MakerAgents MakerAgents

把每个项目
装进自己的
WorkSpace。

MakerAgents 是面向多项目并行、长时程任务的 Agent 操作系统。 每个 WorkSpace 独立隔离文件 / 记忆 / 技能,配合白盒记忆、智能路由、常驻执行,让 Agent 真正可被调度、被记忆、被追溯。

Web / CLI / IM 多端一致 MCP 原生协议 本地优先 · 数据留在你的机器
0%
成本节省边缘端模型
0
模型路由主强 + 子轻
blog-rewrite ▾
Chat Files Memory
我
把上周的播客稿改写成三篇公众号文章。
MakerAgents
已规划 3 篇大纲,正在调度子代理并行写作。
spawn_subagent completed · 1.4s
task"outline-3-articles" mainsonnet-4.6 (router) submini-m2.7 (×3 parallel) cost$0.18 · saved $0.42
plan → route → execute → remember ↓ $0.42 saved
MakerAgents
3 篇文章已落地 · 2,140 字 · 记忆库已更新 2 条关键决策。
SCROLL
MakerAgents
Meet MakerAgents

不是聊天框,
是一个可被你调度的同事。

MakerAgents 是一个面向多项目并行、长时程任务的 Agent 操作系统 —— 以 WorkSpace 为单元,把 Agent 从 IDE 弹窗、聊天窗口推到「工作单元」的层级。

产品哲学

Agent 可被调度

不是被动等 prompt,而是主动发现任务、规划执行、落地产物。

设计原则

本地优先 · 数据自有

所有文件 / 记忆 / 状态留在你的机器上,云端只是协作层。

交互语言

克制 · 精确 · 透明

每一条记忆、每一次路由、每一笔成本都可见、可改、可回滚。

已应用于
小红书运营团队 独立研究团队 跨境电商卖家 AI 应用开发者 内容创作工作室 播客制作团队 小红书运营团队 独立研究团队 跨境电商卖家 AI 应用开发者 内容创作工作室 播客制作团队
四大核心能力

围绕 WorkSpace 重新设计 Agent 操作系统。

每个项目一个 WorkSpace —— 文件、记忆、技能彼此独立又自动积累。多项目并行不再互相污染。

WorkSpace 隔离与沉淀

每个项目独立的文件系统、记忆库、技能集。Skills 随任务自然沉淀,没有全局上下文污染。

blog-rewriteactive
xhs-content12 skills
research-paper47 mem
+ New WorkSpace↵

白盒可追溯记忆

记忆的生成、抽取、存储、检索全程可见。AI 记错时可以精准定位并直接编辑,无需重开对话。

brand-tone-formalpinned
avoid-emoji-cliche2d
target-audience-25-355d
editor-rollback → 1h ago↶

智能路由 · 成本优化

自动识别任务难度:复杂任务路由到旗舰模型(Claude / GPT-4o),简单任务落到轻量子代理。

outline-plansonnet-4.6
polish-paragraphmini-m2.7
title-iterationmini-m2.7
14 sub-tasks saved$0.42

Always-on 后台执行

打破「你问它答」的循环 —— 签收任务后,Agent 主动发现候选任务、跑长程监控,最后把结果作为本地文件落地。

monitor-rss-3-feedsrunning
scan-new-PRsqueued
weekly-summaryFri 18:00
→ articles/06-15.mddelivered
产品巡演

三步,看见 MakerAgents 在做什么。

从打开一个新项目到看到结果、看到记忆、看到成本,每一步都从真实 UI 截图还原。

STEP 01 · WorkSpace

每个项目一个独立空间。

打开 MakerAgents 的第一个动作 —— 从 WorkSpace 切换器选一个项目(或新建)。所有上下文从此只属于这个项目。

  • WorkSpace 间文件 / 记忆 / 技能完全隔离
  • 切换无需清空上下文 · 检索范围天然有界
  • Skills 跨任务自动沉淀到当前 WorkSpace
Switch WorkSpace ▾
B
blog-rewrite
12 skills · 47 memory entries · 3 active tasks
active
X
xhs-content
8 skills · 23 memory entries · 1 running
2d ago
R
research-paper
15 skills · 89 memory entries · idle
5d ago
P
podcast-translate
5 skills · 12 memory entries · idle
1w ago
STEP 02 · Smart Routing

