v0.5.0rc4 · Apache License 2.0 · Python 3.12+

Token-effiziente AI-Agent-Intelligenz

Microkernel AI Agent — gleiches Budget, Ihr Agent erledigt mehr und besser.
Smart Routing, persistenter Speicher, sichere Sandbox — plus integrierte Suche und lokale Embeddings.

Schnellstart GitHub

60-80%¹

Token-Kosten-Einsparung

N+

Meta-skills

› Fable 5

Smart-Routing voraus

10+

Integrierte Kanäle

Aktuelles Alle News ansehen

Wir haben Agentic Routing: The Harness-Native Data Flywheel veröffentlicht 📄 2026-07-14

Harness-Native Agentic Routing wählt bei jedem Schritt aus dem vollständigen Harness-Zustand das am besten passende Modell — oder mehrere komplementäre — und macht jede Routing-Entscheidung zu gelabelten Daten, die stärkere Router und Modelle trainieren. Umgesetzt in OpenSquilla; evaluiert auf DRACO und PinchBench.

Weiterlesen
OpenSquilla 0.5.0 Preview 4 2026-07-13

Ein Upgrade-Safety-Preview der 0.5-Linie — schützt bestehende Workspace-, Identitäts-, Memory-, Konfigurations- und Chat-History-Daten über Upgrades hinweg, ergänzt einen optionalen Windows-Portable-Datentransfer und schärft Model-Ensemble-Fortschritt und Usage-Reporting.

Weiterlesen
OpenSquilla 0.5.0 Preview 3 2026-07-10

Ein breiter Preview der 0.5-Runtime-, Desktop-, Routing- und Deployment-Linie — ein transaktionaler Migrationspfad für Legacy-Homes, mehr Provider- und Router-Auswahl (TokenRhythm, GLM 5.2, Tencent TokenHub), ein Terminal-UI-Umbau und vorgefertigte Multi-Arch-Container-Images.

Weiterlesen

In Aktion erleben

Kurze Demos, die zeigen, wie OpenSquilla echte Workflows löst

Windows-Portable-Installation: Walkthrough

Kurzfilm-MetaSkill

Paper-Writing-MetaSkill

Schnellstart

Vier Wege zum Einstieg — wählen Sie, was zu Ihnen passt

Der klarste Weg unter macOS und Windows — eine signierte Desktop-App, die Control-UI und Gateway-Runtime bündelt. Kein Python, kein Terminal.

Für macOS herunterladen Apple Silicon · .dmg Für Windows herunterladen Windows 10/11 x64 · .exe

v0.5.0rc4 · signiert & notarisiert. Ältere Portable-ZIPs bleiben auf der Releases-Seite.

⚡Schneller in Festlandchina： macOS · Windows

Herunterladen und installieren

Wählen Sie oben Ihre Plattform. Unter macOS das .dmg öffnen und OpenSquilla in „Programme" ziehen. Unter Windows den .exe-Installer ausführen.

OpenSquilla öffnen

Starten Sie die App. Das gebündelte Gateway startet automatisch — es ist nichts weiter zu installieren.

Ersteinrichtung abschließen

Beim ersten Start führt Sie das Onboarding durch die Provider-Wahl und das Einfügen der abgefragten Keys. Die Control-UI öffnet sich anschließend direkt in der App.

Windows-Builds sind signiert und macOS-Builds notarisiert, ein Umgehen von SmartScreen oder Gatekeeper ist nicht nötig. Unter Linux verwenden Sie die schnelle Terminal-Installation.

Der empfohlene Weg unter Windows, macOS und Linux. uv installiert OpenSquilla in eine eigene isolierte Umgebung und verwaltet sein eigenes Python — kein System-Python erforderlich. Dieser Weg installiert nur veröffentlichte Releases.

uv installieren

Überspringen, wenn uv --version bereits funktioniert.

$ curl -LsSf https://astral.sh/uv/install.sh | sh
$ . "$HOME/.local/bin/env"

OpenSquilla installieren

Auf allen Plattformen derselbe Befehl.

$ uv tool install --python 3.12 "opensquilla[recommended] @ https://github.com/opensquilla/opensquilla/releases/download/v0.5.0rc4/opensquilla-0.5.0rc4-py3-none-any.whl"

Installiert das OpenSquilla-Wheel von der Release-URL; uv lädt anschließend die von den gewählten Extras deklarierten Abhängigkeiten. Das Standard-Extra recommended enthält die SquillaRouter-Laufzeitabhängigkeiten (ONNX Runtime, LightGBM, NumPy, tokenizers).

