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/ ↗ · 译文(根据本站英文引文翻译)
我最看重的是不受设备限制:在办公室用电脑,在家用平板,用手机查看进度。任务会持续运行。
以前搭建环境要花很多时间,过程也很繁琐。使用 MonkeyCode 后,这类耗时省去了很多;它开箱即用,让我能专注于产品本身。
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