坦白说，AI写代码在过去一年里确实取得了飞跃式进展，但一直有个核心难题悬而未决：它改完代码之后，究竟能不能让人放心？

这个困扰终于被一个务实的方案破解了。6月30日，开源AI Agent项目OpenSquilla正式发布了0.4.0版本，其中最关键的更新是推出了编码工作流——即coding模式。更值得关注的是，他们为AI编码引入了一套“自我验证”机制。这是什么意思呢？简单来说，AI不再丢下一句“我改好了”就撒手不管，而是在交还结果之前，先用自己的测试跑出一套可核查的证据，证明自己确实完成了正确的修改。

这一举措，直接击中了当前AI编码最棘手的瓶颈——信任问题。

从行业视角来看，过去一年AI写代码的能力的确进步神速，但“能写”与“可信”之间仍然横亘着一道鸿沟。绝大多数编码Agent的做法是：改完代码就交付，至于改得对不对，还得靠人工一行一行去复核。这正是AI编码始终难以真正实现无人值守、规模化应用于生产环境的根本障碍。如今，将验证环节也纳入Agent自身的能力闭环，意味着行业评判AI编码的标准正在发生微妙的转变——从“它声称自己改对了”，转向“它能否拿出证据自证改对了”。

具体如何操作？其核心是一套独立的“红绿回归证据链”。流程大致如下：先编写一个注定失败的测试用例，将问题定性，证明它确实能稳稳抓住这个bug；接着，完善功能实现，使该测试从红色（失败）变为绿色（通过）；最后，运行项目原有的全部测试，验证新功能没有破坏其他部分。这三个关卡全部通过，才算真正的交付。任何一关未过，直接打回重做。并且，系统还配套了默认的自动修复闭环机制。

最新公布的案例演示很能说明问题。Coding模式在知名开源项目micrograd上运行了一次。micrograd是AI教育圈的热门项目，由Anthropic研究员Andrej Karpathy创建，是一个极简的自动微分库。本次需要新增的功能是“计算正确梯度”。要知道，梯度一旦计算错误，模型不会报错也不会崩溃，只会悄无声息地越学越偏——这是最典型、且最难靠肉眼发现的bug。演示分为两步：首先，AI走完上述“红→绿→回归”三个环节，自行交出证据；然后，由人类将micrograd的新功能与行业标准工具PyTorch在同一道题上进行并排比对。结果如何？前向值与每一个梯度，在小数点后10位完全一致。换句话说，这不是“AI自己说它对”，而是“它与最新的行业标准答案分毫不差”。

与此同时，OpenSquilla还推出了首个签名并公证的桌面安装包，macOS和Windows均可双击安装，无需输入命令行。

OpenSquilla的主攻方向是“提升单位成本的Agent智能”，其切入点是Learnable Harness。他们的目标是打造性价比最高的Agent产品。当前主流Agent框架普遍在推高模型调用成本，Token成本不断攀升，如何降低开销已成为所有参与者共同面对的课题。OpenSquilla表示，在常规场景内测中，综合成本可下降约60%到80%。

公开信息显示，基元律动创始人王云鹤此前曾负责头部科技公司的大模型研发。这家公司成立仅数月便完成了首轮融资，是Harness和Agent原生模型方向上为数不多的代表性玩家。而OpenSquilla上线后短短几周内，GitHub star就已经增长到数千的量级。