介绍

MoAI-ADK 是用 成本（代币经济学）· 自我改进（智能体循环工程）· 质量把控（智能体线束）这三件事把 Claude Code 包起来的 Agentic Development Kit。同等质量的代码用更少的代币产出。只要声明完成条件，循环就会自行工作，过程中积累的观察则成为线束学习的原料。“完成"由 SPEC 三阶段与 TRUST 5 闸门以证据判定。模型选择、推理深度、上下文用量都由系统管理。它用 Go 写成单一二进制，无依赖即可直接运行。

本页把 MoAI-ADK 是什么、为什么长成这个样子放在一条线上介绍：三个核心各自回答什么问题，SPEC · TRUST 5 · CG 模式这些术语在其中站在哪里，以及第一次上手该往哪走。安装步骤与第一个项目的运行交给安装和快速开始页面，这里专注于"为什么”。

本文代码块的前缀表示执行环境：

• 在 Claude Code 对话窗输入的命令

  bash 复制

  > /moai plan "功能描述"

• 在终端 (Terminal) 输入的命令

  bash 复制

  $ moai init my-project

MoAI-ADK 是用三根轴包住 Claude Code 的 Agentic Development Kit —— 成本 · 自我改进 · 质量把控。只推一根轴，其余的会塌。只压成本，质量会荒芜；只立质量闸门，同样的失误每个会话重复；只跑自主循环，一次计费就能烧光额度。三根轴互相支撑。

同样的质量，更少的代币。决定成本的不是单价而是模型分配 —— DeepSWE 基准测试中，Opus 最低推理的得分高于 Sonnet 最高推理，成本却是其十六分之一。三档模型策略 · CG 模式 · 提示缓存 · Token Circuit Breaker 让预算由系统管理。

线束越跑越聪明。声明完成条件后循环自行工作（/moai goal · /moai loop），观察积累成规则，让下一个会话不再重复同样的失误。

用证据判定"完成"。SPEC 三阶段生命周期 + TRUST 5 闸门 + worktree 隔离挡住返工（最大的代币浪费），并把计划与审计分开，不让制作的人自己检查。

各核心的详细内容在核心概念一节讲述。

• /moai goal —— 一行声明完成条件，会话自主推进。
• 看板模式 —— 同时运行多个会话。
• BAS Navigator —— 自动同步三段代码地图。
• manager-lead —— 协调大规模工作：SPEC 内的 Tier L 里程碑扇出，加上看板与工厂领导会话调度。
• multi-model audit —— 用多模型交叉验证抓偏差。
• autonomy tier —— 调节自主档位，安全地跑。
• profile matrix —— 以 12 个智能体 × 3 个配置文件分配模型。

MoAI-ADK 遵循 SPEC 基础的 TDD/DDD 方法论，并以 TRUST 5 质量框架保障代码质量。

SPEC (Specification) 就是"把与 AI 的对话作为文档留存下来"。

氛围编程 (Vibe Coding) 最大的问题是上下文丢失：

• 与 AI 讨论 1 小时的内容，会话一断就消失
• 第二天想接着工作，得从头重新说明
• 功能越复杂，越会出现与意图不同的结果

SPEC 解决这个问题：

• 把需求保存为文件，永久保留
• 即使会话中断，只要读 SPEC 就能接着工作
• 用 EARS 格式无歧义地明确定义
• 不必重复相同的说明，因此也省代币

信息

一句话概括： 昨天与 AI 讨论的"JWT 认证 + 1 小时过期 + 刷新令牌"，今天无需重新说明，用 /moai run SPEC-AUTH-001 一行就能立即开始实现!

实现方式依项目状态自动指派为两者之一，产出用共同的质量标准验证。

信息

MoAI-ADK v2.5.0+ 只在 TDD 与 DDD 中选一个。为明确性与一致性，hybrid 模式已移除。方法论在 moai init 时自动决定，可在 .moai/config/sections/quality.yaml 的 development_mode 中更改。

MoAI-ADK 把 Python Edition 用 Go 完全重写，把性能与效率拉到最高。

• 11 个智能体目录（10 个 MoAI 自定义 + 1 个 Anthropic 内置 Explore）
• 31 个技能 (template-managed)
• 36 个终端 CLI 命令 · 16 种 /moai 斜杠子命令
• 16 种编程语言支持
• 基于 543 个 SPEC 文档开发的代码库

必要条件：

• 所有平台都必须安装 Git
• Windows 用户： 为获得最顺畅的体验，推荐使用 WSL (Windows Subsystem for Linux)

MoAI 编排器不亲自实现，而是把工作委派给 11 个专业智能体。计划与审计是分开的，制作的人不自己检查。

MoAI-ADK 为每个智能体分配最优的模型与推理深度。目标是在套餐的用量额度内把质量尽量拉高。因此不去换更弱的模型等级，而是在同一个 Opus 内部只调节各智能体的推理深度。因为在长周期的智能体工作里，弱模型会消耗更多步数，每任务成本反而更高。

信息

默认档位是 medium。调整档位也不会换模型等级，只改变各智能体的 Opus 推理深度。low 让所有智能体行保持 Opus low effort，只在单发行上用 Sonnet；high 把调用频率最低的两个智能体提升到 max effort。通过 --model-policy 标志或初始化向导设置。