复杂任务旗舰,简单任务子代理。

拿到任务后 Router 自动拆解 + 路由。每个子任务按难度分配模型,端云协同按需调度。

  • 主代理 + 多子代理拓扑 · 子任务并行执行
  • token 用量 / 任务时长实时可追踪
  • 实测节省 ~70% 成本 · 不依赖云端旗舰
blog-rewrite · Routing Trace ⤵
task: outline-3-articles Sonnet 4.6
outline-01-launch Sonnet
outline-02-deep-dive Sonnet
polish-paragraph ×6 mini-m2.7
title-iteration ×12 mini-m2.7
总成本 $0.18 / 原本 $0.60
STEP 03 · White-box Memory

每条记忆都可看、可改、可回滚。

执行过程中产生的关键决策自动写入白盒记忆。AI 记错时,直接定位那条记忆编辑即可,不用从头来。

  • 每条记忆:内容 / 来源 / 所属 WorkSpace 全可见
  • 支持编辑 / 删除 / 钉住(pin)关键决策
  • Dream Mode 闲时整合 · 一键回滚到上一版
blog-rewrite · Memory ▾
品牌口吻:克制、不滥用感叹号、避免「yyds」「绝绝子」
from chat · pinned 5d ago
目标读者:互联网产品经理 · 关注 LLM 在工作中的实际应用
from outline-plan · 2d ago
避免使用 emoji · 段落首行不缩进 · 每段不超过 4 行
from style-guide · 3d ago
Dream Mode 上次整合 · 1h ago · 可一键回滚
↶ rollback
工作流

从「问一句答一句」到「可调度的工作单元」。

三步把开放式任务变成可追溯的产物:路由、执行、沉淀。

01

规划 · 识别任务难度

拿到任务后,Router 先判断属于「复杂规划」还是「轻量执行」。复杂任务进旗舰模型,简单任务直接落子代理。

PLAN · 拆分子任务Sonnet
MATCH · 工具 / Skillsrouter
LOCK · 钉住关键决策memory
02

执行 · 多端协作

Web / CLI / IM 三端共享同一份状态。子代理和主代理在不同模型上协作,端云协同按需调度。

RUN · 主+子并行sonnet+mini
SYNC · 三端状态live
OBSERVE · 用量可见cost-trace
03

沉淀 · 产物可追溯

执行结果落到 WorkSpace 目录作为本地文件,记忆条目同步进白盒库,闲时由 Dream Mode 整理压缩。

LAND · 文件落地files
REMEMBER · 关键决策memory
DREAM · 闲时整合rollback
实测数据

不只是 demo —— 生产级工作流跑出来的数字。

Smart Routing 与白盒记忆在真实业务场景下的对比,全部由边缘端模型跑通。

1 · 智能路由 · 小红书运营场景节省 ~70% 成本

0×
vs 全旗舰
方案 模型配置 成本 倍率
Smart Routing ON Opus 4.5(主)+ Sonnet 4.5(子) $2.83 1.1×
Smart Routing OFF 全 Opus 4.5(主 + 子) $12.58 5.0×
单体长思考 单 Opus 4.5 long-react(估算) $12.20 4.8×

2 · 智能路由 · 7 任务基准上 1/6 成本追平前沿模型

0×
性价比领先
设置 得分 成本
MiniMax-M2.7 单代理 37.1 $1.90
Claude Sonnet 4.6 单代理 69.1 $18.36
Sonnet 4.6(主)+ MiniMax-M2.7(子) 70.6 $3.15

3 · 白盒记忆 · 项目间不再串味

100%
WorkSpace 隔离
维度 黑盒 Agent MakerAgents 白盒
可见性 只能看见 AI 的输出 每条记忆可见:存了什么 / 何时 / 哪个 WorkSpace
可控性 写入即忘 · 无法编辑 支持编辑 / 删除 / 钉住关键决策
可追溯 出错时找不到根因 生成 → 抽取 → 存储 → 检索全链路可审计
隔离性 共享上下文池 · 项目互相串味 WorkSpace 级隔离 · A 的记忆进不来 B
可逆性 压缩后原文丢失 Dream Mode 支持一键回滚到上一版
用例

