委派一个代码任务
描述目标;任务在受管云环境中运行,具备构建、测试、终端和预览工作流,产出可评审的变更。
了解执行方式执行模式
使用云端开发环境、在桌面端处理本地文件,或将平台部署到自己的基础设施。
任务在受管云端开发环境中运行。浏览器即用、无需安装,免费额度即可开始。
云端环境 · 按套餐计额度本地 Agent 处理授权目录内的本地文件,并可接续云端任务;浏览器配对协助网页工作。
Windows · macOS · Linux把平台部署进自己的网络,集中管理成员与模型。需核验模型数据出向——这是部署条件,不是数据保证。
在线/离线安装 · AGPL-3.0完整边界表与来源: 执行模式边界 →
可复现练习 · V1
从一个小型 Python 项目开始。先检查固定输入,完成有边界的修改并复现检查,再连接实际仓库。
来自官方服务
引述来自官方托管服务公开发布的用户反馈;部分身份信息已做隐私化处理。 monkeycode-ai.net/ ↗
What I value most is that it is device-agnostic: a computer at the office, a tablet at home, a phone to check progress. Tasks keep running.
Setting up environments used to take a lot of time and felt tedious. After using MonkeyCode a lot of that wasted effort disappeared—it works out of the box and lets me focus on the actual product.
资讯与研究
来源可查的 AI 编程资讯,加上 agent、治理与自托管的长期指南。
使用独立示例目录验证桌面任务,在外部编辑器和终端检查结果,并区分本地文件执行与模型提供方的数据处理。
依据固定版本源码和 GitHub 官方说明,逐步完成 Git 身份连接、项目创建、仓库缺失排查与两层授权撤销验证。
提供已在 Ubuntu 环境验证的预检脚本、带版本的安装入口记录、具体安装步骤、预期检查和部分安装后的恢复方法。
直接回答