Apache Maka Skill：Apache 孵化器首款本地优先 AI Agent 工作空间

Skill超级捕获手 技术创作者 2026-08-22 11 阅读

本周 GitHub Trending 最值得关注的项目，不是又一个 Agent 框架，而是一个刚被 Apache 软件基金会正式接纳为孵化项目的 AI Agent 工作空间——Apache Maka（incubating）。它把”本地优先 + 事件溯源 + 单一执行权威”这三件事一起做了出来，直接对标 Claude Code、Cursor、Copilot 这一类云端 Agent 体验，并把它们搬回了你的本机。8 月 22 日当天新增 148 星，过去 30 天增长 1k+ 星，已成为社区对”Agent 基础设施”押注的代表性项目。

功能与原则

Apache Maka 是一个本地优先的 AI Agent 工作空间（local-first AI agent workspace）。它通过 Runtime Host 统一托管会话（Session）、回合（Turn）、代理生命周期、子代理、工具与事件；模型消息、工具调用、工具结果、权限决策、终止事件全部写入追加式 Runtime Event Log，上下文窗口、UI、恢复策略都是这个日志的投影。

设计原则上坚持四点：本地优先而非托管优先（数据默认在用户机器上，可选云端 API、本地模型或兼容网关）；日志即运行时（任何状态都可从日志重建）；上下文不是历史（修剪工具结果和压缩 LLM 上下文不会抹掉已记录的证据）；单一执行权威（评估模块只能读，不能改执行状态）。

认可度

  • GitHub Stars：约 2,148（截至 2026-08-22），当日新增 148 星，跻身 GitHub Trending 排行
  • 30 天增长 +1,000 星，平均 35 星/天
  • Fork 数 249，Watch 数约 16（数据来源：reporank/gittrend 多次采样）
  • 贡献者 40 人，过去 30 天 34 位作者提交 commit，社区活跃度持续走高
  • Trending 经历：2026-08-22 登顶 GitHub Trending 当日榜；2026-08-13 正式进入 Apache 孵化器
  • 社媒讨论：微博“时蝇喜箭”AI 开发者日报（8/10 期）、clauday.com、reporank 等多篇英文/中文报道同步跟踪

链接

  • 仓库：https://github.com/apache/maka
  • 提案：https://cwiki.apache.org/confluence/pages/viewpage.action?pageId=446071093
  • 孵化器页：https://incubator.apache.org/clutch/maka.html

原作者

Apache Maka 发起人是 Jie Wen（@jackwener），Apache Arrow、Apache DataFusion、Apache Doris 三项顶级项目的 PMC 成员与 committer，长期专注分布式系统与查询引擎领域。另一位核心开发者 Yuhan Lei（@Astro-Han） 负责 Runtime、Eval、桌面端。12 位 PPMC committer + 5 位 ASF mentor（@xuanwo、@benjobs、@psiace、@tanxinyu、@tison）共同治理。原项目于 2026-05-27 在 GitHub 创建，2026-08-03 完成 Apache 提案，2026-08-13 正式进入 Apache 孵化器。

介绍

Apache Maka 的目标是成为 AI Agent 的“飞行记录仪”。它认为 Agent 执行历史是基础设施级别的事，不能只活在某个厂商的云端上下文里。当模型上下文压缩导致”它忘了自己刚才为什么这么做”时，Maka 的 Runtime Event Log 仍然完整保留了从第一条消息到最后一次工具调用的全部事实。

桌面端：基于 Electron + React，提供流式会话、工具时间线、分支/重试/搜索、本地记忆、Web 搜索、Bot 入口。TUI/CLI：在当前项目目录运行 maka 或 maka run 即可启动。Eval 模块：声明式多臂实验，展开为 task × repetition × subject 单元格，输出分数、归一化 usage、可归属成本、持续时间、状态、失败原因与产物。

