开源 AI Agent 项目 OpenSquilla 近日正式发布 0.4.0 版本。该版本最核心的升级是推出了全新的 Coding 模式，并在行业内首次为 AI 编码引入了“自我验证”机制。AI 不再只是口头上声称“代码已改好”，而是在交付结果前，自动运行测试并产出一份可复核的、证明“改对了”的确定性证据。
这一机制直击当前 AI Coding 落地中最棘手的“信任”瓶颈。虽然过去一年 AI 的代码编写能力突飞猛进，但“能写”并不等于“能信”。大多数编码 Agent 采用“改完即交”的模式，对错仍需人类工程师逐行复核，这极大限制了 AI 编码走向大规模无人值守生产环境。将验证过程内化为 Agent 的原生能力，标志着行业评估 AI 编码的标准正从“声称正确”转向“自证正确”。
具体而言，该机制构建了一条严密的“红绿回归证据链”：首先编写一个注定失败的测试（红灯）来精确定位 Bug，证明测试能捕捉到问题；接着编写功能代码使该测试通过（绿灯）；最后运行项目原有的所有测试，确保没有引入回归问题。只有三关全过才予以交付，任何一关失败都会触发内置的自动修复闭环，在隔离的副本空间中循环修改直至达标。
在官方演示中，Coding 模式成功为知名开源项目 micrograd（由 Anthropic 科学家 Andrej Karpathy 编写的极简自动微分库）新增了“计算正确梯度”的功能。由于梯度计算错误不会导致程序崩溃，肉眼极难察觉，是典型的隐蔽 Bug。#OpenSquilla 走完“红→绿→回归”三关自交证据后，其生成的梯度与行业标准工具 PyTorch 相比，小数点后 10位 完全一致。这是该团队继推出新一代基准测试 claw-swe-bench 之后，在 agent runtime 领域的最新落地。
此外，新版本还推出了首个签名并公证的桌面安装包，支持 macOS 和 Windows 双击一键安装。在架构理念上，OpenSquilla 主打“提升单位成本的 Agent 智能”，基于 Learnable Harness 架构，通过本地智能路由、按需检索和工具预处理等技术，将常规场景下的综合成本降低了约 60%–80%。其智能路由精度比通用网关 OpenRouter 高约 4.4%，而成本仅为其四分之一。
OpenSquilla 0.4.0 引入的“自证清白”式红绿测试链，是 AI 编码智能体（Coding Agent）演进中的重要里程碑。相较于传统仅依赖大模型生成能力的代码助手，OpenSquilla 深刻理解了软件工程中“测试驱动开发”（TDD）的本质，将“运行期运行时”（Runtime）与“生成期大模型”深度解耦并重构。这种自闭环的错误反馈与隔离沙箱机制，本质上是给 AI Agent 装上了“刹车”与“质检仪”。横向对比 Devin 或 Swe-agent 等同类技术，OpenSquilla 巧妙地利用 Learnable Harness 压降了昂贵的推理成本。长远来看，这种兼顾“高可信度”与“低推理成本”的双轮驱动模式，将加速 AI Agent 从简单的代码补全工具向高可靠、可自动进化的“初级软件工程师”角色转变，也为 AI 智能体生态中“自监督演进”提供了切实可行的范式参考。
