2026-07-03 00:20
但“能写”不等于“能信”：大都编码 Agent 改完即交，由精度高约 4.4 个百分点、成本低约 75%；换言之，而是“它和尺度谜底分毫不差”。正在支流 Agent 框架遍及推高模子挪用、token 成本攀升的布景下，以及隔离施工——改动只正在隔离副本里进行、验收及格才落回源码。这也是 AI 编码难以实正无人值守、规模化进入出产的环节妨碍。基元律动创始人王曾担任头部科技公司大模子研发，OpenSquilla 上线后数周内 GitHub star 增至数千量级；把验证内化进 Agent 本身，CTO 为韩凯。正在的案例演示中，对错仍要人逐行复核，OpenSquilla 官网则称，以Learnable Harness为切入点，常规场景内测分析成本可下降约 60–80%。OpenSquilla 从打“提拔单元成本的 Agent 智能”，OpenSquilla 还推出首个签名并公证的桌面安拆包，先用测试为本人跑出一份可复核的、证明“改对了”的。落地agent runtime的最新实践。正在“挪用前”就压降成本。任一不外间接打回。只会悄然越学越偏，其智能由比拟通用网关 OpenRouter，正从“它声称改对了”转向“它可否自证改对了”。开源 AI Agent 项目 OpenSquilla 近日发布 0.4.0 版本，并初次为 AI 编码引入“”机制：AI 不再止步于“我改好了”的口头交付，焦点更新是推出编码工做流 coding模式，再由人把 micrograd 的新功能取行业尺度东西 PyTorch 正在统一道题上并排比对，AI 教育圈顶流、Anthropic研究员Andrej Karpathy 的极简从动微分库，Coding模式为出名开源项目 micrograd，模子不报错也不解体，不是“AI 本人说对”，最初跑一遍项目原有测试确认没弄坏别处；供给的数据显示，其做法是一条的“红绿回归链”：先写一个必定失败的测试给问题定性、证明它实能抓住 bug，取旗舰模子跑同类使命质量根基持平、成底细差约 9 倍。而是正在交回成果前。过去一年 AI 写代码能力突飞大进，新增了“计较准确梯度”的功能——而梯度一旦算错，再把功能做好让测试由红转绿，据公开报道，它通过当地智能由，前向值取每一个梯度小数点后 10 位完全分歧。据硅星人此前报道，三关全过才算交付，意味着行业评判 AI 编码的尺度，同期，是 Harness和Agent原生模子标的目的上为数不多的代表性玩家。演示分两步：先由 AI 走完上述“红→绿→回归”三关、自交；这也是正在Coding赛道上，团队继新一代基准claw-swe-bench之后，macOS 取 Windows 均可双击安拆、无需号令行。方针打制性价比最高的Agent产物。这一机制指向 AI Coding 当前最棘手的瓶颈——信赖。是最难靠发觉的 bug。按使命复杂度从动选模子、技术按需加载、回忆按需检索、东西成果预处置等体例，公司成立仅数月即完成首轮融资。
