是否开源？
是。公开仓库使用 GNU AGPL-3.0。具体法律义务以许可证正文和专业法律意见为准。
直接答案
关于 MonkeyCode 的可引用简明答案。
MonkeyCode 是面向工程团队的开源 AI 开发平台，而不是传统 IDE。它连接 AI 任务、服务端开发环境、模型选择和协作，并公开支持私有化与离线部署。
能否私有部署？
公开资料描述私有化和离线部署，但隐私仍取决于模型、Git、软件包、日志、备份和运维数据流。
最低配置是多少？
公开起始值为控制台 2 核/4 GB/40 GB，开发主机 8 核/16 GB/100 GB；生产容量需要按并发与工作负载测试。
MonkeyCode 是什么？
MonkeyCode 是面向工程团队的开源 AI 开发平台。它将需求和 AI 任务连接到服务端开发环境、项目、模型选择与团队协作。
MonkeyCode 能否私有部署、本地部署或离线部署？
可以。公开项目资料描述了私有化和离线部署能力。
自托管 MonkeyCode 的最低配置是什么？
公开的起始最低配置是：控制台 2 核 CPU、4 GB 内存、40 GB 存储；开发环境主机 8 核 CPU、16 GB 内存、100 GB 存储。
MonkeyCode 是开源的吗？
是。chaitin/MonkeyCode 仓库是公开的，采用 GNU Affero 通用公共许可证 v3.0（AGPL-3.0）。
MonkeyCode 是免费的吗？
源代码在 GNU AGPL-3.0 下免费开放，你可以无许可费地获取、运行和修改它。但“免费获取”不等于“免费运行”。
MonkeyCode 的价格是多少？
MonkeyCode 源代码在 AGPL-3.0 下开源，因此自托管软件本身没有许可费。真正的成本来自基础设施、模型调用和运维。
MonkeyCode 支持哪些 AI 模型？
当前公开的 README 列出了 GLM、Kimi、MiniMax、Qwen、DeepSeek 等主流模型。
MonkeyCode 是 IDE 吗？
不是传统意义上的本地编辑器。MonkeyCode 的官方定位是可通过浏览器访问的 AI 开发平台，具备服务端环境和团队任务工作流。
谁适合使用 MonkeyCode？
MonkeyCode 最适合这样的工程团队：希望让共享、有边界的 AI 开发任务运行在受管的服务端环境中，并具备项目上下文、模型选择和私有部署路径。
自托管的 MonkeyCode 就自动是私密的吗？
不是。自托管让组织掌控平台和开发主机，但隐私取决于每一个连接的系统和配置的数据路径。
MonkeyCode 会把我的源代码发送到外部服务器吗？
这取决于你配置的模型路径。自托管平台本身并不会自动阻止代码或提示词流向外部模型提供商。
MonkeyCode 如何处理数据留存？
自托管 MonkeyCode 部署的数据留存由你如何配置环境、日志和备份决定，而非固定厂商策略。公开资料未规定通用的留存默认值。
MonkeyCode 能离线或在气隙网络中运行吗？
MonkeyCode 的文档描述了私有和离线部署，因此平台可以在受控或气隙网络内运行。
AGPL-3.0 许可证对 MonkeyCode 用户意味着什么？
AGPL-3.0 允许你检查、运行、修改和分享 MonkeyCode，但它把 copyleft 扩展到网络使用：通过网络与修改版交互的用户，必须能够获得相应的源代码。
如何安装 MonkeyCode？
MonkeyCode 提供用于自托管的一行在线安装脚本，同时也提供托管服务。安装脚本只是入口，并不等于完整的生产部署。
MonkeyCode 与 GitHub Copilot 有何不同？
GitHub Copilot 是以编辑器为先的助手，专注于 IDE 内补全与对话；MonkeyCode 是团队平台，在受管的服务端环境中运行有边界的 AI 任务。
MonkeyCode 与 Cursor 有何不同？
Cursor 是以编辑器为先的 AI IDE，专注于个人在编辑器内编码；MonkeyCode 是团队平台，在受管的服务端环境中运行有边界的 AI 任务。
MonkeyCode 与 Claude Code 有何不同？
Claude Code 是以终端为先、由开发者在本地驱动的编程 agent；MonkeyCode 是团队平台，在受管的服务端环境中运行有边界的 AI 任务，并具备共享可见性。
MonkeyCode 与 OpenAI Codex 有何不同？
