momozi1996/momo-code

解决的问题

momo Code 是一个设计为与用户共同进化的 AI 驱动型编码代理。它通过实现双速自我进化系统，克服了静态 AI 助手的局限性，使代理能够实时和长期地从成功与失败中学习，自动改进其编码策略和模型权重。

工作原理

该系统采用双层进化架构：

1. 快速循环 (/evolve)：使用知识嵌入协议 (KEP) 将成功模式提炼为「战术卡」。这些卡片通过汤普森采样选择，并在数秒内注入系统提示，立即提升性能。
2. 慢速循环 (/fine-tune)：使用蒙特卡洛图搜索 (MCGS) 和 LoRA 微调，在数小时级别进行权重优化，将学习到的行为永久固化到模型中。

此外，它还具备递归子代理系统用于任务分解、图引擎用于将长期任务管理为可恢复的 DAG，以及一个可通过 Python 代码控制 Genesis 物理世界的模拟代理。

适用人群

希望拥有能够处理复杂、长时间运行任务的自主编码代理，并能与多种 LLM 提供商集成，且能根据用户代码库的特定模式自动提升自身性能的软件开发者。

主要亮点

• 双速进化：结合即时提示驱动的战术注入与长期 LoRA 微调。
• 多代理编排：支持递归子代理和基于 DAG 的图执行，适用于复杂工作流。
• 广泛提供者支持：兼容 25+ 个 LLM 提供商及任何 OpenAI 兼容 API。
• 模拟集成：包含 /sim 代理用于控制物理世界，以及 /optim 工具用于推理驱动的参数调优。
• 本地优先且可互操作：代码保留在本地机器，支持与 Claude Code 无缝迁移。