微内核AI代理省Token不降能力

当前 AI Agent 框架如 AutoGPT、LangGraph 普遍存在 Token 消耗失控的问题，复杂任务动辄百万级 Token，开发者往往通过粗暴缩减上下文或降低模型规格来控成本，结果是能力断崖式下降。OpenSquilla 的微内核思路是把路由、记忆、沙箱等模块做轻量内聚，而非像 CrewAI 那样堆叠多 agent 协作，这在单模型循环场景下可能更省 Token。

不过 142 stars 且 forks 仅 14，社区验证尚浅，持久化记忆的具体实现（向量库选型、召回策略）也未在 README 展开。建议观望其 benchmark 数据，特别是与同样主打轻量的 smolagents 对比后再决定是否迁移。如果你正在用 OpenRouter 做多模型兜底，它的 provider 抽象层倒是可以先拆出来参考。