MonkeyCode AI 是由知名安全厂商长亭科技精心打造的企业级 AI 软件开发与研发协同平台。与市面上仅提供代码补全的插件不同，MonkeyCode 致力于重塑整个软件工程工作流，让 AI 真正成为参与需求分析、架构设计、代码开发到自动化代码审查（Code Review）全链路的“工程级合伙人”。平台独创性地内置了 SDD（规范驱动开发）理念，强制 AI 在写代码前先梳理规范，杜绝“胡编乱造”。同时，为了满足企业级严苛的安全需求，MonkeyCode 采用沙箱级云端安全隔离环境，AI 的一切运行皆在阅后即焚的独立虚拟机中进行，并支持 100% 纯内网私有化一键部署，彻底根除核心代码泄露风险。它深度集成主流 Git 平台，兼容国内外顶级大语言模型，全面赋能个人开发者与高要求研发团队。
新版
老版本：基于 Roo Code 开发。
機能一覧
- 自然语言智能开发任务：支持用简单的自然语言描述原始业务需求，AI 将自动接管并完成从技术选型、架构设计到最终代码落地的全过程。
- 内置 SDD 规范驱动工作流：打破传统大模型直接吐代码的混乱局面，强制要求 AI 遵循先拆解原始需求、制定产品设计与技术方案，再生成可执行代码的工程标准。
- 沙箱级云端隔离开发环境：每次执行代码任务时，系统自动创建一个独立的虚拟机沙箱，提供多语言高亮在线 IDE、多会话 Web 终端及文件管理功能，任务结束后立刻销毁环境，保障数据绝对安全。
- 深度集成主流 Git 协作生态：原生支持无缝对接 GitHub、GitLab、Gitee，研发人员无需跳出常用工作台，在 Issue 或 PR 的评论区直接
@MonkeyCode-AI即可触发 AI 响应。 - 全自动化智能代码审查（Code Review）：配置为 Git 机器人后，可自动审阅团队成员提交的 PR/MR，进行语法检测、性能优化分析及深度的潜在安全漏洞拦截。
- 国内外主流大模型自由切换：打破单一模型绑定，平台兼容并支持随时切换包括 DeepSeek、Kimi、Qwen、Claude、Codex 等在内的国内外顶级大语言模型，适配不同复杂场景。
- 100%私有化与离线部署能力：支持一键式 Docker 容器化本地部署，允许企业在完全无外网的纯内网环境下运行大模型与项目数据，满足金融与政务级别的极高合规要求。
- 企业级团队与资源权限管理：提供专业级数据仪表盘与管理面板，企业管理员可细粒度地管理成员权限、审查实时审计日志，并统一分配宿主机、镜像与 AI 模型算力资源。
ヘルプの使用
ようこそ MonkeyCode AI！作为长亭科技倾力打造的企业级AI编程辅助平台，MonkeyCode 打破了传统 AI“只能做代码片段补全”的局限，让 AI 真正深度参与项目研发的全生命周期。本指南将为您详细介绍如何从零开始配置并使用该平台的所有核心功能，无论您是独立开发者、研发团队管理者，还是追求绝对数据安全的私网企业用户，都能在这里找到保姆级的操作流程。
🚀 模式一：线上云端 SaaS 版本（适合个人快速体验与团队敏捷开发）
对于不想折腾本地环境的用户，直接访问 MonkeyCode 官网使用线上云端平台是最快的方式。
1. 注册与领取免费算力福利
- 公式ウェブサイトを見るブラウザでURLを開く
https://monkeycode-ai.com/。 - ログインを承認する：点击登录按钮，建议使用“百智云账号”或其他平台受支持的第三方账号直接授权登录。
- 查收算力：在官方推广期内，新注册用户登录后，系统会自动发放丰厚的初始算力额度（通常约合 20000 点，等值于 200 元人民币）。您可以在控制台左下角的“账户中心”查看算力余额，这笔算力足够您租赁高级云端开发机和调用当前最聪明的大模型跑完好几个真实的完整项目测试。
2. 启动您的第一个“智能开发任务”
MonkeyCode 最大的特色在于内置了 SDD（规范驱动开发） 工作流，确保AI写出的代码高度工程化且具备高可靠性。
- 新しいタスク：进入【智能任务】模块，点击“新建开发任务”。
- 要求事項の説明：在对话框中，用自然语言详细输入您的需求。例如：“开发一个用户手机号验证码登录的后端接口，使用 Python FastAPI 框架，并对接 MySQL 数据库，要求包含完整的错误处理机制。”
- 选择环境与模型：在右侧面板选择您习惯的大语言模型（如国产高性价比的 DeepSeek、Kimi，或海外的 Claude 等），并选择所需的开发镜像。
- 执行规范拆解：点击运行后，AI まい立刻写代码。它会先进行“产品设计”和“技术方案设计”，生成一份有理有据的需求拆解文档。
