2026年8月24日
Apache Maka：把 Agent 的执行过程变成可恢复的事实记录
AI 编程工具通常把一次任务呈现为聊天记录，但真正需要追查的，往往是模型调用了什么工具、改了哪些文件、为何中断。今日进入 GitHub Trending 的 Apache Maka（孵化中）选择了更偏工程化的路线：在本地运行 Agent，并把模型消息、工具调用、执行结果、权限决定
AI 编程工具通常把一次任务呈现为聊天记录，但真正需要追查的，往往是模型调用了什么工具、改了哪些文件、为何中断。今日进入 GitHub Trending 的 Apache Maka（孵化中）选择了更偏工程化的路线：在本地运行 Agent，并把模型消息、工具调用、执行结果、权限决定和结束状态保存为可恢复的执行事实。
📌 这个项目是干什么的
Maka 是一个 local-first 的 Agent 工作空间，提供 Electron 桌面端、TUI/CLI 和评测入口。它能检查项目，并通过内置的 Read、Write、Edit、Bash、Glob、Grep 等工具完成任务；桌面端、命令行和评测任务最终都经过同一个 Runtime Host。
它的核心不是再做一个聊天界面，而是维护持久化事件记录。旧工具输出可以不再放进下一轮模型上下文，但原始执行证据仍保留在本地；任务意外中断后，也有机会基于已保存状态恢复，而不是只能重新开始。
🔍 为什么值得关注
第一，它把“上下文压缩”和“历史删除”分开了。长任务可以减少发给模型的旧内容，同时保留审计与排错所需的事实，这对持续数小时的 Agent 工作流更有价值。
第二，权限与执行边界是架构的一部分。写文件、运行 Shell 等操作需要通过沙箱边界，越界工具需经批准。相比只依赖提示词约束，这种运行时控制更适合处理真实代码仓库。
第三，桌面端、CLI 与评测复用同一运行内核。团队可以用 maka run 执行一次任务，也能用 Eval 做多方案、重复次数和成本等对比，减少“交互时一套、评测时另一套”的偏差。
🧪 谁适合试，怎么开始
它适合关注 Agent 可恢复性、执行审计、沙箱权限或基准评测的开发者。当前最稳妥的尝试方式是从源码运行：准备 Node.js 22.19 以上、npm、Git 和 ripgrep，然后执行：
git clone https://github.com/apache/maka.git
cd maka
npm ci
npm run dev首次启动后，在 Settings → Models 配置自己的云端 API、本地模型或兼容网关。建议先用非敏感测试仓库完成一个读代码与生成报告的小任务，重点观察工具时间线、中断恢复和权限提示，而不是直接用于生产代码。
⚠️ 使用提醒
Maka 仍处于 Apache 孵化期和早期公开阶段，数据格式、CLI 与实验能力可能变化；项目也明确说明目前尚无经过 Apache 投票批准的正式源代码发布。桌面端当前主要支持 Apple Silicon Mac，Windows 仅为未签名预览，Intel Mac 和 Linux 尚未支持。
另外，API Key 目前保存在仅限当前系统账户读取的本地明文文件中；“local-first”也不代表模型请求一定留在本机，是否外发仍取决于所配置的模型连接。项目采用 Apache-2.0 许可证。