Hi V 友们，我是李亚飞，ClackyAI 创始人，老 V 友。
上次给大家介绍过我们的云端版 ClackyAI （v2ex.com/t/1175020），主打"不懂技术也能从 0 做出可上线的产品"。这次发的是另一条线：我们把 ClackyAI 的内核完全开源，用 Ruby 原生重写成第三版架构，做成本地可用的通用 AI Agent —— OpenClacky 1.0，今天正式发布，100% MIT。
一句话定位：最省 Token 的开源 AI Agent ，能力对齐 Claude Code ，成本仅 Hermes 的 1/6 。
GitHub：github.com/clacky-ai/openclacky（求 Star ⭐）
现在用 AI 干活的人越来越多——不只是程序员写代码，做 PPT 、写营销方案、跑竞品调研、整理会议纪要、做日常办公自动化的人都在用。但用过一段时间，绝大多数人都会撞上同一堵墙：账单。
市面上不少"知名" Agent 是结构性的吞金兽——一个完整任务下来 30 美金不算夸张。问题往往不在模型本身，而在 Agent 的 Harness 工程：Cache 设计不合理、工具集膨胀、压缩破坏缓存、上下文反复重建。每一层都在悄悄烧钱，用户却只能在月底被账单教育一次。
OpenClacky 的取舍从第一天就很明确：把"省 Token"做成顶层 Harness 设计目标，而不是事后做的优化补丁。前两代架构（第一代 RAG 、第二代云端多 Agent ）我们踩过很多坑，最后得出的结论是——用户想要的只是把任务又快又好地完成，最好的架构不是盲目追求多 Agent 和复杂编排，而是在单 Agent 上把效果和成本控制做到极致。
第三代架构因此诞生：Ruby 从零重构，历时三个月，围绕 Cache 、工具集、压缩、自进化等七个核心决策重新设计——这就是今天的 OpenClacky 。
架构做完了，效果到底怎么样？我们花了十多天做横向评测，把市面主流的几个 Agent——Claude Code 、OpenClaw 、Hermes——拉到同一条起跑线。统一用 claude-opus-4-7 作为底层模型：这是目前最强、单价也最贵的模型，最容易暴露各家 Harness 的真实水平，省一点点都是真金白银。
如前面说的，统一用 claude-opus-4-7 作为底层模型；同 prompt 、同 skill 、同时间段，4 家 Agent 跑同样 3 个真实任务：
| Agent | 总成本 | Cache 命中率 | 请求数 |
|---|---|---|---|
| OpenClacky | $5.10 | 90.6% | 51 |
| Claude Code | $5.49 | 95.2% | 70 |
| OpenClaw | $15.70 | 88.7% | 81 |
| Hermes | $30.14 | 60.3% | 218 |
一句话总结：51 个请求 + 90.6% 命中率 → $5.10 ； Hermes 218 个请求 + 60.3% 命中率 → $30.14 。
数据来源：OpenRouter 逐请求账单 CSV。不是我们自己的日志，是第三方账单。
→ benchmark 总览页：openclacky.com/benchmark
写代码自不在话下，评测的 3 个任务，是最常见的日常办公/创作场景：
第一个：10 页商务 PPT （ AI Agent 行业趋势汇报） /benchmark/guizang-ppt-skill OpenClacky **$1.23** · Claude Code $1.45 · OpenClaw $5.07 · Hermes $10.96
第二个：AI 客服 SaaS 营销方案 + 可运行官网首页（双交付） /benchmark/marketing-psychology OpenClacky $1.72 · Claude Code **$1.20** · OpenClaw $7.47 · Hermes $4.65 （这一项 Claude Code 胜出）
第三个：B2B SaaS 竞品分析 + 一周社媒内容日历（ 6 步流水线） /benchmark/social-content OpenClacky $2.14 · Claude Code $2.84 · OpenClaw $3.15 · Hermes $14.53
每个落地页都包含：原始 Prompt 全文、四家原始产物、全程屏幕录像、逐请求数据表。一切都摆出来，不藏着。
离 "Claude Code" 还有多远，先把几件事说清楚：
