alinaqi/maggy

解决的问题

Maggy 和 Claude Bootstrap 为 Claude Code 用户提供了一个结构化的工程系统，解决了 AI 辅助开发中的常见问题，如高 API 成本、上下文窗口饱和以及缺乏强制的质量标准。它防止 AI 对简单任务使用昂贵的模型，并确保代码在通过测试和架构审查前不被视为“完成”。

工作原理

该项目分为两个组件：Claude Bootstrap，一个直接安装到 Claude Code 环境中的配置包（技能、钩子和规则），以及 Maggy，一个带有 Web 仪表板的本地 FastAPI 服务器。

关键机制包括：

• 13 层路由：本地分类器（Qwen3）根据任务复杂度评分，并将任务路由到能够处理请求的最经济高效的模型（从本地模型到 Claude Opus）。
• TDD 强制：停止钩子阻止 AI 在测试通过前完成任务。
• 记忆系统：Mnemos 和 Engram 提供任务范围和跨会话记忆，防止上下文压缩期间状态丢失。
• Polyphony：使用 Docker/OrbStack 将并行代理会话隔离在独立容器中，避免文件冲突。
• Cortex MCP：一个代码智能服务器，使用 SQLite 图存储进行 AST 提取和双向遍历。
• Telos：一种测试框架，通过结合测试符合性、架构漂移和符号完整性来衡量“意图保真度”（Intent Fidelity）。

适用人群

• 希望在 Claude Code 工作流中实现 TDD 强制和持久记忆的个人工程师。
• 需要集中仪表板在多个 LLM 提供商（Claude、DeepSeek、Gemini 等）之间路由工作并管理成本的团队。
• 寻找意图追踪和插件式 AI 开发工具参考实现的平台工程师。

主要亮点

• 73 个内置技能，覆盖多种语言和框架（React、Python、Flutter 等）。
• 使用 Playwright 对 Web 项目进行视觉验证，录制工作成果视频。
• Context Shunt：通过廉价工作模型在内容进入主上下文前进行摘要，缩短大文件读取时间。
• Council PR Review：GitHub PR 的多模型对抗性审查流程，减少误报。
• 安全审计：集成到测试框架中的结构化、多阶段对抗性审计流程。