自然语言请求经过 Analyze-First 路由。无论用哪种语言请求，都先分析意图，再接上合适的工作流。编排器依任务复杂度在顺序子智能体（默认）、并行子智能体扇出、动态工作流中选择。

/moai run SPEC-AUTH-001           # 基于复杂度自动选择
/moai run SPEC-AUTH-001 --solo    # 强制顺序子智能体

信息

v3.0 变更： 过去的 Agent Teams 静态编排层已废止。强制 --team 也会回退到子智能体模式。Claude Code 的原生 teammate 运行时（moai cg 的 tmux 分屏）保留不变。

MoAI-ADK 遵循三阶段开发工作流。Run 阶段的方法论依项目状态自动选择：

flowchart TD
    A["Phase 1: SPEC
/moai plan"] -->|"用 EARS 格式定义需求"| B{"方法论选择"}
    B -->|"新项目 (TDD)"| C["Phase 2: TDD
/moai run"]
    B -->|"既有项目 (DDD)"| D["Phase 2: DDD
/moai run"]
    C -->|"RED → GREEN → REFACTOR"| E["Phase 3: Docs
/moai sync"]
    D -->|"ANALYZE → PRESERVE → IMPROVE"| E
    E -->|"文档化与部署"| F["完成"]

    style C fill:#4CAF50,color:#fff
    style D fill:#2196F3,color:#fff

声明完成条件后，循环会自行工作：

/moai goal "直到所有测试通过且 lint 干净"     # 条件声明型循环
/moai loop                                    # 基于诊断的反复修复 (loop_prevention 默认 100 次)
/moai fix                                     # 单 pass 自动修复

/moai loop 是 goal 引擎之上的预设 —— 反复修复，直到清空诊断工具找到的问题队列。

迭代上限由分管不同层面的两个设置各自决定。workflow.loop_prevention.max_iterations（默认 100）是单个任务的诊断修复循环上限，workflow.agentic_loop.max_iterations（默认 10）是整条流水线的完成循环上限。两者是彼此独立的设置，取值不同并不矛盾。

新功能开发：

/moai plan → /moai run SPEC-XXX → /moai sync SPEC-XXX

Bug 修复：

/moai fix (或 /moai loop) → /moai review → /moai sync

重构：

/moai plan → /moai clean → /moai run SPEC-XXX → /moai review → /moai codemaps

文档更新：

/moai codemaps → /moai sync

MoAI-ADK 支持以下 4 种语言：

• 韩语 (Korean)
• 英语 (English)
• 日语 (Japanese)
• 中文 (Chinese)

在安装向导中选择偏好语言，也可以在配置文件中直接更改。

LSP (Language Server Protocol) 是代码编辑器与语言工具之间的标准通信协议。它实时检测代码错误、类型错误、lint 结果并立即反馈。

Ralph-Loop Style 是把 LSP 诊断结果用作反馈循环的自主工作流。检测到质量问题时自动调用修复智能体，反复执行直到达成质量标准。

MoAI-ADK 的 Ralph-Loop Style LSP 集成按如下方式工作：

• 基于 LSP 的完成自动检测： 实时监控代码质量状态
• 实时回归探测： 立即检测变更对既有功能的影响
• 自动完成条件： 达成 0 错误、0 类型错误、85% 覆盖率时自动判定完成

信息

Ralph-Loop Style LSP 集成把开发工作流的质量闸门自动化，让人不亲手介入也能保持高代码质量。

信息

成本（代币经济学）的实战工具： z.ai GLM 是与 Claude Code 完全兼容的 AI 后端。在 CG 模式（moai cg，需 tmux）下，Claude 领队负责编排 · 架构决策 · 代码审查，GLM 工作者并行处理实现 · 测试 · 文档化，在实现为主的工作上节省 50~70% 代币。架构设计或安全审查这类需要深度推理的场合，则使用 Claude 专用（moai cc）。

bash 复制

moai cc            # Claude 专用
moai glm           # GLM 专用
moai cg            # CG 混合 (Claude 领队 + GLM 工作者, 需 tmux)

没有 GLM 账户的话，请到 z.ai 注册（额外 10% 折扣）注册。通过注册链接获得的奖励用于 MoAI 开源开发。详细架构与模型策略请参阅多 LLM一节。

信息

自我改进（智能体循环工程）的实战工具： 声明完成条件后，会话会自行工作直到条件满足。/moai goal "<条件>" 是条件声明型自主循环；/moai loop 反复修复，直到清空 LSP 诊断 · AST-grep · linter 找到的问题队列（流水线完成循环默认 10 次 —— agentic_loop.max_iterations）；/moai fix 是单 pass 自动修复。循环留下的观察（用户纠正、失败模式、路由决策）沿 4 层学习阶梯（观察 → 启发式 → 规则 → 自动更新，在用户批准闸门之下）沉淀为线束指令。所以下一个会话不会重复上一个会话的失误。

要开始使用 MoAI-ADK，请按以下顺序进行：

1. 安装 - 在系统中安装 MoAI-ADK
2. 初始设置 - 运行交互式设置向导
3. 快速开始 - 创建第一个项目
4. 核心概念 - 深入理解 MoAI-ADK

• GitHub 仓库
• 文档站点
• GitHub Issues

在安装指南中了解 MoAI-ADK 的安装方法。