Konfigurieren und starten

# Interaktiver Onboarding-Assistent
$ opensquilla onboard

# ASGI-Server starten
$ opensquilla gateway run

Falls opensquilla direkt nach einer frischen uv-Installation nicht gefunden wird, öffnen Sie ein neues Terminal oder führen Sie die PATH-Zeile aus Schritt 1 erneut aus.

Wheel-URLs sind per Design versioniert — Installer prüfen die Version im Dateinamen. Der Befehl oben pinnt auf v0.5.0rc4.

Voraussetzungen: Git · Git LFS · uv

Ohne uv greift der Installer auf Python 3.12+ mit pip ≥ 23 zurück.

Optional: Voraussetzungen über das Terminal installieren

Windows PowerShell

winget install --id Git.Git -e
winget install --id GitHub.GitLFS -e
powershell -ExecutionPolicy Bypass -c "irm https://astral.sh/uv/install.ps1 | iex"
git lfs install

macOS (Homebrew)

brew install git git-lfs uv
git lfs install

Debian / Ubuntu

sudo apt update
sudo apt install -y git git-lfs
curl -LsSf https://astral.sh/uv/install.sh | sh
git lfs install

Fedora

sudo dnf install -y git git-lfs
curl -LsSf https://astral.sh/uv/install.sh | sh
git lfs install

Arch

sudo pacman -S --needed git git-lfs
curl -LsSf https://astral.sh/uv/install.sh | sh
git lfs install

Repo mit LFS klonen

$ git lfs install
$ git clone https://github.com/opensquilla/opensquilla.git
$ cd opensquilla
$ git lfs pull --include="src/opensquilla/squilla_router/models/**"

Git LFS lädt die gebündelten ML-Routing-Modelle. Der Pull ist idempotent — bereits vollständige Checkouts werden still beendet.

Installer ausführen

# Installiert .[recommended] via uv tool install (Fallback auf pip --user)
$ bash scripts/install_source.sh

Die meisten Kanäle laufen mit der Basisinstallation. Optionale Extras: matrix, matrix-e2e, document-extras — über OPENSQUILLA_INSTALL_EXTRAS=matrix (bash) oder -Extras matrix (PowerShell) aktivieren.

Konfigurieren (interaktiver Wizard)

$ opensquilla onboard

Führt Sie durch Modellanbieter, Kanäle und Sicherheitsrichtlinien. Verwenden Sie den installierten Befehl opensquilla — kein uv run davor, außer Sie nutzen Quellcode-Entwicklung.

Gateway starten

# ASGI-Server starten (Standard 127.0.0.1:18791)
$ opensquilla gateway run

Dann besuchen Sie http://127.0.0.1:18791/control/ , um das Control Panel zu öffnen.

Ohne Visual C++ Redistributable unter Windows startet das Gateway trotzdem; der gebündelte Router fällt auf eine sichere Direktroute zurück.

Nutzen Sie diesen Weg nur, um den aktuellen Checkout zu ändern, zu testen oder zu debuggen. Anders als „Aus Quellcode installieren" erfordert er uv: uv sync legt eine checkout-lokale .venv an, und uv run führt direkt gegen den lebenden Quellbaum aus.

# Checkout-lokale .venv mit recommended + dev Extras anlegen
$ uv sync --extra recommended --extra dev

# Installation verifizieren
$ uv run opensquilla --help

Das recommended-Extra enthält SquillaRouter auch für die Entwicklung; das dev-Extra installiert Test-, Lint- und Typecheck-Tools.

Weitere Extras in dieselbe Umgebung installieren: uv sync --extra recommended --extra dev --extra matrix

In diesem Modus jedem opensquilla-Befehl uv run voranstellen. Debuggen Sie einen Entwicklungs-Checkout nicht über einen nutzerlokalen opensquilla-Befehl — der läuft in einer anderen Python-Umgebung.

Contributor-Guide auf GitHub öffnen

Für fortgeschrittene Nutzung besuchen Sie das GitHub-Repo

Einmal deployen, überall erreichbar ³

Konfigurieren Sie einen Agent, bedienen Sie Nutzer auf mehreren Kanälen

Terminal Web Slack Discord Telegram MS Teams Matrix Lark DingTalk WeCom QQ

Jeder Cent dort, wo es zählt

OpenSquilla lässt Ihren Agent weniger ausgeben, mehr merken und sicherer laufen.

