长亭科技开源了一款AI编程平台，能私有化部署，免费额度还多到离谱！

最近在 GitHub 上刷到一个国产 AI 编程项目，点进去看了眼代码仓库，发现是长亭科技开源的。

长亭科技，做安全的那家，雷池WAF、洞鉴漏洞扫描器、洞庭Web应用扫描器都是他们的产品。

在国内安全圈子里算是头部厂商了。一家安全公司去做 AI 编程工具，这个组合有点意思。

这东西叫 MonkeyCode，开源协议是 GNU AGPL v3.0，核心代码全在 GitHub 上。

先放链接：https://github.com/chaitin/MonkeyCode

01 | 不只是个人工具，更是一个团队开发平台

先说清楚 MonkeyCode 是什么——它不是一个代码补全插件，不是一个命令行助手，而是一个完整的云端 AI 开发平台。

它在做的事情是：把整个软件开发流程搬到浏览器里。

打开浏览器，注册账号，几秒钟就能开始用。你只需要做的事情是：创建项目、描述需求、拆分任务。然后平台帮你：生成代码、安装依赖、跑测试、看日志、改 Bug、部署预览……所有环节都在云端完成。

每个任务背后都有一台独立的开发环境在跑，编译、测试、预览全在云上，不占用你本地电脑的资源。任务结束后环境自动回收，下次用的时候再分配新的。

跟 Cursor、Copilot、Claude Code 这些需要装客户端或插件的工具不一样，MonkeyCode 零配置，浏览器打开即用。

不用折腾本地环境，不用装 Python/Node，不用配虚拟环境，不用处理依赖冲突。

它还支持移动端，iOS 和 Android 都有客户端，通勤路上也能用手机查看项目、管理 AI 任务，PC 和手机数据实时同步。

更重要的是，它内置了团队协作能力：

• • 项目成员管理：邀请成员、分配角色、控制权限
• • 需求 SPEC 管理：把需求文档化，AI 按照 SPEC 拆任务、写代码，不是让你每次从头描述
• • 任务分配与跟踪：一个项目可以拆成多个任务，分配给不同的 AI 实例并行执行
• • 代码审查：AI 生成的代码可以走审查流程，团队成员确认后再合并

这些企业级功能不是后加的插件，是平台原生就有的。

02 | 完全开源，能审计、能 fork、能自己部署

MonkeyCode 用的是 GNU AGPL v3.0 协议。

这意味着什么？意味着它的核心代码完全开放，你能看到每一行实现。不是那种"客户端开源、核心引擎闭源"的套路，是真的全开放。

你可以：

• • 审计代码：看看它到底在做什么，数据怎么流转，模型怎么调用，有没有偷偷上传你的代码
• • Fork 二次开发：基于它的代码改出符合自己团队规范的版本，加自己的模型、改交互逻辑、对接内部系统
• • 部署对外服务：AGPL 协议允许你基于源码部署并提供服务，只要你也开源修改部分

打开 GitHub 仓库看一眼，能看到它的代码结构：

• • frontend/：前端代码，Vue/React 技术栈
• • backend/：后端服务，Go 语言实现
• • mobile/：移动端，iOS 和 Android
• • desktop/：桌面端
• • docs/：文档

技术栈是 TypeScript（56.7%）+ Go（40.3%），前后端分离，架构清晰。截至目前，已经积累了 1117+ 次提交、102 个版本发布，迭代节奏很快，基本保持每周更新。

仓库里有详细的中文 README 和部署文档，上手门槛很低。如果你是 Go 或 TypeScript 开发者，看懂整个代码库不需要太长时间。

03 | 一行命令，私有化部署到内网

这是 MonkeyCode 最大的差异化能力之一。

很多 AI 编程工具都是纯 SaaS，你的代码、需求文档、对话记录全部存在别人的服务器上。对于金融、政务、医疗、军工这些对数据合规有硬性要求的行业，这基本是不可接受的。

MonkeyCode 支持私有化部署，一条命令搞定：

bash -c "$(curl -fsSL 'https://monkeycode-ai.com/online/install')"

