momozi1996/momo-code

解决的问题

Momo Code 是一个 AI 驱动的编码代理，旨在随时间提升其性能。它通过实现自我演化系统，从成功模式与用户修正中学习，以改进编码策略与决策，解决静态 LLM 编码助手的限制。

运作方式

此项目基于 Pioneer Agent 架构，采用双速演化系统：

• 快速回路（经验）： 使用知识嵌入协议（KEP）将成功的会话模式提炼为“策略卡”。这些策略卡通过 Thompson 采样选出，并实时注入系统提示中，以提升当下任务的表现。
• 慢速回路（训练）： 使用蒙特卡洛图搜索（MCGS）与 LoRA 微调，进行小时级别的权重改进。
• JEV 决策层： 一个判断-评估-验证层，作为工具、策略与路由的决策闸门，使用“影子模式”来校准与 LLM 输出之间的决策。
• RSI 自我演化： 三层递归改进回路（产品、策略、机制），自动化提示修补与模型权重更新。

适用对象

适合希望拥有本地优先、高度可定制 AI 编码代理的开发者，能集成至其 CLI 工作流程，并能根据项目特定情境自主改进自身策略。

重点特色

• 多供应商支持： 兼容于 25+ 个 LLM 供应商，包括 Deepseek、Claude、GPT-4 与 Gemini。
• 进阶任务管理： 支持递归子代理进行任务分解，以及图形引擎（Graph Engine）将长期任务视为可恢复的 DAG。
• 全像能力： 包含一个模拟代理，用于控制物理世界（Genesis），以及一个推理驱动的优化工具，用于参数调整。
• 交互式 REPL： 原生 TTY 界面，具备可折叠的思维链（CoT）面板与决策芯片。
• Claude Code 互通性： 无缝继承 Claude Code 的配置与 MCP 服务器。