💰

Kostenoptimierung

Mehrere Strategien koordiniert, um jeden Token zu maximieren

Smart Routing ²

Wie Ride-Sharing — einfache Fragen nehmen den Bus (günstige Modelle), komplexe bekommen die Premium-Fahrt (Top-Modelle). Das System entscheidet.

Hybride Feature-Analyse

Kombiniert handgefertigte Features (Länge, Sprache, Codeblöcke, Stichwörter) mit embedding-basierten semantischen Features, um Komplexität zu bewerten und das richtige Modell zu wählen.

Reasoning-Tiefenstufen

Deaktiviert Reasoning-Abrechnung für einfache Anfragen, aktiviert tiefes Denken nur bei komplexen — kein Bezahlen von Reasoning-Tokens für „Hallo".

Adaptive Prompts

Passt den Prompt automatisch an die Aufgaben-Komplexität an — leicht für Einfaches, volle Power für Komplexes.

Skills nach Bedarf

Kein Vollstopfen aller Fähigkeiten in den Kontext. Lädt nur, was für die aktuelle Aufgabe nötig ist — verhindert Token-Verschwendung.

🎯

Höhere Präzision

Multi-Modell-Ensemble-Routing hebt die Antwortqualität bei den schwersten Turns — über jedes Einzelmodell hinaus

Model Ensemble Routing

Fächert einen schwierigen Turn über mehrere Kandidatenmodelle und synthetisiert deren Antworten — für eine Präzision, die kein Einzelmodell allein erreicht.

Übertrifft Fable 5

In internen Hard-Turn-Evals schlug Ensemble-Routing jede Einzelmodell-Baseline — einschließlich Fable 5.

Progressive Ergebnisse

Nützliche Teilantworten erscheinen, während sich das Ensemble einpendelt — kein Warten auf den langsamsten Kandidaten.

Presets & eigene Lineups

Klare Presets (static OpenRouter B5 / TokenRhythm B5) oder ein eigenes Lineup — mit Timeout-Tuning, damit langsame Kandidaten keinen Turn blockieren.

Smarter Fallback

Wenn ein Einzelmodell besser passt, nimmt das Routing automatisch den direkten Pfad — Präzision, wo sie hilft, kein Verschwenden, wo nicht.

🪄

MetaSkills-Protokoll

Ein Meta-Protokoll, das dem Agent sagt, wie er Skills im großen Maßstab findet, filtert, kombiniert — und sogar weiterentwickelt

Selbstorganisierend

Mehrstufige Arbeit wird zu wiederverwendbaren, einsehbaren Workflows. Composition-Parsing, Step-Scheduling, Proposal Gates — Rezepte, denen du beim Ausführen vertraust.

meta-skill-creator

Eine gebündelte MetaSkill, die wiederkehrende Mehr-Skill-Kollaborationen in Vorschläge für neue MetaSkills verwandelt — der Agent baut damit seinen eigenen Katalog aus.

N+ Community-Skills

Der Agent findet, bewertet und ruft Skills aus dem Community-Katalog selbständig auf — kein manuelles Auswählen, der passende wird einfach geladen.

10+ gebündelte MetaSkills

Kuratierte MetaSkills out of the box — Research-to-Report, Paper-Entwurf, Bewerbungsvorbereitung, Projektplanung, Kurzfilm-Produktion und mehr hochwertige Workflows, sofort einsatzbereit.

Replay & Traummodus

Jede Workflow-Ausführung hinterlässt eine auditierbare, wiederholbare Spur. Während du untätig bist, sichtet OpenSquilla diese Spuren, destilliert Nutzungsmuster und entwirft Kandidat-MetaSkills — Fähigkeiten wachsen im Hintergrund.

🧠

Menschenähnliches Gedächtnis

Vier-Schichten-Kognitionsarchitektur — wird mit Nutzung schlauer

Vier-Schichten-Speicherstruktur

Arbeitsgedächtnis (aktuelle Aufgabe) → Episodisch (Erfahrung & Kausalität) → Semantisch (Fakten & Regeln) → Roh (Audit & Re-Training-Basis) — spiegelt menschliche Kognition wider.

Hybride Suche + lokale Embeddings

Vektor-semantische Suche + Volltext-Stichwortsuche parallel. Eingebaute ONNX-Inferenz auf CPU — Embeddings bleiben auf Ihrer Maschine, optional Wechsel zu OpenAI / Ollama.

