AI 助手干过什么,不能只靠聊天记录:Apache Maka 把执行过程写成账本

摘要：Apache Maka 是一个本地优先的 AI Agent 工作台。它把消息、工具调用、权限决定和终止状态写进可恢复事件日志，适合长任务复盘，也有明文凭据、沙箱覆盖和孵化期等边界。

AI 助手一次任务里会做多少事？它可能先读十几个文件，再跑命令、改代码、请求权限，收尾时把结果压成几段聊天文字。

问题也藏在这里。窗口里显示的是一次对话，却不一定是完整执行记录。上下文被压缩后，旧工具输出可能不再发送给模型；进程崩溃后，界面也未必能解释任务停在哪一步。到了复盘时，人们常只能问一句：“它刚才到底干了什么？”

这周 GitHub Trending 上的 Apache Maka，给出了一个很工程化的答案：别把聊天界面当账本，直接把执行事实记下来。

周榜数字不最高，为什么选它

北京时间 2026 年 8 月 29 日 23:42 查询 GitHub Trending weekly 时，apache/maka 显示 1,918 stars this week，总 Star 3,992。这个数值是查询时的滚动周榜快照，不等于严格从北京时间周一零点开始累计的新增 Star。

同一页面里，awesome-gpt-image-2 为 12,877，Archify 为 11,099，OpenAI Codex 为 9,109，Omarchy 为 5,942，AI Job Search 为 4,828。Maka 的热度并不占上风。

它胜在故事够新，也够具体。awesome-gpt-image-2 更像案例和提示词资料库；Archify 与上周介绍的 Diagram Design 主题重复；Omarchy 需要真实硬件迁移才能评价；AI Job Search 又高度依赖岗位网站和个人数据。Maka 讨论的是一个许多 Agent 都会遇到的问题：执行历史怎样保存、恢复和审计。

原创数据图：6 个重点候选的 stars this week 查询时快照。GitHub 未公开榜单算法与精确时区。

聊天窗口只是“投影”

Maka 由 Apache Software Foundation 孵化，定位是本地优先的 Agent 工作台。它提供桌面端、TUI/CLI 和评测入口，三者都通过同一个 Runtime Host 执行任务。

这条主干可以简化成：桌面或终端把任务交给 Runtime Host，SessionManager 管理会话与执行生命周期，AgentRun 调模型和工具；模型消息、工具调用、工具结果、权限决定以及任务怎样结束，都进入 Runtime Event Log。

事件日志才是源头。界面里看到的时间线、下一次发给模型的上下文、崩溃恢复后的会话，都是从日志生成的视图。Maka 可以为了控制上下文长度，不再把很早的工具输出塞回模型，却仍保留原始记录。少给模型看一些，不等于把历史删掉。

原创架构图：桌面、终端和评测通过同一个 Runtime Host 使用会话、工具、权限和事件事实。

这点很容易被低估。聊天记录通常只回答“模型说了什么”，事件账本还要回答“工具实际做了什么”“用户允许了什么”“任务为什么停下”。长任务出错时，后面三个问题往往更值钱。

原创概览图：完整事件记录保存一次，模型上下文、界面时间线和恢复流程按用途读取。

不只为了恢复，还为了做评测

Maka 把 Eval 也接到同一个 Runtime Host。一次实验会展开为任务、重复次数和受测 Agent 的组合，每个单元可以有不可修改的尝试记录。最终结果只保留分数、用量、成本、耗时、状态、失败原因和产物，并按规则选择最早的有效尝试。

这样做的目的，是减少“挑一个最好看的运行结果”这种人为空间。Maka 自己的任务仍由 Runtime Host 执行，外部 Agent 则通过适配器接进实验。评测系统负责实验和评分，不另造一套任务执行逻辑。

