OpenSquilla 0.4.0发布：AI写代码首次实现自我验证

OpenSquilla 0.4.0 版本发布：新增 Coding 模式与自我验证机制

开源 AI Agent 项目 OpenSquilla 近期发布 0.4.0 版本，在 AI 编程领域最引人注目的更新是新增的 Coding 模式。该模式的核心亮点在于为 AI 编码能力引入了“自我验证”机制——AI 不再仅仅是输出一句“问题已修复”就结束流程，而是在提交结果前主动运行测试、生成可追溯且可复现的证据链，用实际数据证明“确实改对了”。

这一设计精准解决了当前 AI 编程落地过程中面临的关键瓶颈——可信度缺失。过去一年 AI 编写代码的能力取得了显著进步，但“能生成代码”与“值得信赖”之间仍存在较大差距。目前大多数编码 Agent 完成任务后直接交付，用户仍需逐行检查修改是否正确——这成为阻碍其实现真正无人值守、规模化生产的重要障碍。将验证能力深度嵌入 Agent 自身逻辑，从某种程度上反映了行业对 AI 编程评估思路的根本转变：从“它声称完成了”转向“它能否自证确实做对了”。

闭环验证：红绿回归证据链

具体实现方式是一条闭环的“红绿回归证据链”，步骤清晰明确：首先编写一个必然会失败的测试用例，精准锁定问题，确保 AI 能够识别该 Bug；接着完成功能修复，使测试用例从失败（红）转为通过（绿）；最后重新运行项目原有的全部测试套件，确认本次改动不会引入其他问题。只有通过这三道关卡，才能交付结果——任意环节失败都会自动触发回退。此外，还配备了两项辅助能力：一是默认开启的自动修复闭环，未通过则自动重试直至成功；二是隔离式开发环境，所有修改均在独立副本中进行，验收达标后才合并到主干代码。

实测案例：为 micrograd 新增精确梯度计算功能

在官方发布的实测案例中，Coding 模式被用于为知名开源项目micrograd（由 Anthropic 研究员、AI 教育领域标杆人物 Andrej Karpathy 开发的极简自动微分库）新增“精确计算梯度”功能。该任务的难点在于 Bug 极为隐蔽——梯度一旦出现偏差，系统既不会报错也不会崩溃，只会默默偏离正确方向，肉眼观察或常规调试几乎无法发现。验证过程分为两个阶段：第一阶段让 AI 独立完成“红 → 绿 → 回归”全流程，自动生成完整的验证报告；第二阶段由人类工程师将 micrograd 的新功能与业界黄金标准 PyTorch 放在同一数学任务上进行并行比对。结果显示：前向传播结果与所有梯度值在十进制小数点后 10 位完全一致。这意味着结论并非 AI 自行宣称，而是与权威参照系实现了极高精度的对齐。这一成果也标志着该团队继发布新一代评估基准 claw-swe-bench 之后，在 Coding Agent Runtime 领域又一次关键落地。

桌面安装包正式发布：支持 macOS 和 Windows

与此同时，OpenSquilla 还正式推出了首个经过数字签名和公证认证的桌面安装包，覆盖 macOS 和 Windows 双平台，用户双击即可完成安装，完全告别命令行依赖，这对众多开发者而言是一个实用的改进。

核心使命：提升单位成本下的 Agent 智能密度

OpenSquilla 的核心使命是“提升单位成本下的 Agent 智能密度”，依托 Learnable Harness 技术支点，致力于打造最具性价比的 Agent 方案。目前主流 Agent 框架普遍倾向于推高模型调用量，导致 Token 成本持续攀升。OpenSquilla 的做法是采用本地化智能路由策略——根据任务复杂度动态匹配最优模型、按需加载技能模块、根据上下文触发记忆检索、对工具返回结果进行前置结构化处理——在请求发出之前即完成多维度的成本优化。此前公开的实测数据显示：智能路由相比通用网关 OpenRouter，路由准确率高出约 4.4 个百分点，整体调用成本降低约 75%；在与旗舰级大模型执行相同任务时，输出质量基本持平，但成本差距约为 9 倍。根据官方披露，在常规使用场景下，内测综合成本可降低 60–80%。

团队背景与项目进展

项目背后的团队由基元律动创始人王云鹤领衔（曾主导头部科技公司大模型研发），CTO 为韩凯。OpenSquilla 上线短短数周，GitHub Star 数迅速突破千颗；公开信息显示，公司成立仅几个月即顺利完成首轮融资，在 Harness 架构与 Agent 原生模型赛道上已成为一股不可忽视的力量。