​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/90b0dc8d837791878eb975b8123ed42e.webp)
​
最近老金在参加AMD的一个AI比赛，正好赶上Meta\_Kim这段时间更新了很多东西，我就顺手把它再拿出来讲一遍。先把边界说清楚，这篇只能讲一部分主框架，不是完整说明书。

Meta\_Kim里面还有不少东西这次不会展开说。比如安装方式、全局能力发现、agents和Commands、MCP和skills。再往深一点，还有Claude Code和Codex的多平台投影、OpenClaw和Cursor兼容、Hook自动化、状态存档、Graphify知识图谱、SQL向量记忆、动态回滚和进化回写。

这些光看一篇文章很难吃透，最好自己去GitHub看README，再实际跑一遍。

GitHub上找 Meta_Kim

对，你最近看到我开源的所有你觉得好用的各种Skills，或者hook等，都是直接从Meta\_Kim里剥离出来的小玩意。

都在上面Github的主页上能看到各个仓库。

这次按图来讲解，先看原始输入，再看决策怎么边做边补全，再看能力发现、发牌、状态、审查和记忆。文章只负责把主链路讲明白，剩下那些更硬的部分，留给GitHub和你自己的实操。

以前我讲Meta\_Kim，讲的是原理，什么治理层、动态工作流、记忆系统。懂的人会点头，更多人会卡在第一步，这东西到底跟我有什么关系。

换成一句人话，Meta\_Kim管的是AI长任务里的失控感。你让AI改项目，它第一轮很积极，第二轮开始扩范围，第三轮跑了几个命令就说完成。可你回头看，根本不知道它证明了什么，也不知道哪些选择是你确认过的。

Meta\_Kim给这种长任务加了一条治理链路。它先问清目标，再找全局能力，再拆任务，再执行，再审查，再验证，最后把经验沉淀回记忆里。下次再遇到相似任务，它不会只靠上下文硬猜，也不会靠一句我已经完成来收工。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/b03aa8a029f038cb8becedb40e4a213e.webp)
​
第一张图就是开头。我的原始需求只有一句，我想做个公众号写作增长的系统。普通AI很容易直接开始写方案，甚至直接建文件。

Meta\_Kim先把问题摊开，问核心目标是什么，第一版验证什么，当前起点在哪里，主要服务谁。

这一步叫 Critical，可以理解成入口判断。它先看这句话能不能直接开干，不能开干就把模糊意图拆成可选路线。

公众号写作增长系统可能是选题系统，也可能是数据分析系统，还可能是发布自动化系统。三个方向都叫增长，第一步完全不一样。图里它把路线摆出来，让人选，没有替人偷做决定。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/38d516ef3a6b2499a108082216e1679c.webp)
​
Fetch阶段不是直接开搜，而是边推进边继续弹出决策点。

Meta\_Kim不是只在开头问一次，然后一路自己跑完。它会随着任务往前走，继续把关键决策点弹出来，让人的意图变得更具体。

图里已经到了 Fetch 阶段，也就是准备收集证据和发现能力。系统先把前面锁定的内容列出来：核心目标、服务对象、起点、垂直领域、交付形态、AI边界、技术背景、首发模型、发布频率。然后它继续问，下一步证据要看哪里，写作风格怎么定，人的介入点放在哪。

这就叫边做边丰满决策。比如用户一开始只说想做公众号写作增长系统，这还不够。走到Fetch时，Meta\_Kim会继续问技术背景是独立开发者还是运营团队，首发内容是深度原创还是快速复盘，发布节奏是周更还是日更，证据范围要看官方规范、起量案例、本地工具栈，还是AI全流程介入的现状。人把这些选完，AI再进入证据检索和执行。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/ed8c99cbdc2a21bb48fcabbebabcc12f.webp)
​
第三张图讲 Gate。Gate就是闸门，AI要动文件、改配置、改变任务范围时，不能靠一句我知道了继续往下跑。它必须说明要动哪里，为什么动，动完怎么验。图里这次拦的是批量新建文件。GateGuard发现每次创建文件都要报备，最后把节奏改成保持现状，逐一报备。

这张图对应的是一个习惯，AI每次要动项目结构时都要把动作摊开。人的限制条件被写进任务，后面的步骤要照着执行。我以前最怕AI长任务的地方，就是它嘴上说尊重边界，手上继续改一堆东西。Gate就是专门拦这个的。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/2c5345299be73eda29def5217d08e58d.png)
​
第四张图进入 Fetch和全局能力发现。很多人看到Fetch会想到联网搜索，但Meta\_Kim里的Fetch更宽。它是在开干前把能用的能力找全，把证据拿出来，再决定谁去做。