所有 demo 都跑在边缘端模型上 —— 不依赖云端旗舰。

以下四个用例全部由 Smart Routing 调度边缘端模型完成。

工作文档

市场调研白皮书

调研中文 LLM 应用市场,自动输出正式 HTML 白皮书。

input: "LLM 应用市场调研 → HTML 白皮书"
output: 42 页 · 8.4k 字 · 2.1 MB
小游戏开发

iOS AR · Ball Finder

在 Vibe Coding 模式下从零搭建 iOS AR 小游戏。

input: "做 AR 小游戏 Ball Finder"
output: Swift + ARKit · 8 文件
AI 工程

Embedding 微调平台

从零搭建一个低代码 Embedding 微调平台。

input: "低代码 Embedding 微调平台"
output: Next.js + FastAPI · 全栈
音视频

英文播客 6 语翻译

把一段英文播客推向全球 —— 译成中 / 日 / 法 / 韩 / 西 / 阿。

input: "推 1 段播客至 6 种语言"
output: 6 译本 · 含音频 · 4h
配置入门 · 3 分钟配好你的第一个模型

把你的 LLM 配进 MakerAgents · 5 步走完。

一份 YAML 文件、一段 5 步对话。覆盖国内 6 家主流厂商 + OpenAI / Anthropic,自带连通性测试 —— 告别"配错模型、卡到超时"。

MakerAgents · LLM 配置 v0.8 · 桌面端
1选厂商
DeepSeek
DeepSeek国内直连 · ¥0.27/M
DeepSeek已选
Qwen 通义千问¥0.30/M
Kimi 月之暗面128K 长文
MiniMaxM2 · 多模态
OpenAI需代理
Anthropic需代理
2接入点 URL
https://api.deepseek.com
3API Key
sk-•••••••••••••••2cF
4默认模型
deepseek-chat V3 · 64K
5智能路由
按"成本 → 速度 → 质量"自动分流简单任务到大模型、复杂任务到推理模型。
✓ 已通过连通性测试 · 模型列表已加载 142 ms
~/.makeragents/makeragents.yaml ✓ 已复制
# 由「保存并启用」自动写入,也可手动编辑 provider: name: deepseek baseUrl: https://api.deepseek.com apiKey: ${MAKERAGENTS_KEY} # 引用环境变量,不入 git defaultModel: deepseek-chat routing: enabled: true strategy: cost-first # 简单→便宜,复杂→推理 fallback: [qwen-plus, kimi-k2] limits: timeoutMs: 30000 maxTokens: 8192
1
选厂商 —— 国内能直连
从 DeepSeek / Qwen / Kimi / MiniMax / OpenAI / Anthropic 里挑一个。其中前 4 家在中国大陆可直连,无需代理。
不确定选谁? 看下面 6 家厂商芯片
2
拿 Key —— 去厂商控制台申请
登录厂商开发者平台 → 创建 API Key → 复制粘贴到第 ③ 栏。MakerAgents 不会上传你的 Key,默认存到本地 ~/.makeragents/。
首次开通大多有免费额度,够跑 1-2 周
3
粘进去 + 测一下 —— 别跳过
填完表单先点「测试连通性」。看到 ✓ 已通过 再继续。看到 ✗ 超时 大概率是 URL 写错或 Key 失效 —— 不要凭运气往下走。
测试会真的发一次 ping,延迟 < 200ms 算优秀
4
选默认模型 —— 不要选最大
默认模型 = 你绝大多数任务的"同事"。新手建议从小模型起步(如 deepseek-chat、qwen-turbo),需要更长上下文再切到 kimi-k2 / qwen-long。
默认模型后续可随时切,不用一次选对
5
开智能路由 —— 让系统帮你省钱
把第 ⑤ 栏的开关打开。MakerAgents 会按任务复杂度自动分配:简单对话 → 小模型(便宜),代码 / 推理 → 推理模型(强)。平均能省 40% 成本。
想自己控制? 把开关关掉,每条消息手动选模型

已支持的 6 家厂商 · 点开看接入指南

国内直连 + 海外 · 持续扩充
DeepSeek
深度求索
中文友好 · 推理强 · ¥0.27/M 起
Qwen
通义千问
阿里 · 长上下文 · 100 万 token
Kimi
月之暗面
128K 长文 · 读论文利器
MiniMax
M2 · 多模态
文本 + 图像理解 · 推理
OpenAI
GPT-4o · o1
需代理 · $2.50/M 起
Anthropic
Claude 3.5
需代理 · 长代码首选
扩展协议