Hot-Memory-Beförderung

Häufig abgerufene Erinnerungen steigen automatisch nach oben. Je nützlicher, desto zugänglicher. Kalte Erinnerungen sinken natürlich.

Zeitlicher Zerfall

Datierte Erinnerungen verblassen exponentiell, während als „evergreen" markierte Elemente unverändert bleiben.

Memory-Dream-Konsolidierung

Alle 24 Stunden „träumt" die KI — konsolidiert verstreute Erinnerungen in strukturiertes Wissen. Wie Schlaf das menschliche Gedächtnis konsolidiert.

🛡️

Sicherheits-Sandbox

Lassen Sie Ihren Agent handeln — ohne Angst vor dem, was er tun könnte

Drei-Stufen-Richtlinie

Standard läuft direkt, Strict erfordert Sandbox-Genehmigung, Locked erzwingt menschliche Prüfung — risikobasierte Eskalation.

Echte Sandbox-Isolation

Bubblewrap unter Linux, Seatbelt unter macOS — Code läuft in isolierter Umgebung, berührt nie Ihre echten Dateien.

Ablehnungsregister

Drei Ablehnungen in Folge? KI pausiert automatisch. Stoppt „Brute-Force"-Versuche, Sicherheitsrichtlinien zu umgehen.

Schutz vor veralteten Outputs

Ergebnisse abgelehnter Operationen werden sofort gelöscht — KI kann „letzte Ausgabe lesen" nicht als Side-Channel nutzen.

Prompt-Injection-Abwehr

XML-Escape aller Skill-Metadaten und Tool-Ergebnisse — schließt gängige Injection-Angriffsvektoren.

Microkernel: winziger Kern, riesiges Ökosystem

Inspiriert von OS-Microkerneln — die Core-Engine erledigt das Minimum: Orchestrierung und Zustandsverwaltung. Alles andere läuft als Plugin im „User Space". LLM-Anbieter wechseln? Ein Protocol implementieren. Neues Tool? 5 Codezeilen. Plugin-Crashes betreffen den Kern nicht; Kern-Updates brechen keine Plugins.

OpenSquilla Core Engine

Kompakter Pipeline-Orchestrator · State Machine · Vollständig async · Auto-Rollback bei Fehlern

⚙️

engine/

State Machine

🤖

provider/

Multi-LLM-Provider

🌐

gateway/

ASGI-RPC-Gateway

🧠

memory/

Mehrschichtiger Speicher

📡

channels/

Kanal-Adapter

🔧

tools/ + mcp/

MCP-First-Tools

🛡️

sandbox/

Sicherheits-Sandbox

⏰

scheduler/

Task-Scheduler

🧩

skills/

Skill-Plugins

🎭

identity/

Identität & Prompts

Eingebaut

🔍 Suche: Brave / DuckDuckGo 🧬 Lokale Embeddings: ONNX lokale Inferenz (offline · Daten bleiben auf dem Gerät) 🔌 Optionale Embeddings: OpenAI / Ollama

