企业官网建设流程全解析

• 人工智能
• AI Agent
• 代码智能体
• 大模型
• CLI

MOMO CODE 是一个完全开源、会自进化、会自微调的 AI 编程 Agent。它的/refine命令会自动回顾你的最近会话轨迹，生成有证据支撑的优化提案，并在人工批准后安全落地——让 Agent 真正做到"越用越聪明"。本文带你从零走完这条自改进流水线。

为什么 AI 编程 Agent 需要"自改进"？

大多数 AI 编程工具都有一个痛点：用得越多，经验丢得越多。这次会话里你纠正过它的写法，下次会话它照样犯。

MOMO CODE 借鉴了生物学的"双速进化"思路：

• 快环（/evolve）：分钟级，把会话中的经验提炼成"策略卡"（tactic）；
• 慢环（/fine-tune）：小时到天级，用评分数据微调模型；
• /refine：介于两者之间的"审查式自改进"——不改模型，只改提示词和策略，快、可逆、必须人工批准。

完整架构说明可参考：docs/self-evolution.md

/refine 工作原理：四步闭环

整个流程的源码入口在 refine.ts，核心逻辑可以概括为四步：

第一步：自动回顾会话轨迹

每次和 MOMO CODE 对话时，session/recorder.ts 会把 prompt、response、模型、退出码等记录为本地会话文件（按天存为~/.momo/sessions/YYYY-MM-DD.jsonl），并在落盘前自动清除 API Key 等敏感信息。

执行/refine时，它会读取最近 20 条会话（可用--last=N调整），格式化后交给一个"改进审查员"模型。

第二步：生成两类"小而可逆"的优化提案

审查员模型受严格约束（见 propose.ts 中的 reviewer prompt）：必须引用具体会话 ID 作为证据、每次最多 5 条、没发现值得改进的地方就返回空列表。提案只有两种类型：

提案以pending状态保存为独立 JSON 文件，存放在~/.momo/refine/proposals/，状态机为：pending → approved → applied或pending → rejected（见 store.ts）。

第三步：人工审查门禁（review gate）

这是 /refine 最关键的设计：没有任何提案能在未经approve的情况下生效。

你可以先用show查看提案的完整证据链和 rationale，再决定批准或拒绝。这一步保证了改进过程完全透明、可控。

第四步：安全落地

apply.ts 在落地时会做多重校验：

• 只有approved状态的提案才能 apply；
• tactic 中的检查命令必须命中白名单（node、npm、pnpm、npx、tsc、eslint），且禁止反引号、管道、命令分隔符等 shell 元字符（规则定义在 experience/guard.ts）；
• 落地的 tactic 只是draft，仍需在经验循环的 Gate 中"挣得"晋升；
• 落地的 prompt patch 会自动带上提案 ID 与证据来源注释，方便日后审计。

完整用法：6 条命令走完自改进

momo /refine # 从最近会话生成优化提案（默认 --last=20） momo /refine list # 列出所有提案，可按状态过滤（--status=pending） momo /refine show <id> # 查看提案的证据 + 内容 momo /refine approve <id> # 批准（审查门禁） momo /refine apply <id> # 落地：tactic → 草稿策略卡，patch → 提示词文件 momo /refine reject <id> # 拒绝

一个典型的工作流：

1. 日常使用 MOMO CODE 完成若干任务；
2. 跑一次momo /refine，得到若干[pending]提案；
3. 挑感兴趣的show查看证据，满意则approve→apply；
4. 下次会话开始，策略卡与提示词补丁自动生效，Agent 行为随之改进。

MOMO CODE 四层架构中，/refine位于体验与自进化层，与/evolve、/fine-tune并列：

和 /evolve、/fine-tune 什么关系？

三者共同构成 MOMO CODE 的自进化体系，分工明确：

可以把/refine理解为"最轻量的自改进入口"：不动模型、不花钱训练，每次会话积累都沉淀成可审查的改进资产。

常见问题

没有提案生成？说明近期会话表现良好，审查员认为"没有值得改进的地方"——这也是设计目标之一：宁可空手而归，也不输出泛泛而谈的建议。

提案里引用了哪些会话？evidence字段就是会话 ID（ses_...），对应的原始记录都在~/.momo/sessions/里，可随时回查。

落地后发现不合适怎么办？tactic 是独立 JSON 文件、prompt 补丁带注释追加，直接删除对应条目即可回滚，这也是提案坚持"小而可逆"原则的原因。

想上手试试？克隆仓库后即可安装：

git clone https://gitcode.com/momozi1996/momo-code

然后多跑几个会话，用/refine让 MOMO CODE 基于真实轨迹给出第一份改进提案吧 🚀

• 人工智能
• AI Agent
• 代码智能体
• 大模型
• CLI