内核可扩展 · 插件独立 · 一份 plugin.json 就能扩。

MCP / Tools / Hooks / Memory Provider —— 四条路径接入 MakerAgents 的能力边界。

MCP Servers

Native

任何 Model Context Protocol 服务都可作为一等公民接入。复用社区生态,无需额外封装。

{
  "mcp": {
    "servers": [{
      "name": "github",
      "command": "npx",
      "args": ["-y", "@mcp/server-github"]
    }]
  }
}

Tools & Skills

Plugin

注册自定义工具,或通过 ClawHub 拉取社区 Skills。Skills 是 Agent 能力的最小复用单元。

{
  "plugin": "clawhub-skills",
  "skills": ["pdf", "search", "code-review"]
}

Lifecycle Hooks

Hook

拦截 PreToolUse / UserPromptSubmit / PostToolUse 等关键生命周期事件,注入自定义策略。

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "Bash",
      "command": "scripts/check-danger.sh"
    }]
  }
}

Custom Memory

Provider

接入你自己的记忆存储后端 —— 关系数据库 / 向量库 / 文件系统都可,WorkSpace 隔离语义保持不变。

{
  "memory": {
    "provider": "custom-postgres",
    "url": "postgresql://...",
    "embedding": "text-embedding-3-small"
  }
}
为什么不一样

当 AI 从「一次性编程」走到「长程多项目生产力」。

Claude Code / Cursor 解决 IDE 内单次编程,Claude Cowork 解决桌面级单项目隔离 —— MakerAgents 把这两个思路推到「多项目 + 长时程 + 可调度」。

维度
当前主流 Agent
MakerAgents
记忆黑盒 · 看不见 / 改不了
写入即忘 · 无法编辑 · 串项目
白盒 · 可见 / 可编辑 / WorkSpace 隔离
路由单体模型
所有任务走同一个模型
任务难度自动匹配 + 主强子轻
执行同步阻塞
你问它答 · 离开键盘就停
Always-on 后台 · 主动发现 · 文件落地
成本不可见
token 用量不可见 · 跑起来才知道贵
每任务可追踪 · 实测节省 ~70%
扩展封闭
扩展机制不透明
MCP 原生 + 插件化 · 一份 plugin.json
常见问题

关于 MakerAgents 的一些回答。

第一次接触时常见的问题,看完应该能装起来跑。

MakerAgents 和 Claude Code / Cursor 有什么本质区别?
Claude Code / Cursor 主打 IDE 内的单次编程;Claude Cowork 主打桌面级单项目隔离。MakerAgents 想做的是「多项目并行 + 长时程常驻 + 可调度」—— 把 Agent 当作一个可被你管理的工作单元,不只是一个聊天窗口。
白盒记忆听起来很复杂,会增加上手成本吗?
默认 0 配置即可使用 —— 你不需要主动管理记忆,MakerAgents 会自动抽取重要决策。需要介入时随时可以打开记忆面板查看 / 编辑 / 钉住。
必须用前沿模型才能跑出这里展示的效果吗?
不需要。Smart Routing 把任务分发给合适的模型:复杂规划用旗舰、简单执行用轻量。所有 demo 都是边缘端模型跑出来的。
Always-on 后台跑会不会很费电?
后台任务跑在系统级低优先级队列里,长时程任务以「分片 + 闲时合并」为主,不会持续占满 CPU / GPU。你可以随时暂停或终止。
MCP 是什么?需要先了解才能用吗?
MCP(Model Context Protocol)是 Agent 与外部工具通信的开放协议。不用了解也能用 —— MakerAgents 自带常用工具;想扩展时,MCP 让你直接复用社区里几千个服务。
是商业产品吗?使用上有什么限制?
MakerAgents 是闭源商业产品,提供桌面端与多种部署形态。具体许可条款与定价以官网为准 —— 试用期内全部能力可体验。
MakerAgents
下一步

挑一个 WorkSpace,
开始跑。

桌面端双击安装,所有数据留在你的机器上。30 秒装起来,3 分钟跑通第一个任务。