换套 Harness，让你的 Agent 便宜又好用
文章目录
Agent 效果不行，大家的第一反应就是换个更贵的模型！！
贵的就该更好，这个逻辑我们从小信到大，但真的是这样吗？
最近有个开源项目叫 OpenSquilla，发了新版本，还同步放出一份技术报告，我把两边对照着核了一遍，越核越不对劲：
一群单拎出来都打不过 Fable5 的模型，凑一起，居然赢了 换套Harness，差点的模型就比肩最强模型了吗？
数据不会说谎，请看下面
不小心打赢了Fable5
OpenSquilla 官方自己说，这组数据来回核了好几遍才敢发
先看战绩：相较 Fable5，质量分 +1.05，成本降 67.77%
相较 Opus 4.8，质量分 +8.59，成本降 40%
相较 GPT-5.5，质量分 +10.84，成本降 13%
但到底用了什么牛逼的模型，能打赢Fable5?
结果让人十分意外，它只是用4个提案模型：DeepSeek v4、GLM-5.2、Kimi K2.7、Qwen3.7，全是国产，没有一个国外旗舰
单独拎出来看，DeepSeek、GLM、Kimi、Qwen，这几个哪个都打不过旗舰
那问题来了，一群打不过旗舰的模型，凑一起怎么就赢了？
难道这就是Harness的魔力，换了一个对的Harness，就妙手回春：四个臭皮匠打死一个诸葛亮？
那这事到底是怎么做到的？
好的Harness价值巨大
这套Harness里，其实一直有两个功能在干活
第一个叫智能路由，从 v0.1.0 就有，负责调度
它怎么判断该派哪个模型呢？靠一个叫 LightGBM 的排序模型，过四道关卡
先筛掉明显简单的任务，直接走便宜模型通道
再看这个任务具体需要什么能力
然后按风险调整，这一步万一判断错了，后面要不要花更多钱补救
最后才由这个排序模型，在剩下的候选模型里，挑一个最匹配的
说白了，就是简单活儿分诊到普通门诊，难活儿转专家门诊，一次只转一个人
第二个是刚更新的，多模型集成，专门用在难活儿上
难度越高的活儿，喊来搭伙的人也越多
这几个人不是随便凑的，是挑出来的，既要能打，又不能都是一路人，还得划算。
打个比方，难活儿不再只转一个专家，可以喊几个不同科室的大夫一起会诊，各自看一遍，再让其中一个把几份诊断融合成最终结果
这么干为什么管用？
一个人查资料，容易漏关键信息源
一个人算数，没人帮着核对，容易出错
一个人干活，顾得了这头顾不了那头，条件一多就丢三落四
几个人一起上，这三个老毛病，都被垫平了！
所以，换套对的 Harness，你的 Agent 便宜又好用
但这个框架除了降本增效哦，还有别的功能吗？
OpenSquilla产品演化史
这几个版本里，还藏着两个东西，一直在给这套系统攒底子
第一个叫 MetaSkills，v0.3.0 上的
官方的说法是，把反复干的多步骤工作，打包成可复用、可检查的工作流
打个比方，你总让 AI 帮你调研写报告，每次都要从头交代一遍要求，费口舌
MetaSkills 做的事，就是把这套流程写成模板存下来，跟写菜谱一样，下次照着做，不用每次现教
第二个叫 Coding mode，v0.4.0 上的，官方管它叫 code-task
AI 改的代码，先扔进一个隔离的沙盒里跑一遍，验证通过了，才允许真正写进你的源码
打个比方，这就跟装修队一样，样板间先试装，验收过了，才让他们进你家正式施工，不会让人直接抡着锤子上你家墙就砸
这两个东西看着跟省钱没直接关系，但干的是同一件事，把对不对这件事，从靠人工判断，变成系统自己能说清楚
这才是 v0.5.0 敢把几个模型一起上这件事做成的基础！！
所以决定Agent好不好用的因素模型固然重要，但好Harness同样价值巨大
这可能才是往后 Agent 真正的竞争点！！
我用关注这套Harness已经很久了，它还有个巨大的优势：
这套东西开源，Apache 2.0 协议，能本地私有化部署，数据不用出内网
想直接体验的，仓库地址和体验官通道放在下面
GitHub：github.com/opensquilla/opensquilla
产品体验官计划，进群即送 10 美金 API Key每天抽 ChatGPT 会员：https://opensquilla.ai/zh/invite/