- 人工确认与开发：您审阅 AI 生成的技术方案，确认无误或手动微调后，点击“开始开发”。此时，AI 将在云端自动为您创建一个独立的虚拟机沙箱，在沙箱内自动安装底层依赖、编写代码、甚至运行测试脚本，整个过程完全可视化，且绝不会破坏您的本地电脑环境。
3. 使用在线 Web IDE 与云端环境
- 当开发任务进行中或完成后，您可以随时进入【在线开发环境】接管进度。
- 界面分布：左侧是文件管理器（可在线浏览、上传、下载您的核心代码文件）；中间是支持多语言语法高亮的在线 IDE 核心编辑器，操作体验媲美原生桌面版 VS Code；下方是多会话 Web 终端，支持直接执行 Linux 命令。
- 一键预览：如果您开发的是前端或全栈 Web 项目，只需在终端中运行项目的启动命令（如
npm run dev），点击界面顶部的“在线预览”按钮，系统会自动为您映射一个公网临时访问链接，方便您直接测试界面交互效果。
🤖 模式二：全自动化 Git 机器人集成（适合已有规范的研发团队协同）
MonkeyCode 可以无缝下沉到您现有的研发流程中，直接在代码仓库中为您干活，目前全面支持 GitHub、GitLab 和 Gitee 平台。
1. 生成并绑定访问令牌（以 GitLab 为例）
- 登录您的 GitLab，进入项目设置页，依次点击
设置->访问令牌。 - 创建一个新的项目令牌（建议命名为
monkeycode-ai-bot以便区分），勾选「开发者」角色，并开放api,read_repository,write_repository三个作用域权限，复制生成的 Token 字符串并妥善保存。 - 回到 MonkeyCode 控制台，进入【团队协作】或【AI员工管理】模块，点击「新建AI员工」，填入您的 Git 仓库地址，并粘贴刚才复制的 Token 完成账号绑定。
2. 配置 Webhook 实现双向实时联动
- 在 MonkeyCode 侧成功创建 AI 员工后，系统会为您提供一组 Webhook URL 和专属 Secret。
- 返回 GitLab 项目的
设置->Webhook页面，将 URL 和 Secret 填入对应位置。在触发事件勾选区，务必勾选“评论(Comments)”和“合并请求(Merge Requests)”，最后点击保存。至此，机器人已经潜入您的代码库待命。
3. 场景实战操作流程
- Issue 驱动自动开发：在您的 Git 仓库中新建一个 Issue 记录功能需求。在描述正文中直接艾特它：
@monkeycode-ai-bot 请帮我实现这个 Issue 描述的功能逻辑。AI 会在几分钟内自动读取分析上下文，在后台写好代码，并主动为您项目提交一个包含完整更新代码的 Pull Request (PR)。 - 智能 Code Review：当团队成员完成代码编写提交了新的 PR/MR 时，作为主管的您只需在评论区留言
@monkeycode-ai-bot 请对本次提交的代码进行全量审查，找出潜在的性能瓶颈与安全漏洞。AI 机器人会立刻响应，对每一行代码进行扫描分析，并以行内评论（Inline Comment）的形式直接在代码旁给出专业的修改和优化建议，极大减轻人工审查压力。
🔒 模式三：企业级纯私有化本地部署（适合极高代码隐私与安全要求的企业）
如果您所在的金融、政务、大型互联网企业严格禁止任何代码数据离开内网，MonkeyCode 提供了极其友好的私有化部署方案。
1. 准备服务器环境
- 推荐使用一台装有常规 Linux 操作系统的服务器（如 Ubuntu 20.04+ 或 CentOS 7+）。
- 确保服务器已安装 Docker 和 Docker Compose 环境，以保障容器化一键部署的顺利运行。
2. 运行一键安装脚本
- 利用する
root权限登录您的 Linux 服务器命令行终端。 - 运行官方提供的快速安装指令：
curl -sSL https://install.monkeycode.baizhi.cloud | bash - 脚本会自动拉取所需的各个容器镜像并完成前后端服务、数据库的联动配置。安装过程结束后，终端控制台会清楚地打印出本地管理面板的访问地址（通常是类似
http://您服务器的IP:8080的格式），以及系统为您生成的初始管理员账号和密码（如果您不慎遗忘，可以随时在安装目录下的.env文件中找回）。
3. 配置私有化模型与企业内部团队管理
