OpenSpace：给你的 AI Agent 装上自进化引擎，Token 消耗直降 46%

AI Agent 最大的浪费：重复犯同一个错

你有没有遇到过这种情况：同一个任务，上周让 Claude 做了一遍，今天重新开一个会话，它从头推理，走了一样的弯路，甚至犯了一样的错误。

这不是 AI 变笨了——而是它根本没有记忆。

每次新会话，Agent 都从零开始。昨天花了 2000 个 Token 才摸索出的正确路径，今天继续花 2000 个 Token 重走一遍。团队里有多个 Agent 在同时工作？每个人各自重复摸索，互不共享。

OpenSpace 就是为了解决这个问题。

由香港大学数据智能实验室（HKUDS）开源，MIT 协议，2026 年 3 月发布。在 GDPVal 基准测试（44 种职业、220 个真实专业任务）中，实测 Token 消耗减少 46%，任务质量提升 30 个百分点。

---

核心理念：让 Agent 像人一样积累经验

OpenSpace 的核心是一个自进化 Skill 引擎。

它的工作方式很直觉：

1. 冷启动：第一次执行某类任务，Agent 从头完整推理，消耗正常数量的 Token
2. 经验提取：任务完成后，OpenSpace 自动分析执行过程，将成功路径提炼为可复用的 Skill
3. 热复用：下次遇到同类任务，直接检索并注入已验证的 Skill，跳过重复推理

这不是简单的缓存——Skill 本身也在持续进化：

---

Token 节省：各类任务实测数据

在 GDPVal 基准测试中，Phase 2（复用 Skill）相比 Phase 1（首次推理）的节省幅度：

---

安装

前置条件

• Python 环境
• Node.js ≥ 20（可选，仅在需要本地 Dashboard 时需要）

安装 OpenSpace

推荐：稀疏克隆（仓库中的 assets/ 目录约 50MB，国内网络建议跳过）

bash复制
1git clone --filter=blob:none --sparse https://github.com/HKUDS/OpenSpace.git
2cd OpenSpace
3git sparse-checkout set '/*' '!assets/'
4pip install -e .
5
6# 验证安装
7openspace-mcp --help

标准克隆（网络良好时）：

bash复制
1git clone https://github.com/HKUDS/OpenSpace.git
2cd OpenSpace
3pip install -e .

---

接入 Agent（以 Claude Code 为例）

OpenSpace 通过 MCP（Model Context Protocol） 协议接入 Agent，支持任何兼容 MCP 的工具，包括 Claude Code、Cursor、OpenClaw 等。

Step 1：配置 MCP 服务器

修改 Claude Code 的 MCP 配置文件（通常为 ~/.claude/claude.json 或项目级的 .mcp.json），添加 openspace 配置：

json复制
1{
2  "mcpServers": {
3    "openspace": {
4      "command": "openspace-mcp",
5      "toolTimeout": 600,
6      "env": {
7        "OPENSPACE_HOST_SKILL_DIRS": "/path/to/your/agent/skills",
8        "OPENSPACE_WORKSPACE": "/path/to/OpenSpace",
9        "OPENSPACE_API_KEY": "sk-xxx（可选，不填则仅使用本地功能）"
10      }
11    }
12  }
13}

注意：toolTimeout 务必设置为 600，否则长任务会被超时中断。

Step 2：复制核心 Skill

将两个关键 Skill 复制到 Agent 的 skills 目录（缺一不可）：

bash复制
1# Claude Code 的 skills 目录示例（根据实际路径调整）
2cp -r OpenSpace/openspace/host_skills/delegate-task/ ~/.claude/skills/
3cp -r OpenSpace/openspace/host_skills/skill-discovery/ ~/.claude/skills/

• delegate-task：判断是否将任务委托给 OpenSpace 执行
• skill-discovery：在 Skill 库中检索相关 Skill

Step 3：重启并验证

重启 Agent 后，询问"当前有哪些可用的 MCP 工具"，确认 openspace 相关工具出现在列表中。

---

直接使用（不接入 Agent）

除了作为插件，OpenSpace 也可以作为独立的 AI 工作助手直接使用：

交互模式：

bash复制
1openspace

单次任务执行：

bash复制
1openspace --model "anthropic/claude-sonnet-4-5" --query "分析 GitHub 仓库的代码质量并生成报告"

Python API：

python复制
1import asyncio
2from openspace import OpenSpace
3
4async def main():
5    async with OpenSpace() as cs:
6        result = await cs.execute("创建一个 Docker 容器监控仪表盘")
7        print(result["response"])
8
9asyncio.run(main())

---

传输模式选择

OpenSpace 支持三种 MCP 传输模式，根据部署场景选择：

---

本地 Dashboard

OpenSpace 提供可视化面板，展示 Skill 的进化谱系、版本对比和执行统计：

bash复制
1# 启动后端
2openspace-dashboard --port 7788
3
4# 启动前端（需要 Node.js ≥ 20）
5cd frontend && npm run dev

访问 http://localhost:5173 即可看到完整的 Skill 管理界面。

---

云端社区

OpenSpace 有一个公开的 Skill 共享社区 open-space.cloud，用户可以上传/下载其他人进化出的 Skill：

bash复制
1# 从社区下载 Skill
2openspace-download-skill <skill_id>
3
4# 上传自己的 Skill 到社区
5openspace-upload-skill /path/to/skill/dir

越多人使用，Skill 库越丰富——这是 OpenSpace 的核心网络效应。

---

常见问题

Q：接入后 Agent 没有自动使用 OpenSpace？

检查 delegate-task 和 skill-discovery 是否都已复制到 skills 目录，缺少任何一个都会导致闭环失效。

Q：任务执行到一半中断了？

MCP 配置中的 toolTimeout 是否设置为 600？默认值通常太短，长任务会被超时截断。

Q：OPENSPACE_HOST_SKILL_DIRS 配置后不生效？

必须使用绝对路径，不支持 ~ 或相对路径。

Q：不想用云端功能，只用本地？

不配置 OPENSPACE_API_KEY 即可，所有进化的 Skill 仅存储在本地。

---

总结

OpenSpace 解决的是 AI Agent 的"健忘"问题。

目前市面上大多数 Agent 工具专注于"这次任务做得更好"，而 OpenSpace 专注于"每次任务之后变得更好"。这个区别在长期、高频使用场景下会产生显著差异——越用越快，越用越省。

对于每天都在用 Claude Code 跑大量任务的开发者，或者需要多个 Agent 协同工作的团队，这个工具值得认真试一下。

仓库地址：https://github.com/HKUDS/OpenSpace