Memdoor 编码工作流

这个 Agent 能做什么，适合哪些场景？

Memdoor 是一个用 Go 编写的编码代理和工作流运行器，既可在终端交互，也可通过 CLI 以无界面方式运行。编码代理能读取项目文件、编辑代码并运行检查；YAML 工作流则把任务拆成有检查条件的步骤，可并行执行独立步骤，并在审批门暂停。它通过本地 gateway 调用模型，支持 OpenRouter、Anthropic、OpenAI、Gemini 等提供商，也可连接 janis、Ollama、llama.cpp、LM Studio 或 vLLM 等本地运行时。Memdoor 可作为 ACP 服务接入 Zed、JetBrains 和 VS Code，也能在 GitHub Actions 中运行工作流。文件、会话和命令保留在运行机器上，但发送给模型的内容会到达所选模型提供商。

在项目目录中运行 memdoor 后，代理会根据任务读取文件、调用工具、修改代码并运行检查；终端会显示执行过程和检查结果。脚本可用 memdoor run 启动无界面回合，并通过 --json 获取事件输出。对于重复任务，工作流把步骤写在 YAML 文件中，由 mario 执行依赖图；步骤可声明 requires 条件、target 检查、超时和审批门，失败后可从失败步骤恢复。用户还可用 memdoor workflow run 执行工作流、用 memdoor acp 向编辑器提供代理会话，或在 GitHub Actions 调用现成工作流。

1. 需要在本地代码库中修复故障并运行测试的开发者，可用终端代理完成一次编码任务。
2. 维护重复发布或审查流程的团队，可将步骤、检查条件和审批门写成 YAML 工作流。
3. 希望在 CI 中自动审查拉取请求的团队，可在 GitHub Actions 使用 pr-review 或 security-review。
4. 使用 Zed、JetBrains 或 VS Code 的开发者，可通过 ACP 在编辑器工作区调用 Memdoor。
5. 想在自己的机器或 SSH 可达主机上运行开源模型的团队，可连接 janis、Ollama、llama.cpp、LM Studio 或 vLLM。

如何安装或部署这个 Agent？

安装脚本适用于 macOS、Linux 和 Windows；README 的终端示例如下。使用模型提供商时，设置相应 API 密钥；也可连接本地模型而不使用密钥。若从源码构建，需要 Go 1.25。

curl -fsSL https://memdoor.ai/install.sh | bash
export OPENROUTER_API_KEY=sk-or-...
cd your-project && memdoor

本地模型路径：

memdoor connect local

从源码构建：

git clone https://github.com/guregodevo/memdoor && cd memdoor
make build
cp memdoor ~/.local/bin/

如何使用这个 Agent？

在项目目录启动交互式代理：

cd your-project && memdoor

无界面运行任务，或将 diff 通过标准输入交给代理：

memdoor run "make the retry wait configurable and add a test"
git diff | memdoor run "review this diff; one line per finding"

运行工作流：

memdoor workflow run release --wait

工作流文件放在 .memdoor/workflows/<name>/；可在终端中用 /workflow:<name> [the task] 启动。要连接编辑器，可配置 ACP 客户端：

{
  "acp.agents": {
    "Memdoor": { "command": "memdoor", "args": ["acp"] }
  }
}

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

1. v1.790.0 Memdoor v1.790.0 2026-11-04
   发布说明摘录

   One binary per platform; curl -fsSL https://memdoor.ai/install.sh | bash installs the right one from this release and checks it against SHA256SUMS.

   在 GitHub 查看 ↗
2. v1.789.0 Memdoor v1.789.0 2026-11-04
   发布说明摘录

   One binary per platform; curl -fsSL https://memdoor.ai/install.sh | bash installs the right one from this release and checks it against SHA256SUMS.

   在 GitHub 查看 ↗
3. v1.788.0 Memdoor v1.788.0 2026-11-03
   发布说明摘录

   One binary per platform; curl -fsSL https://memdoor.ai/install.sh | bash installs the right one from this release and checks it against SHA256SUMS.

   在 GitHub 查看 ↗

常见问题