alinaqi/maggy

解决的问题

Claude Code 虽然强大，但常常对简单任务使用昂贵的模型，跨会话丢失状态，且缺乏对代码质量、测试覆盖率和架构合规性的强制机制。Maggy 及其 Bootstrap 配置包提供了一个结构化的工程系统，为 AI 编码工作流增加了 TDD 强制、持久化内存和成本感知的模型路由功能。

工作原理

该项目由两个主要组件组成：

1. Claude Bootstrap：直接安装到 Claude Code 配置中的技能、钩子和规则集合。强制执行质量门控（例如函数长度限制）和 TDD（任务标记为完成前必须通过测试）。
2. Maggy Harness：一个本地 FastAPI 服务器和 Web 仪表板，通过语义“爆炸评分”将请求路由到 13 个不同 LLM 层级（从本地 Qwen3 到 Claude Opus），以在成本和能力之间实现优化。还包含“Polyphony”，可在隔离的 Docker 容器中运行多个代理，防止文件冲突。

适用人群

• 希望在不改变现有 Claude Code 工作流的前提下，获得自动 TDD 和持久化内存的独立工程师。
• 需要通过单一仪表板在多个模型（Claude、DeepSeek、Gemini 等）之间路由工作并管理成本的团队。
• 寻找意图追踪和基于插件的 AI 开发工具参考实现的平台工程师。

主要亮点

• 13 层模型路由：根据任务复杂度自动选择最便宜且具备足够能力的模型。
• TDD 与质量门控：强制测试通过和架构规则（例如每函数最多 20 行）。
• Polyphony：通过 Docker 隔离的并行代理执行，允许多个代理在同一个仓库上工作而不会发生冲突。
• Cortex MCP：提供 AST 提取和通过 SQLite 图存储进行双向遍历的代码智能服务器。
• Telos：一种意图保真度评分系统，衡量代码是否真正实现了其原始意图，而不仅仅是通过测试。
• Mnemos 与 Engram：多维记忆系统，可在会话间持久化架构知识和任务状态。