Gleiches Budget, höhere Intelligenzdichte

Punkt-für-Punkt-Vergleich mit vergleichbaren Open-Source-Agent-Frameworks⁴

Dimension	OpenSquilla	OpenClaw	Hermes Agent
🏗️Architektur	✅ Microkernel mit 5-schichtiger Trennung, ultrakompakter Core-Orchestrator (~100 Zeilen), alle Fähigkeiten als Plugin, Auto-Skip + Rollback bei Fehlern	⚠️ Reifes Plugin-Ökosystem (Dutzende Erweiterungen), klare Grenzen aber mehr Schichten	❌ Massive monolithische Sync-Hauptschleife (Tausende Zeilen), gesamte Logik eng gekoppelt
💰Kostenoptimierung	✅ ML-Routing + Reasoning-Tiefenstufen + Prompt-Cache-Isolation + On-Demand-Skills — Mehr-Strategien-Einsparung von 60-80%	⚠️ Primär-/Fallback-Modell in Config gepinnt, keine inhaltsabhängige Auswahl	⚠️ Grobe Stichwort- + Längen-Heuristiken, einzige Routing-Strategie
🪄MetaSkills-Protokoll	✅ Komponierbare Workflows + meta-skill-creator zur Selbstautorenschaft + 10+ gebündelte & N+ Community-Skills automatisch abgerufen + Traummodus destilliert Nutzung in neue Kandidaten im Leerlauf	⚠️ Prompt-getriebene Skill-Ketten, keine Meta-Protokoll-Schicht, keine Selbstevolution; neue Workflows leben als Docs, nicht als First-Class-Runtime-Objekte	❌ Keine wiederverwendbare Workflow-Abstraktion — Mehrstufenarbeit wird in jeder Session von Null erneut geprompted
💾Speichersystem	✅ Vektor + Stichwort + Dedup + zeitlicher Zerfall + Hot-Memory-Beförderung + Auto-Schema-Migration	⚠️ Hat Zerfall / Beförderung / Vielfalts-Reranking, aber keine 4-Schichten-Kognitionsstruktur & Memory-Dream-Konsolidierung	⚠️ Nur Stichwortsuche, keine Vektorsemantik, semantischer Speicher braucht externe Integration
🛡️Sicherheits-Sandbox	✅ Keine Docker-Abhängigkeit — Syscall-Level CPU/Speicher/Zeit-Isolation + 3-stufige Netzwerkkontrolle. Serverless-tauglich	⚠️ Docker optional mit OpenShell als Lightweight-Alternative, schwerer als Syscall-Level-Isolation	✅ Genehmigung gefährlicher Befehle + 6 Ausführungsumgebungen (lokal/Docker/SSH usw.)
💰Kostenverfolgung	✅ Tatsächliche Kosten pro Aufruf out-of-the-box, Quota-Hooks für Auto-Throttling bei Überschreitung	✅ Eingebaute Preistabelle, Kosten in Session-Metadaten geschrieben	✅ Input/Output/Cache-Read/Cache-Write/Reasoning-Tokens separat erfasst
📊Beobachtbarkeit	✅ Entscheidungs-Logs als Hashes (kein Klartext, compliance-freundlich), jede Pipeline-Stufe instrumentiert	✅ Natives OpenTelemetry (als Plugin), Plug-and-Play mit Prometheus/Grafana	⚠️ SQLite-Session-Tabelle + Aufruf-Counter, Basis-Niveau
🧩Erweiterungs-DX	✅ Eine Duck-Typed-Klasse mit wenigen Zeilen ist ein gültiges Plugin — keine Basisklasse, kein SDK-Paket, kein Manifest	⚠️ Interface in plugin-sdk implementieren + Manifest-Datei schreiben	⚠️ Tools registrieren sich beim Import automatisch (implizite Seiteneffekte)

🏗️Architektur

OpenSquilla

✅ Microkernel mit 5-schichtiger Trennung, ultrakompakter Core-Orchestrator (~100 Zeilen), alle Fähigkeiten als Plugin, Auto-Skip + Rollback bei Fehlern

OpenClaw

⚠️ Reifes Plugin-Ökosystem (Dutzende Erweiterungen), klare Grenzen aber mehr Schichten

Hermes Agent

❌ Massive monolithische Sync-Hauptschleife (Tausende Zeilen), gesamte Logik eng gekoppelt

💰Kostenoptimierung

OpenSquilla

✅ ML-Routing + Reasoning-Tiefenstufen + Prompt-Cache-Isolation + On-Demand-Skills — Mehr-Strategien-Einsparung von 60-80%

OpenClaw

⚠️ Primär-/Fallback-Modell in Config gepinnt, keine inhaltsabhängige Auswahl

Hermes Agent

⚠️ Grobe Stichwort- + Längen-Heuristiken, einzige Routing-Strategie

🪄MetaSkills-Protokoll

OpenSquilla

✅ Komponierbare Workflows + meta-skill-creator zur Selbstautorenschaft + 10+ gebündelte & N+ Community-Skills automatisch abgerufen + Traummodus destilliert Nutzung in neue Kandidaten im Leerlauf

OpenClaw

⚠️ Prompt-getriebene Skill-Ketten, keine Meta-Protokoll-Schicht, keine Selbstevolution; neue Workflows leben als Docs, nicht als First-Class-Runtime-Objekte

Hermes Agent

❌ Keine wiederverwendbare Workflow-Abstraktion — Mehrstufenarbeit wird in jeder Session von Null erneut geprompted

💾Speichersystem

OpenSquilla

✅ Vektor + Stichwort + Dedup + zeitlicher Zerfall + Hot-Memory-Beförderung + Auto-Schema-Migration