- 模型私有化接入：使用管理员账号登录您本地搭建的后台，进入【模型管理】菜单。您可以填入企业集中采购的商业大模型 API Key，更重要的是，您可以直接将接口指向企业内网本地化部署的开源大模型（如 Qwen-Coder、Llama 系列等），实现真正的物理隔离。
- 资源分配与团队协作：进入【团队管理】模块，管理员可以批量导入企业内部研发成员的账号，并为不同岗位的开发人员按需分配开发用的云端宿主机资源和模型算力调用配额。一切研发数据交互全部锁定在企业自建机房内，真正做到让业务代码 100% 留存内网，防泄漏、更合规。
💡 核心进阶技巧：如何用好提示词以激发最强能力？
在使用 MonkeyCode 进行任务开发时，“把 AI 当成刚入职的新人同事” 是提高沟通成功率的关键。请尽量在“智能任务”的需求描述中采用结构化的提示词（Prompt）。例如，不要仅仅说“写个登录界面”，而是明确指出：“1. 功能背景：面向 C 端用户的门户网站；2. 技术栈：前端使用 React+Tailwind，后端使用 Go；3. 具体要求：需要调用某短信平台 API，具有防刷机制，接口返回标准的 RESTful JSON 格式。”前期的需求描述越丰富清晰，AI 在 SDD 的技术方案拆解步骤中就越精准，最终生成的工程代码就能达到“零修改直接上线”的惊艳效果！
アプリケーションシナリオ
- 企业级核心与敏感业务研发
大型企业的研发团队往往面临严苛的安全合规审查，普通云端 AI 助手存在代码外泄风险。通过彻底私有化部署 MonkeyCode 并对接内网本地大模型，团队可以将全套 AI 辅助开发流架设在纯内网环境中。在保证核心商业机密代码“零泄露”的前提下，让 AI 安全地辅助编写核心业务逻辑或重构百万行级老旧系统，实现合规与效率的双赢。 - 敏捷项目开发与 MVP 需求快速验证
当产品经理、创业者或独立开发者有了新的项目点子，需要快速验证市场时，可以直接利用 MonkeyCode 的 SDD 规范驱动功能。通过自然语言详细描述产品构想，让 AI 在沙箱中自动完成从产品设计、技术架构选型到初代应用代码生成的工作，将从 Idea 到可运行 Demo（MVP）的周期从数周大幅压缩至几天甚至几个小时。 - 自动化严苛代码审查与项目质检
资深技术主管或架构师时间宝贵，难以逐行 Review 团队初级成员提交的海量代码。将 MonkeyCode 机器人静默集成到 GitLab/GitHub 后，每次有新的 Pull Request 提交，AI 机器人都会立刻介入进行静态语法扫描、不规范变量命名核查、性能瓶颈分析，并挖掘深层次安全漏洞（如潜在的 SQL 注入或越权风险），自动生成修改意见，确保主干代码质量。
QA
- MonkeyCode AI 和 GitHub Copilot、Cursor 有什么区别？
答：Copilot 和 Cursor 主要是基于本地 IDE 环境的智能“代码补全或编辑”工具，解决的是“怎么写得快”的问题。而 MonkeyCode 是一个全流程的研发协同平台，解决的是“工程化开发与管理”问题。它引入了独家的 SDD 规范，让 AI 先拆解需求再开发，全程在云端隔离的虚拟机沙箱中运行不污染本地，并重点提供私有化部署与 Git 平台自动化机器人深度整合功能。 - 企业进行私有化本地部署是否需要高昂的费用？对硬件有什么要求？
答：MonkeyCode 平台自身的基础架构开源，支持完全免费的私有化部署，您只需通过一行简单的脚本命令即可在 Linux 服务器上快速搭建。关于硬件要求，MonkeyCode 平台自身占用资源极低（普通服务器即可），对算力的真正考验取决于您选择接入哪种大模型。如果调用外部云端大模型 API，则无需本地昂贵显卡；如果要在内网本地运行 Qwen 等开源大语言模型，则需要配备相应算力的 GPU 服务器。 - 如果我不懂编写代码，可以使用 MonkeyCode 吗？
答：完全可以！平台核心的“智能任务”功能专门提供了自然语言交互界面。您只需要像对下属布置任务一样，用清晰连贯的中文描述您的业务目标和所需功能，AI 就会自动帮您梳理出技术大纲，并在云端的沙箱中自动搭建环境、挑选工具并编写出完整可运行的程序，让不懂代码的人也能成为“超级产品经理”。 - 线上 SaaS 平台是否有免费试用额度供我尝鲜体验？
答：有的。目前长亭官方在产品推广期间推出了力度极大的福利政策。新用户只要通过官方平台注册并登录，系统便会自动赠送价值达数百元人民币的算力点数（例如常见的 20000 点福利）。这笔丰厚的算力资源绝不是简陋的“试用装”，它足以让您开启高配置的云端开发机，并调用最顶配的高阶 AI 模型完整跑通多个真实的日常工程项目测试。