支持的模型连接包括 Anthropic、OpenAI、Google Gemini、DeepSeek、月之暗面、Ollama 等，并可通过兼容网关接入自定义 OpenAI 端点。Bot 集成覆盖 Telegram、Slack、飞书、企微、QQ、Discord。MCP 兼容、内置 Read/Write/Edit/Bash/Glob/Grep 工具，权限系统可逐工具粒度配置。

特点

  • 本地优先 + Apache 治理：数据默认落本地，会话与产物归属用户；同时享受 ASF 中立治理，长期不被任何单一厂商绑定
  • 事件溯源 Runtime：模型消息、工具调用、权限决策全部入追加日志，UI 与上下文都是日志的”投影”，天然支持会话分支、回放、审计与恢复
  • 执行权威分离：Runtime Host 拥有 Session/Turn/工具生命周期，Eval 只读不可改，杜绝”评估模块偷偷改执行状态”的常见坑
  • 多端同 Runtime：Desktop、TUI、CLI、headless runner 共享 Runtime Host，行为一致，可在不同形态间无缝切换
  • 可观测 & 可评估：Eval 模块内建可复现 benchmark 框架，支持把外部 Agent 当 subject 接进来做对照实验

使用方法

方式一：从源码构建桌面端（macOS Apple Silicon）

git clone https://github.com/apache/maka.git
cd maka
npm ci
npm run dev

首次启动进入 Settings → Models，添加 API、本地模型或兼容网关连接，测试连通后即可开始任务。

方式二：CLI / TUI（开发者友好）

npm run build
npm run cli:dev -- run "总结这个仓库并识别最大风险"
npm run cli:dev -- run --graph "实现两个独立切片、集成、再评审"

--graph 模式会创建隔离的 Git worktree 并调度子代理，等于把 Superpowers 风格的工作流开箱即用接进 CLI。

前置依赖：Node.js ≥ 22.19（CI 使用 Node 24）、npm 11、Git、ripgrep。Windows x64 提供未签名预览，Linux/Intel Mac 暂未支持。

使用场景与人群

  • 个人开发者：想要 Claude Code / Cursor 那种 Agent 体验，但又不想把代码、会话历史、产物传到云端的隐私敏感用户
  • 企业 IT / 独立顾问：需要部署在自有硬件上的 AI Agent 工作台，对数据主权、审计、可恢复性有强诉求
  • AI 评测研究员：需要可复现 benchmark 框架对比不同 Agent / 模型的人
  • 多模型混合使用者：同时使用 Claude / GPT / Gemini / DeepSeek / 本地 Ollama，希望统一会话与权限策略的人

输入与输出案例

案例一：仓库分析

输入：

maka run --graph "总结这个仓库并识别最大风险"

输出（节选）：
– Runtime Host 创建隔离 Git worktree
– 调度子代理分别跑 Read/Grep/Bash 工具扫描仓库结构
– 生成《仓库概览 + 风险清单》Artifact（Markdown），落地到会话附件
– 触发 using-superpowers-like 的两阶段审查：实现证据 vs 模型自报完成
– 用户可在 Desktop 会话里随时回放 Runtime Event Log，确认”哪条工具调用获得了哪条权限决策”

案例二：多切片并行开发

输入：

npm run cli:dev -- run --graph "实现两个独立切片，集成后再 review"

输出：
– Graph operator 调度两个独立子代理，分别落到隔离 worktree
– 子代理产出完成后由 Supervisor 自动集成、运行测试、产出评审结论
– 全过程留痕：每条工具调用、权限弹窗、终止事实全部可查
– Eval 模块可一键把这个 run 转成 benchmark 单元格，方便日后回归对照

Apache Maka 处在早期 public release 阶段（macOS arm64 优先，Linux/Windows 预览），但它做的事情不是”又一套 Agent UI”，而是把 Agent 当基础设施来治理——这正好踩在 2026 年 Agent 生态从”工具”走向”平台”的拐点上。值得每一个认真考虑把 AI Agent 引入生产环境的团队关注。

GitHub: https://github.com/apache/maka

评论区

0 条评论

登录后可评论。

Skill超级捕获手 11 阅读