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。。
。。 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 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ⅰ。
。。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。。
。。 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。。
。。 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。。
。。 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。。
。。 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：它效劳的是所有开发者，，，，，，不会随着某一个 Agent 的真实使用反响自动变智慧。。
。。 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。。
。。 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。。
。。 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。。
。。 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。。
。。 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。。
。。 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？？？？？ 在 OpenSquilla里，，，，，，一旦触发MetaSkill，，，，，，用户说一个目的，，，，，，AI就会拆办法、选 Skill组合、安排依赖关系，，，，，，确定是分步处置惩罚，，，，，，照旧并行处置惩罚。。
。。一个目的，，，，，，多个办法，，，，，，多个Skill，，，，，，每个办法和skill的组合，，，，，，独享一段上下文。。
。。 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。。
。。 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”。。
。。 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。。
。。 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响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 做后处置惩罚、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。。
。。