该用、哪个不应用？？？？

许多时间，，，，用户只能自己当项目司理。。

这也是韩凯谈到 OpenSquilla 的 MetaSkill 时最强调的一点：Skill 不应该只是一堆模板。。真正难的，，，，是让 Agent 自己把 Skill 组织起来。。

在 OpenSquilla里，，，，一旦触发MetaSkill，，，，用户说一个目的，，，，AI就会拆方法、选 Skill组合、安排依赖关系，，，，确定是分步处理，，，，照旧并行处理。。一个目的，，，，多个方法，，，，多个Skill，，，，每个方法和skill的组合，，，，独享一段上下文。。

这里的行业问题是，，，，Agent 的能力正在从“单个模子聪不智慧”，，，，转向“多个能力能不可被组织起来”。。

模子、工具、影象、Skill 都在增添。。用户不可能明确每一个组件，，，，更不可能每次都手动编排。。Agent 产品若是还让用户自己选模子、选 Skill、排流程，，，，就会卡在专业用户手里，，，，很难酿成通俗人能用的产品。。

MetaSkill 想把这层重漂后藏起来，，，，让用户只需要讲目的。。Harness 认真判断路径。。

韩凯的判断是，，，，Skill 未来不会只是用户手写的一份提醒词，，，，而会酿成可检索、可组合、可复盘、可更新的系统能力。。

这也是 OpenSquilla 所谓“可进化”的地方。。

第四层，，，，可进化：把 Context 训进 Harness

若是用一句话概括OpenSquilla 的可进化，，，，那就是：让 Harness 学会用户的上下文。。

许多用户用 Agent 都有一个配合体验：第一次让它做使命，，，，往往要改好几轮。。结构差池，，，，语气差池，，，，名堂差池，，，，重点差池。。用户一直增补：“不要这样”“按这个名堂”“这里保存”“下次记着”。。

问题在于，，，，Agent往往是，，，，知道错了，，，，下次还敢。。这意味着用户每次都在重新指导它，，，，履历没有沉淀下来。。

MetaSkill则是想要把这些历程留下来。。当一个使命往返改了三次，，，，最后用户知足了，，，，OpenSquilla 会回看这段历程：用户补了哪些条件，，，，纠正了哪些误差，，，，最终认可了什么效果。。然后把这些信息沉淀进 Skill 或事情流里。。

下次遇到类似使命，，，，Agent 不必从零最先。。

智能路由也是统一套逻辑。。前面讲到，，，，它不是一张静态规则表，，，，而是一个可以凭证使命反馈继续更新的参数化模子。。MetaSkill 学用户怎么做事，，，，路由学使命怎么花钱。。

这也是 OpenSquilla 对 Harness 的判断。。由于用户输入进来，，，，Harness 先接住，，，，做完编排、组织、调理，，，，再交给模子。。模子输出之后，，，，也需要 Harness 做后处理、分发和执行，，，，以是，，，，Harness 是离 Context 最近的地方，，，，也最应该学习 Context。。

这件事对 Agent 公司也很主要。。用户少纠正一次，，，，系统就少跑一轮。。少跑一轮，，，，就是少烧一轮 token。。用户以为它越来越懂自己，，，，也更愿意继续用下去。。

以是OpenSquilla 的自进化，，，，最后照旧回到账单和留存。。

已往许多人把 Harness 明确成模子外面那层工程壳：接工具、管会话、做清静、调 API。。OpenSquilla 的判断更激进一点。。

它押注的是：Agent 真正进入商业化后，，，，中心这层 Harness 会酿成最要害的位置。。

模子提供能力，，，，应用界说场景。。Harness 决议这套能力能施展的上限，，，，和本钱能压到的下限。。

而这会形成新的商业动态平衡。。

点个“爱心”，，，，再走 吧