不是"砍功能换省"，是每一层都做对了选择。这里挑 4 个最关键的讲，更完整的 7 条决策见技术内幕。
① 始终追求 100% Cache 命中
Session 全程 system prompt 永不重建，动态变化的内容（ Skill 列表、模型切换）以独立 [session context] 块插入，不破坏缓存断点；同时对最后 2 条消息双重打 cache_control，避免 N+1 轮时标记错位。绝大多数 Agent 一遇到 Skill 重载就重启 session 、所有缓存全部失效——这个代价我们降为零。
② 最小工具集：一切皆 Skill
核心工具仅 16 个（ Claude Code 40+ / OpenClaw 23 / Hermes 52 ）。靠 invoke_skill 这个元工具把所有复杂能力外包给 Skill 生态：sub-agent 调用、代码库探索、记忆召回、定时任务……全都在核心工具列表之外。工具数量不是竞争力，任务完成率才是。 用户安装新 Skill ，工具数不增、schema 不变、cache 不受影响。
③ Insert-then-Compress：压缩本身也命中缓存 常见做法是新开一个 LLM 调用做压缩——这会让所有已建立的 cache 全部失效。OpenClacky 把压缩指令直接插入当前对话流，在下一轮正常请求时顺带完成。压缩的 cache 天然复用，成本接近零。
④ BYOK ，模型渠道你挑 任意 OpenAI 兼容 API 即插即用。主任务 Claude 、子任务 DeepSeek ，再省一截。
可能有朋友会问：做 AI Agent 不是 Python 的天下吗，怎么用 Ruby ？
第一代和第二代我们用的就是 Python 。迭代到第二版之后，Agent 的瓶颈在 LLM 调用而非语言性能这一点已经很清楚——决定一个 Agent 跑得好不好的，是 Harness 层的架构设计，不是底层语言的执行速度。
第三代用 Ruby 重写，主要是为了 Harness 工程的表达力：DSL 和元编程让 Session / Cache / Tool 三层关系写起来更顺，工具/Skill 系统的边界也更容易划清楚。前两代踩过的坑，反过来催生了这次架构层面的清算式重写——三个月，从零到一，做出了今天这个内核。
OpenClacky 不是只有一个跑得快的 Agent 内核，配套的是一整套日常工作流要用的能力：
openclacky 进入对话模式，是 Claude Code 的开源替代/skill-add <url> 装社区 Skill~/.clacky/memories/，按相关性召回，不污染上下文🛠️ 程序员 / 开发者
CLI 形态直接替代 Claude Code ，BYOK 用自己的 Key ，月底账单直接砍掉一大半。.clackyrules 自动加载项目规范，三级权限控制，diff 预览，跟 Claude Code 该有的都有。
🚀 Indie hacker / 副业开发者 同样的 200 美金预算，原本只够跑 1 个项目，现在能跑 6 个 —— 试错速度直接 ×6 。
📊 一人公司 / 自由职业者 做客户提案、写咨询报告、出竞品分析、整理材料 —— 原本一个月 AI 账单 $300 现在 $50 ，省下来的就是利润。
💼 行业从业者（市场 / 运营 / 销售 / HR / 律师 / 咨询） 日常做方案、写分析、整理资料 —— 每个任务从 $5 降到 $1 ，配合 Skill 库基本不用自己写 prompt 工程。
⚙️ 极客 / 重度 AI 用户 Web UI + CLI + 定时任务 + IM 集成 + 浏览器自动化 + Skill 自进化 + 长期记忆 —— 想搭多复杂的个人工作流都能搭。
简单粗暴的算账：每天 10 个任务，省下来的 Token 钱，一年就是几万刀。
桌面安装包（推荐，最省心）
命令行（熟手）
openclacky 进入对话模式模型怎么接
下载与文档：openclacky.com
V 站老规矩：欢迎来拍砖、提 issue 、Star 支持。
特别欢迎跑你自己的真实任务来挑战 benchmark —— 跑得比我们便宜的，我们公开认；跑得比我们贵的，我们当 issue 修。
GitHub：github.com/clacky-ai/openclacky 官网：openclacky.com 评测：openclacky.com/benchmark
有想深度交流的朋友，V 站私信我，或者直接 GitHub issue 。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。