一款为最大限度减少 context token 使用量而优化的 AI 编码 agent，同时提供出色的用户体验。 FrontierHarness Eval benchmark 结果，点击此处下载 report.zip Context 效率 index 工具——使用 tree-sitter 解析所支持的编程语言，生成文件的高层骨架，并给出每个条目的精确起止行号（例如某个函数的实现位于第 150-165 行）。建议在读取之前先使用它。以我的使用情况来看，它每轮增加 59 tok，但在 read 调用上每轮节省 224 tok，净省 165 tok/轮。 code_execution 工具——使用 monty 运行一个解释器，该解释器中所有其他工具都以 async 函数的形式可用。Maki 用它来过滤、汇总、转换数据，或将数据通过管道传给其他工具作为输入，而数据全程不会进入并污染 context window。沙箱受时间和内存限制。 task 工具——在将工作委派给子 agent 时，AI 可选择使用所采用 provider 的弱、中、强模型。类似于 haiku、sonnet、opus 的区分。 系统提示词、工具描述和工具示例都保持简洁，我确保不会让你的 context 变得臃肿。 如果你安装了 rtk 就会使用它，可在 init.lua 中通过 maki.setup({ agent = { rtk = false } }) 禁用。它可节省约 50% 的 bash 输出 token。记住 bash 仅占总 token 用量的 12%，所以节省 6% 固然不错，但通过使用 index 在 read（占总量的 65%）上节省的收益更大。我想我会在未来版本中自己实现这样的 bash 输出过滤。 用户体验 启动极快，60 FPS，内存占用低。不运行任何 JavaScript，TUI 使用 ratatui。连启动画面动画都使用了 SIMD。 以类似 neovim 的 Lua 插件方式扩展——内置插件、用户自制插件展示、Lua API 参考。 不隐藏任何信息的原则——当其他编码 agent 随着模型进步而隐藏信息（例如不显示读取的行数）时，maki 让你保持掌控。 在我那块小屏幕笔记本上，UI 也能很好地容纳所有内容。 子 agent 完全可见——每个子 agent 都有自己的“聊天窗口”，你可以通过 /tasks（Ctrl-X）轻松在它们之间切换。 合理的权限系统——当 agent 运行 git diff && rm -rf / 时，你觉得你当前的编码 agent 会发生什么？它会把它当作 git * 来处理。Maki 使用 tree-sitter 解析 bash 命令，判断出所请求的权限是 git * 和 rm *。可用 --yolo 禁用。 webfetch 调用具备 SSRF 防护。 一个用于保存长期 context 的 memory 工具，只需告诉 maki 记住某事即可（有时它会自动使用）。通过 /memory 管理（查看、编辑、删除记忆）。 使用 Ctrl-F 进行模糊搜索。 /btw 可在不干扰当前会话的情况下，携带聊天历史运行一条命令。 按 Escape-Escape 回退（目前还不能回退代码，只能回退聊天历史）。 在提示词中附加图片。 26 种最流行的主题。 恢复会话。 Skills 与 MCP。 可选择启用 OpenTelemetry 导出，格式与 Claude Code 相同。 Plan 模式。 使用 ! 运行 bash 命令，若不想让 maki 知道则用 !!。 /cd 切换目录。 使用 --print --output-format stream-json 以无 UI 方式运行。输出与 Claude Code 兼容，因此你可以轻松替换现有方案。 支持的 provider Anthropic——仅支持 ANTHROPIC_API_KEY（使用 OAuth 违反 TOS）。通过 CLAUDE_CODE_USE_BEDROCK=1 支持 Bedrock。 OpenAI——OPENAI_API_KEY，以及通过 maki auth login openai 使用 OAuth。 xAI——XAI_API_KEY，以及通过 maki auth login xai 使用 OAuth。 Google——GEMINI_API_KEY。 Copilot——GH_COPILOT_TOKEN，或使用位于 ~/.config/github-copilot/ 的现有 GitHub Copilot 登录信息。 Ollama——本地使用 OLLAMA_HOST（例如 http://localhost:11434），云端使用 OLLAMA_API_KEY。 llama.cpp——LLAMA_CPP_HOST（例如 http://localhost:8080），可选 LLAMA_CPP_API_KEY。 Mistral——MISTRAL_API_KEY。 Z.AI——ZHIPU_API_KEY。 DeepSeek——DEEPSEEK_API_KEY。 OpenRouter——OPENROUTER_API_KEY。 Requesty——REQUESTY_API_KEY。EU 区域请设置 REQUESTY_BASE_URL=https://router.eu.requesty.ai/v1。 Synthetic——SYNTHETIC_API_KEY。 Regolo——REGOLO_API_KEY。EU 托管的开放权重模型。 TensorX——TENSORX_API_KEY。 OpenCode Zen——OPENCODE_API_KEY，或使用零成本模型的免费公开 key。模型来自 models.dev 目录。 OpenCode Go——OPENCODE_API_KEY。模型来自 models.dev 目录。 Aperture——APERTURE_HOST（例如 https://your-host.tailnet.ts.net）。无需 API key，由 Tailscale 处理认证。 插件 provider——Lua 插件可通过 maki.provider.register 注册 provider，其模型的行为与任何内置 provider 的模型一致。详见文档。 Linux / macOS

先下载并阅读脚本（不要盲目信任 shell 脚本）。

curl -fsSL https://maki.sh/install.sh -o install.sh cat install.sh

然后运行。

chmod +x install.sh && sh install.sh 一行命令： curl -fsSL https://maki.sh/install.sh | sh 安装到 ~/.local/bin。可用 MAKI_INSTALL_DIR 覆盖。 brew install maki Windows（PowerShell）

先下载并阅读脚本（不要盲目信任远程脚本）。

irm https://maki.sh/install.ps1 -OutFile install.ps1 Get-Content install.ps1

然后运行。

.\install.ps1 一行命令： irm https://maki.sh/install.ps1 | iex Windows（Git Bash） curl -fsSL https://maki.sh/install.sh | sh 两者都安装到 %LOCALAPPDATA%\maki，并将其加入你的用户 PATH。可用 MAKI_INSTALL_DIR / $env:MAKI_INSTALL_DIR 覆盖。 cargo install --locked --git https://github.com/tontinton/maki.git maki 使用 Nix nix run github:tontinton/maki 或从 GitHub Releases 下载预编译二进制文件。 运行 maki acp，或配置你支持 ACP 的编辑器使用 maki，例如在 Zed 的 settings.json 中： "agent_servers": { "Maki": { "default_config_options": { "model": "deepseek/deepseek-flash" "type": "custom