📋TestingCatalog•較早收集於 5m
OpenSquilla 發布 MetaSkill，實現 AI 代理技能自動組合
💡一個全新的自託管框架，讓 AI 代理能夠動態組織並優化其自身的技能組合。
⚡ 30-Second TL;DR
有什麼變化
推出 MetaSkill，一個用於自主技能管理的框架
為什麼重要
此框架可顯著減少編排代理工作流程的人工成本。透過允許代理管理自身的技能組合，開發者可以構建更具彈性和適應性的自主系統。
下一步行動
複製 OpenSquilla 儲存庫並測試 MetaSkill 框架，看看它是否能自動化您目前代理的任務鏈邏輯。
誰應關注：Developers & AI Engineers
關鍵要點
- •推出 MetaSkill，一個用於自主技能管理的框架
- •使 AI 代理能夠自動組合並優化其工作流程
- •作為開發者的自託管解決方案提供
🧠 深度解析
Web-grounded analysis with 5 cited sources.
🔑 增強重點摘要
- •MetaSkill 是一個可重複使用且可稽核的工作流程協議，能夠將多個技能、工具、大型語言模型（LLM）呼叫、檢查或輸出步驟組合成一個可重複的能力。
- •OpenSquilla 採用「微核心 AI 代理」設計，其特色包括智慧路由至最經濟的模型、持久記憶體、安全沙盒、內建網路搜尋以及裝置端嵌入功能。
- •MetaSkill 可透過 OpenSquilla 自動草擬，該平台會重新審視工作流程執行軌跡並提煉使用模式，使代理能夠在背景中增長其能力。
- •OpenSquilla 支援可插拔的供應商層，允許整合超過 20 個 LLM 供應商，包括 OpenRouter、OpenAI、Anthropic、Ollama、DeepSeek、Gemini 和 Qwen/DashScope。
- •該平台提供「持久代理」（Durable Agents），這些是針對不同工作流程的命名運行時配置文件，可用於專用工作區、預設模型選擇和重複性任務配置文件。
🛠️ 技術深入
- OpenSquilla 是一個代幣效率高的微核心 AI 代理。
- 它使用本地模型路由器（SquillaRouter）將每個回合發送到能夠處理它的最便宜模型。
- 包含持久記憶體、分層沙盒、內建網路搜尋和裝置端嵌入。
- 所有入口點（Web UI、CLI、聊天頻道）都通過相同的回合循環運行，確保工具分派、重試和決策日誌記錄行為一致。
- 透過可插拔的供應商層支援多個 LLM 供應商。
- MetaSkill 被定義為可重複使用、可稽核的工作流程協議，可組合多個技能、工具、LLM 呼叫、檢查或輸出步驟。
- 系統結合了手工製作的特徵（長度、語言、程式碼塊、關鍵字）和基於嵌入的語義特徵，以評估複雜性並選擇正確的模型。
- 它會禁用簡單查詢的推理計費，僅對複雜查詢啟用深度思考，並根據任務複雜性自動調整提示。
- 僅載入當前任務所需的內容，以避免代幣浪費。
- OpenSquilla 是開源的，可以自行託管。
- 它可在 Windows、macOS 和 Linux 上運行，並提供可攜式安裝或從原始碼安裝的選項。
- 預設推薦的配置文件安裝 SquillaRouter 運行時依賴項，例如 ONNX Runtime、LightGBM、NumPy 和 tokenizers。
🔮 前景展望AI analysis grounded in cited sources
AI 代理的自主學習和適應能力將大幅提升。
MetaSkill 能夠透過分析工作流程執行軌跡自動草擬新的 MetaSkill，使代理能夠在背景中不斷學習和成長。
企業將能更有效地管理和優化 AI 代理的營運成本。
OpenSquilla 的微核心架構包含智慧路由功能，可將任務導向成本效益最高的模型，從而節省代幣使用量。
AI 代理的部署和整合將變得更加靈活和普及。
MetaSkill 作為一個可自託管的開源框架，並支援多種 LLM 供應商，降低了企業採用和客製化 AI 代理解決方案的門檻。
⏳ 時間線
2026-05-12
OpenSquilla 0.1.0 Preview 1 發布，首次公開預覽。
2026-05-18
OpenSquilla 的 GitHub 星標數突破 1,000。
2026-05-20
OpenSquilla 0.2.0 發布，引入 OpenClaw 和 Hermes 的一鍵遷移、CLI 優先聊天、基於 Cron 的自動化和 MCP 伺服器互操作性。
2026-05-22
OpenSquilla 0.2.1 維護版本發布。
2026-05-31
OpenSquilla 0.3.0 發布，引入 MetaSkill、Health Doctor 診斷和結構化工具壓縮。
2026-06-03
OpenSquilla 0.3.1 維護版本發布。
📎 來源 (5)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： TestingCatalog ↗