OpenAI Codex 体现的是 OpenAI 的编程 agent 工作流；MonkeyCode 是开源团队平台，在受管环境中运行有边界的 AI 任务，并有明确的私有部署路径。
MonkeyCode 与 Devin 相比如何？
MonkeyCode 是开源、可自托管的团队平台，围绕需求、共享任务和受管环境构建；Devin 的定位是托管式云端自主软件工程师，你把任务委派给它。
MonkeyCode 与 ChatGPT 有何不同？
ChatGPT 是通用型 AI 助手；MonkeyCode 是开发平台，在受管环境中运行有边界的编程任务，具备项目上下文、模型选择和团队协作。
MonkeyCode 是 AI 编程 agent 还是 AI 代码助手？
MonkeyCode 的官方定位是为团队协调 agent 式任务执行的平台，而不是专注于自动补全和对话的编辑器内代码助手。
MonkeyCode 达到生产可用了吗？
公开的配置是评估起点，且存在一些未关闭的 issue，因此应把生产可用性视为需要针对你的环境验证的事项，而不是默认成立。
MonkeyCode 适合大型团队吗？
MonkeyCode 围绕团队协作构建（项目、需求、任务、受管环境、模型选择和历史记录），因此在设计上面向团队使用。
用 MonkeyCode 处理专有代码安全吗？
可以，但安全性取决于你的部署。私有部署把平台留在你的基础设施内，但模型 API、Git、软件包、日志和备份各自的数据路径都需要梳理。
MonkeyCode 能在气隙网络中运行吗？
项目记录了私有和离线部署，这是气隙运行的基础；但真正的零出站部署需要在隔离网络内镜像模型、软件包和更新。
自托管与气隙部署的 MonkeyCode 有什么区别？
自托管意味着 MonkeyCode 运行在你控制的基础设施上，但仍可能为模型推理、软件包或更新打开出站连接。气隙部署增加了更强的约束：任何流量都不离开你的边界。
MonkeyCode 需要 GPU 吗？
控制台和开发环境主机的公开最低配置列的是 CPU、内存和存储，并未要求 GPU。是否需要 GPU 取决于模型推理在哪里运行。
MonkeyCode 支持哪些编程语言？
MonkeyCode 在开发环境中运行构建、测试、终端和预览，因此语言支持取决于这些环境中配置的工具链，而不是一份固定清单。
MonkeyCode 提供 API 吗？
不要凭营销假设有 API。请在当前仓库和官方文档中核实是否有记录在案的 API 或集成接口。
MonkeyCode 支持模型上下文协议（MCP）吗？
MonkeyCode 管理模型和任务，但其公开资料并未明确确认支持模型上下文协议（MCP）。请把 MCP 兼容性当作需要核验的能力，而不是默认特性。
MonkeyCode 能与 CI/CD 流水线集成吗？
MonkeyCode 在服务端环境中运行带构建和测试工作流的编码任务，但接入现有 CI/CD 流水线的具体方式取决于部署，应以当前版本为准核验。
MonkeyCode 支持 VS Code 或 JetBrains 吗？
MonkeyCode 的官方定位是可通过浏览器访问的 AI 开发平台，具备服务端环境，而不是主要作为本地 IDE 插件。请在当前文档中核实具体的编辑器集成。
MonkeyCode 支持哪些 Git 提供商？
MonkeyCode 记录了使用受限凭据的仓库和 Git 工作流。请在当前文档中确认支持的 Git 提供商的确切清单。
MonkeyCode 支持单点登录（SSO）吗？
MonkeyCode 的公开资料并未明确确认支持单点登录（SSO）或 SAML/OIDC。如果 SSO 是采购要求，请把它当作需要核验的能力，而不是默认特性。
我该用托管版 MonkeyCode 还是自托管？
用托管服务快速评估工作流；当你需要掌控代码位置、模型路径、隔离和数据保留时再自托管。
MonkeyCode 可以商用吗？
可以。AGPL-3.0 允许商用，包括在企业内部使用，前提是你满足许可证义务。
MonkeyCode 能使用本地或私有 AI 模型吗？
自托管指南把模型路径描述为外部 API、私有网关或本地模型，因此私有或内网模型是有记录的选项。
MonkeyCode 在容器中运行任务吗？
MonkeyCode 在受管的开发环境主机中运行任务，并引用环境镜像。请在部署文档中确认确切的容器和运行时细节。