本周提交也沿着这条主线前进。8 月 29 日的默认分支可以看到 SQLite 上下文卸载基础、运行中断恢复、计划最终回复保留、Peer Mesh 管理、桌面与 npm Nightly 通道，以及安全边界文档对齐等变更。活跃度很高，稳定性则要另说。

怎么体验

官方 README 目前不推荐直接下载预编译安装包，因为项目还没有经过 Apache 投票的正式 Release。源码运行需要 Node.js 22.19 或更新版本、npm、Git 和 ripgrep：

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

第一次打开后，需要在设置里添加自己的模型连接。可以使用云 API、本地模型或兼容网关。Maka 不附带共享模型账号，所以“本地优先”描述的是数据和运行记录的默认归宿，不代表所有提示词都只在本机处理。

桌面端当前重点支持 Apple Silicon Mac；Windows 是未签名预览，Linux 尚未正式支持。开发 CLI 可以运行交互式 TUI，也可以用 maka run 执行一个非交互任务。想用 Agent Graph 拆分工作时，源码项目还需要是干净的 Git 工作区，因为独立任务会使用 Git worktree。

谁会从这套设计里受益

如果你只想问两句代码问题，Maka 显得很重。它更适合经常把 Agent 用在长任务上的开发者：一次任务会改多个文件、调用外部工具，需要中途恢复，或者要把不同 Agent 放进同一套评测里比较。

团队场景也有价值。审查者不必只看模型的最终总结，可以沿事件记录检查工具调用、失败原因和权限决定。做内部 Agent 平台的人，则能参考它怎样把执行、界面、上下文和评测拆开。

但这不是装完就能放心托管敏感仓库的成品。它仍处于快速开发期，README 明确说数据格式、CLI 和实验能力可能变化。

“本地优先”不等于天然安全

Maka 的安全文档说得很直白：面对可能带有攻击性的模型输出，真正的执行边界是操作系统。权限弹窗、输出脱敏和 URL 过滤都是有用的防呆措施，却不是隔离保证。

受限模式下，macOS 和 Linux 的部分非 PTY 命令会进入 Seatbelt 或 bubblewrap；Windows 当前只有专用文件系统 worker 进入 AppContainer。集成终端、外部环境和绕过模式不在同一覆盖范围。工具最终仍以当前 OS 用户的权限运行，比较稳妥的试法是使用非管理员账号和低敏感目录。

凭据也是一处需要停下来看的细节。模型 API Key 和订阅 OAuth Token 会以明文 JSON 写在工作区凭据目录里，依靠 OS 账号和文件权限保护。明文密钥不会发给渲染进程，但拿到本机账号权限的程序仍可能读取它们。

原创安全图：操作系统、受限沙箱、权限 UX、凭据落盘和模型连接需要分开判断。

项目的 Apache 孵化免责声明还指出，软件授权和部分贡献者协议尚未全部完成。Apache-2.0 许可证已经在仓库中，但准备把当前代码集成进商业产品时，仍应按官方提醒做完整的许可证审查。

总结

Maka 最值得看的地方，不是又多了一个 Agent 桌面客户端。它把一件常被聊天界面遮住的事摆到了前台：模型说过的话、工具做过的事和用户批准过的权限，应该能分别核对。

这套事件账本能否在真实大型项目里保持性能、兼容和易用，还需要时间验证。现在体验它，更像阅读一个正在快速成形的 Agent Runtime 参考实现，而不是迁移到稳定生产工具。

如果你准备试，先拿一个可随时丢弃的小仓库跑任务。中途终止一次，再恢复；缩短一次上下文，再查看历史；再核对文件变化、工具时间线和权限决定能否对得上。这个测试比单看最终回复更能说明 Maka 的价值。

官方仓库：https://github.com/apache/maka作者/组织：Apache Software Foundation，Apache Incubator 项目许可证：Apache License 2.0（集成当前孵化代码前仍需阅读 DISCLAIMER-WIP 与 NOTICE）查询时源码版本：0.2.0；尚无正式 Apache Release