OpenClaw

⚠️ Hat Zerfall / Beförderung / Vielfalts-Reranking, aber keine 4-Schichten-Kognitionsstruktur & Memory-Dream-Konsolidierung

Hermes Agent

⚠️ Nur Stichwortsuche, keine Vektorsemantik, semantischer Speicher braucht externe Integration

🛡️Sicherheits-Sandbox

OpenSquilla

✅ Keine Docker-Abhängigkeit — Syscall-Level CPU/Speicher/Zeit-Isolation + 3-stufige Netzwerkkontrolle. Serverless-tauglich

OpenClaw

⚠️ Docker optional mit OpenShell als Lightweight-Alternative, schwerer als Syscall-Level-Isolation

Hermes Agent

✅ Genehmigung gefährlicher Befehle + 6 Ausführungsumgebungen (lokal/Docker/SSH usw.)

💰Kostenverfolgung

OpenSquilla

✅ Tatsächliche Kosten pro Aufruf out-of-the-box, Quota-Hooks für Auto-Throttling bei Überschreitung

OpenClaw

✅ Eingebaute Preistabelle, Kosten in Session-Metadaten geschrieben

Hermes Agent

✅ Input/Output/Cache-Read/Cache-Write/Reasoning-Tokens separat erfasst

📊Beobachtbarkeit

OpenSquilla

✅ Entscheidungs-Logs als Hashes (kein Klartext, compliance-freundlich), jede Pipeline-Stufe instrumentiert

OpenClaw

✅ Natives OpenTelemetry (als Plugin), Plug-and-Play mit Prometheus/Grafana

Hermes Agent

⚠️ SQLite-Session-Tabelle + Aufruf-Counter, Basis-Niveau

🧩Erweiterungs-DX

OpenSquilla

✅ Eine Duck-Typed-Klasse mit wenigen Zeilen ist ein gültiges Plugin — keine Basisklasse, kein SDK-Paket, kein Manifest

OpenClaw

⚠️ Interface in plugin-sdk implementieren + Manifest-Datei schreiben

Hermes Agent

⚠️ Tools registrieren sich beim Import automatisch (implizite Seiteneffekte)

Wer profitiert am meisten von OpenSquilla?

Diese Szenarien erzielen den höchsten ROI

🏢

On-Premise-Deployment

Vollständig offline, Daten verlassen nie Ihr Netzwerk, ML-Routing läuft lokal

📋

Compliance & Audit

Drei-Stufen-Richtlinien + gehashte Entscheidungs-Logs + menschliche Genehmigungs-Gates

💸

Knappes Budget, hohe Anforderungen

Mehr Aufgaben für gleiche Kosten — Smart Routing wählt das kosteneffizienteste Modell

🧠

Ein Agent, der Sie versteht

Vier-Schichten-Menschengedächtnis sammelt Kontext — nie wieder bei null anfangen

Pilot-Programm · Jetzt geöffnet

Weniger Burn. Weniger Drama. Echte Lieferung.

Tritt der OpenSquilla-Pilot-Gruppe bei: 70 CNY in OpenRouter Tokens beim Beitritt, 30 Tage täglicher ChatGPT Plus Draw, und ein Weg in die Founders Group mit wöchentlichem Pro-Draw und Belohnungen für übernommene Vorschläge.
Hilf uns, OpenSquilla zu einem lebendigen Open-Source-Projekt zu machen.

Pilot-Programm beitreten

Erst in den Code schauen? Projekt auf GitHub ansehen

70 CNY OpenRouter Tokens

Täglicher ChatGPT Plus Draw

Top-Reward ChatGPT Pro

Token-effiziente AI-Agent-Intelligenz

In Aktion erleben

Schnellstart

Herunterladen und installieren

OpenSquilla öffnen

Ersteinrichtung abschließen

uv installieren

OpenSquilla installieren

Konfigurieren und starten

Repo mit LFS klonen

Installer ausführen

Konfigurieren (interaktiver Wizard)

Gateway starten

Einmal deployen, überall erreichbar 3

Jeder Cent dort, wo es zählt

Kostenoptimierung

Höhere Präzision

MetaSkills-Protokoll

Menschenähnliches Gedächtnis

Sicherheits-Sandbox

Microkernel: winziger Kern, riesiges Ökosystem

Gleiches Budget, höhere Intelligenzdichte

Wer profitiert am meisten von OpenSquilla?

Weniger Burn. Weniger Drama. Echte Lieferung.

Einmal deployen, überall erreichbar ³