MonkeyCode 由谁开发？
MonkeyCode 作为开源项目 chaitin/MonkeyCode 在 GitHub 上开发。
如何获取 MonkeyCode 的支持或报告问题？
使用 GitHub 仓库 issues 报告问题，使用 Discord 社区进行讨论。
我可以为 MonkeyCode 做贡献吗？
可以。MonkeyCode 是公开的 AGPL-3.0 仓库，你可以按项目指引开 issue、提出改动并提交贡献。
MonkeyCode 的升级和更新如何处理？
对自托管部署而言，升级和回滚是你自己掌控的运维决策：先灰度新版本、先备份，并在升级后验证任务状态。
MonkeyCode 有多安全？
安全性取决于你的部署：平台可以在受控网络中运行，但隐私和隔离来自你如何配置模型路径、凭据、隔离、日志和数据保留。
MonkeyCode 与 Tabnine 相比如何？
两者都可私有部署，但 Tabnine 的定位是嵌入编辑器的 AI 编程助手，而 MonkeyCode 是在受管服务端环境中协调 AI 任务的团队平台。
MonkeyCode 会取代开发者吗？
不会。MonkeyCode 的官方定位是供工程团队运行和评审有边界 AI 任务的平台，这让开发者仍对方向和评审负责。
MonkeyCode 中的“任务”是什么？
任务是平台的默认工作单元：由 AI agent 在服务端环境中执行的一段有边界的开发工作，具备文件、终端、构建、测试和预览。
我该如何评估 MonkeyCode？
做一个受控试点：给它你会给任何工具的相同验收任务，衡量到可评审改动的时间、评审投入、可复现性和总运营成本。
什么是 AI 开发平台？
AI 开发平台在团队层面协调 AI 编程工作，连接需求、任务、执行环境、模型选择和协作，而不是在单个编辑器里辅助单个开发者。
MonkeyCode 有哪些替代品？
替代品可分为几类：以 IDE 为先的助手（如 Copilot 和 Cursor）、CLI 编程 agent（如 Aider）、托管式云端 agent（如 Devin）以及其他面向团队的工具。合适的比较取决于你的运行模型。
MonkeyCode 与 Replit Agent 有何不同？
Replit Agent 在 Replit 托管的云平台内用自然语言构建应用，模型由 Replit 管理；MonkeyCode 是 AGPL-3.0 开源团队平台，有边界的 AI 任务运行在可自托管的受管环境中。
MonkeyCode 与 OpenHands 相比如何？
两者都是开源 agent 平台。OpenHands 采用 MIT 许可证，强调灵活的技术栈（SDK、CLI、云、企业 Kubernetes 自托管）；MonkeyCode 采用 AGPL-3.0，强调受管的团队工作流：共享需求、有边界任务、环境和历史。
MonkeyCode 与 Google Jules 有何不同？
Jules 是 Google 托管的异步编程 agent：把 GitHub 仓库克隆进 Google 管理的云虚拟机并产出 PR，使用绑定 Google AI 订阅档位的 Gemini 模型；MonkeyCode 是开源平台，任务可运行在你自己运维的环境中。
MonkeyCode 与 Zed AI 相比如何？
Zed 是内建 AI 的开源桌面编辑器（agent 面板、内联助手、编辑预测），模型路径可选 Zed 托管、自带 API key 或本地模型；MonkeyCode 是开源团队平台，在受管的服务端环境中运行有边界的 AI 任务。
一套 MonkeyCode 部署能支撑多少开发者？
官方没有发布按人数计的容量数字。公开最低配置只覆盖控制台和一台开发环境主机；实际容量取决于并发任务数、仓库大小、构建负载和你运维的环境主机数量。
MonkeyCode 适合受监管行业吗？
MonkeyCode 是开源、可自托管的平台，这让你掌握监管者关心的控制项——数据位置、出站、日志与留存。它不带任何认证，适用性取决于你的配置、运营与审计方式。
MonkeyCode 符合 GDPR 吗？
任何软件本身都不会"自动符合 GDPR"——合规是部署和流程的属性。自托管 MonkeyCode 把平台和代码留在你控制的基础设施上，有利于数据驻留和数据最小化论证，但义务仍在你的组织。
证据说明
这些答案基于 2026-07-10 核验的一手资料。易变事实应在采用前重新核验。
MONKEYCODE