配置要求也不高：

• • 控制台：最低 2C / 4G 内存 / 40GB 磁盘
• • 开发环境宿主机：8C / 16GB 内存 / 100GB 磁盘

普通服务器就能跑，不需要 GPU。部署完成后，你的代码、需求文档、AI 对话记录全部在内网，不出防火墙。

而且部署之后还能对接企业内部的大模型服务。很多公司已经自建或采购了大模型 API，MonkeyCode 支持接入这些内部模型，整个 AI 开发流程完全闭环在本地。

对于已经有内部基础设施的企业来说，这个能力是刚需。不用把核心代码和业务逻辑交给第三方，也不用担心数据泄露。代码审计的时候，安全团队可以直接看源码，确认没有数据外传的逻辑。

04 | 和主流工具比，差在哪

说了这么多 MonkeyCode 的特点，拉几个主流 AI 编程工具一起比比。

几个关键差异：

开源 vs 闭源：Cursor、Copilot、Claude Code 全部闭源，你不知道底层在做什么。MonkeyCode 全开源，能审计每一行代码。

SaaS vs 私有化：主流工具全部是 SaaS 模式，你的数据必须上云。MonkeyCode 支持一键私有化部署，代码不出内网。

个人工具 vs 团队平台：Cursor 等工具本质上是个人效率工具，团队协作能力有限。MonkeyCode 从设计之初就考虑了团队场景，成员管理、任务分配、代码审查都是原生功能。

05 | 额度：免费版 9 亿 Token，不跟你玩虚的

聊完产品能力，最后说说额度。

很多人看到"免费 9 亿 Token"会觉得是营销噱头，但我帮你算一笔账你就知道了。

做个横向对比：

市面上某些 AI 编程工具，免费版一个月给的补全次数，用一只手就能数完。同样 ¥99 这个价位，有的产品给你几千积分，折算下来几千万 Token，连 MonkeyCode 免费版的零头都不到。

MonkeyCode 免费版的额度，比别人 ¥99 的都多。

而且免费版能用的模型不寒酸：Kimi-K2.5、MiniMax-M2.5、Qwen3.5-Plus，都是国内一线模型。

升级专业版，还能解锁 DeepSeek-V4-Pro、GLM-5、极致模型-5.6 Terra 等更多选择。

旗舰版更是能用到极致模型-5.6 Sol、5.5、5.4、GLM-5.1 这些顶级模型。

简单说就是：免费版不糊弄你，花钱版让你爽到飞起。

06 | 一个真实案例

说了这么多，不如看一个社区里的真实作品。

MonkeyCode 的社区开发者用它的在线版，做了一款叫《夺旗哈吉米之密室逃脱》的 3D 小游戏： https://4u19se6d.showcase.monkeycode-ai.online/

游戏用到了 Three.js，有电路谜题、密码锁、线索收集这些互动玩法，还支持排行榜。整个游戏从零开始，开发者只需要描述需求，AI 帮他写代码、调试、运行。

这也是 MonkeyCode 和很多 AI 编程工具最大的不同——不只是帮你补全几行代码，而是帮你把一个想法变成一个真正能玩、能访问、能迭代的作品。你说"做一个密室逃脱游戏"，它就真的给你做出来一个能跑的 3D 游戏。

07 | 适合谁？

• • 个人开发者：免费额度足够日常开发，浏览器打开就能用，零配置，不折腾本地环境
• • 学生 / 初学者：零门槛上手，说需求就能出代码，适合做课程项目和练手，不用担心环境配置
• • 企业团队：代码不出内网、支持私有化部署、团队协作管理，满足合规要求
• • 安全从业者 / 合规团队：代码完全开源可审计，不存在黑盒风险，可以审查数据流转逻辑
• • 开源爱好者：完全开源，可以参与贡献、fork 二次开发，Go 和 TS 开发者都能上手

在线体验（注册就能用）：https://monkeycode-ai.com

GitHub 地址：https://github.com/chaitin/MonkeyCode

官方文档：https://monkeycode.docs.baizhi.cloud

展示案例：https://showcase.monkeycode-ai.online

如果你也认同"AI 开发平台应该支持私有化部署，也应该接受开源审计"这样的理念，不妨去 GitHub 点个 Star ⭐。

一个 Star 不只是收藏，也能帮助项目获得更多曝光，让更多有类似需求的开发者发现它。