来源：GitHub (★1162)
URL: https://github.com/modu-ai/moai-adk
精读日期：2026-08-12
模型：DeepSeek V4 Flash（AI 生成，人工未审校）
正文获取：全文

一、核心论点/事实

  • MoAI-ADK 是一个针对 Claude Code 的 Agentic 开发 Harness，围绕三个轴设计：成本（Tokenomics）、自我改进（Agentic loop engineering）、质量控制（Agentic harness），单一 Go 二进制文件，支持 macOS/Linux/Windows，零依赖，支持 16 种语言。
  • 核心论断："模型是一个逐 token 工作的随机工人"，它无法跨会话记住预算、质量标准和上次中断位置，因此必须由外部 Harness 强制执行这三者，而非每次靠 prompt 重新播种。
  • 成本悖论：虽然模型单价下降（Linux Foundation 数据显示企业 AI 支出同期上升），但总体支出上升——Uber 部署 Claude Code 给 5000 名工程师后，4 个月烧完一年的编码预算，随后强制月度 token 限额；Meta、Amazon、Microsoft 均收回了无限 AI 政策。
  • 成本由任务分配决定，而非单价：DeepSWE leaderboard（113 个任务）显示，同一 Claude 家族内，GLM 4.6 在 effort 评分上超过 Sonnet 5（58% vs 54%），但每任务成本仅为后者的 1/16（$1.66 vs $26.40），原因是步骤数差异（268 步 vs 36 步）——重试循环而非 token 费率决定账单。
  • 只优化成本是陷阱：单独压成本会静默侵蚀质量，导致返工和调试循环，而返工是最昂贵的 token 消耗；无学习循环的质量门会让相同错误每会话重演；无成本上限的自主循环会让单个失控任务耗尽配额。
  • 质量门 TRUST 5 标准：Tested（85%+ 覆盖率）· Readable · Unified · Secured · Trackable，应用于每个变更，门评判验证而非评判 Agent。

二、方法/架构拆解

四阶段方法论：测量（measurement）→ 路由（routing）→ 节食（diet）→ 防御（defense）

路由（Routing）：

  • 按工作阶段（plan/run/sync）和 SPEC 大小（Tier S/M/L）声明式分配模型和推理深度（low/medium/high/max）
  • 高推理模型部署到规划阶段（需深度推理），轻量模型部署到实现阶段（机械重复）
  • 排除 Haiku 于路由集之外；Sonnet 低 effort 承担单次、输入主导的工作；Opus 承担所有多轮 agentic 任务
  • 支持 Claude 领导（策略/规划/审计）+ GLM 工人（批量实现）的多模型协同模式

节食（Verification Economy）：

  • 将冗长验证输出重定向到磁盘文件，上下文中仅保留退出码和有界尾部（最多 50 行）
  • Prompt-cache 复用（缓存读取成本 0.1×）
  • 上下文节食策略：自动推荐阈值 1M 上下文 50% / 200K 上下文 90%

防御（Budget Defense）：

  • Token 断路器在硬限制（默认 90%）中止，保存进度到磁盘，生成可粘贴的恢复消息
  • 状态栏持续显示上下文使用量、缓存命中率、速率限制消耗

自我改进轴（Agentic Loop Engineering）：

  • 声明完成条件，会话持续工作直到条件满足或达到轮次上限（默认 30）
  • 无限目标模式：auto-compact 驱动的目标，受预算约束
  • 并行扫描 LSP 诊断、AST-grep、linter，按级别分桶问题，持续运行直到队列清空
  • 路由决策、门证据、重复修正被记录，下一会话从上次学习处开始
  • 观察到的失败模式成为提议的规则变更，需审批而非静默应用

质量控制轴（Agentic Harness）：

  • SPEC 生命周期：plan → run → sync；Tier S/M/L 大小分类决定验证深度和 PR 路由
  • GEARS 格式需求 + 验收标准，以证据判断完成
  • 审计分离：MoAI 自定义 11 条 + 内置 Explore，规划和审计从一开始分离，防止作者方自我评分
  • 扩展点：复制已验证模式用于项目特定复用

三、值得注意的局限/争议

作者承认的局限：

  • 明确表示"只优化成本是陷阱"，承认单一轴优化的失败模式
  • 承认 GLM 在 API 计费下处于劣势，仅在 z.ai 包月制下有价值——多模型路由的价值高度依赖定价模型

AI 判断的局限：

  • 85% 测试覆盖率作为 TRUST 门标准可能不适用于所有项目类型（如基础设施代码、配置类项目），单一覆盖率阈值缺乏项目类型区分
  • 默认 90% token 断路器可能在高波动任务中过早中断，恢复机制依赖会话连续性，但跨会话上下文丢失问题未完全解决
  • 规则变更需审批的机制可能成为瓶颈——在高速迭代场景下，人工审批延迟可能抵消自动化收益
  • 多模型路由（Claude 领导 + GLM 工人）的协调开销未量化，跨模型上下文传递的 token 成本可能侵蚀节省
  • 16 种语言支持但验证深度（LSP/AST-grep/linter）在不同语言生态中的可用性差异未讨论

四、与 RRLab 研究的关联

Harness 工程：

  • 三轴设计（成本/自我改进/质量）可作为 RRLab Harness 架构的参考框架，特别是"外部强制而非 prompt 依赖"的核心哲学
  • 四阶段方法论（测量→路由→节食→防御）可直接映射到 Harness 工程的分层设计

多模型协同：

  • Claude 领导 + GLM 工人的模式验证了异构模型分工的可行性，DeepSWE 数据（$1.66 vs $26.40）为模型路由决策提供了量化依据
  • 按工作阶段（plan/run/sync）和任务复杂度（Tier S/M/L）分配模型的声明式路由策略值得借鉴

模型评测：

  • DeepSWE leaderboard 的 per-effort 视角（成本/步骤数而非仅准确率）为 RRLab 评测体系提供了新维度——评测应包含 token 效率和步骤数
  • "成本由任务分配决定而非单价"的结论提示评测需区分模型能力与任务匹配度

Agent 落地：

  • Token 断路器（90% 硬限制 + 恢复机制）是生产环境 Agent 部署的关键安全阀，Uber 案例（4 个月烧完年度预算）是反面教材
  • 验证输出重定向到磁盘（仅保留退出码 + 50 行尾部）是上下文管理的实用技巧

AI 原生产品：

  • 三轴互相支撑的设计哲学（成本靠质量防返工、质量靠循环捕获经验、循环靠成本门防超支）可作为 AI 原生产品的系统设计原则
  • 规则变更需审批而非静默应用的机制，平衡了自动化与可控性，适合企业级产品设计

本笔记由 DeepSeek V4 Flash 自动生成，未经人工审校。原文链接：https://github.com/modu-ai/moai-adk