这里的能力池不只有 Skill。它还会找 Agent、MCP、Tools、Command、运行时工具、Hook、Graphify知识图谱、Memory记忆、项目脚本和配置。Agent是被分配了边界任务的执行单元，像一个临时工位。Skill是可复用的方法，比如公众号写作、质量检查、代码审查。MCP是外部能力连接器，数据库、浏览器、记忆服务、图像生成都可以通过它接进来。Tools是当前环境真实能调用的工具。Command更像已经做好的按钮，点下去就能跑检查或生成报告。

这张图的价值在于，它把AI从单点猜测拉到能力检索。系统会看这次任务该调哪些能力，哪些能力只是发现了，哪些真的调用了，哪些只是选中但没有执行。发现能力，不等于调用能力。调用能力，也不等于任务完成。最后还要看验证结果和用户目标有没有闭合。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/c109d36aab461068b6f671cab9ad67cc.webp)
​
第五张图是 Dynamic Workflow和 LangGraph。

Dynamic Workflow就是动态工作流，意思是不同任务走不同路线。公众号写作增长这个任务，需要内容、产品、集成、发布、反馈、进化。它不需要前端大界面，也不需要数据库，所以图里有的通道启用，有的通道省略，有的只做监控。

LangGraph在这里可以理解成节点、边和状态。任务被拆成一个个节点，节点之间有依赖关系，每一步走到哪里都写进状态。下面的worker task packet就是任务包，每个包都要说明输入、输出、依赖和合并方式。图里还有Capability Invocation Truth，也就是能力调用真相表。它把能力分成invoked、discovered\_not\_selected、selected\_not\_invoked、unavailable、unknown。这样AI就不能把看见了说成用过了，也不能把选中了说成跑通了。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/72d9c0e509662b15c752430fdb00a553.webp)
​
第六张图讲发牌策略。发牌这个词听着虚，其实很具体。任务走到岔路时，系统把下一步选择做成几张决策卡，让人选，再让AI按选中的牌继续做。

图里展示的是一个选择汇总，还没到最终执行结果。

上一轮编排与能力发现被弱化，本轮要不要补全。fabric CLI不在PATH上，要不要换AI CLI引擎。MCP图像生成能力已经可用，要不要接入。这个时候AI自己继续跑，很可能直接改脚本，或者绕过某个依赖往下写。Meta\_Kim必须停下来，把牌发出来。

补全能力发现这张牌，是问这轮要不要把缺掉的全局能力补回来。fabric依赖这张牌，是问继续修原工具，还是换成别的AI CLI引擎。人选完，AI再继续。发牌策略的本质就是把关键分叉显性化，把决策权交回人。证据不足就回Fetch补证据，路线不对就回Thinking重排任务，执行中发现风险就暂停或改牌。它给长任务留下了能停、能问、能退的机会。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/31c9fbe762de48c4cd26514a6924ab80.png)
​
第七张图讲 State。State就是状态账本，AI现在走到哪一步，哪些阶段完成了，哪些阶段还是pending，是否允许交互选择，是否开始执行，都会被记录下来。

咱不用记字段名，只要记住一点：Meta\_Kim不听AI嘴上说完成，它看状态、产物和验证记录。

这也是我一直想做的边界。AI说自己完成，只能算一句话。它提交了可检查的东西，才算进入验收。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/b1e58ae15408062016c834898afd5394.png)
​
第八张图是 Review。这里的Review不负责润色和夸人，图里这个Review worker在做上游审查。它会检查Critical、Fetch、Thinking三个阶段有没有真的锁住目标，也会检查能力有没有找全。owner、weapon、dependency、runtime、OS、verification这些关键项有没有对齐，也要在这里过一遍。

它甚至会追问，上一轮有没有把agent和能力实际调用起来，还是主线程自己悄悄做完了。

这就是Meta\_Kim比较硬的地方：不只审最后结果，也审前面的决策过程。前面路线错了，后面写得再漂亮也不能算好。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/5536fe8f879572603fe6d57730f92e9a.png)
​
第九张图继续往后。Meta-Review负责复查Review标准有没有到位。Verification负责验证，必须看真实命令、运行记录、文件结果，不能只看AI总结。Evolution负责进化回写。它会判断这次有没有可复用经验、避坑规则和能力缺口，也会判断有没有内容需要写回skill、agent、command、contract、memory或graph。

图里还有none-with-reason。它要说明这次不写回的理由。记忆不是垃圾桶，能沉淀的才沉淀，不能沉淀的要说明原因。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/c3b465fc27db85ee4b00edbd9427961f.png)
​
后面两张图讲记忆。这张是Graphify知识图谱，可以理解成项目地图。项目越做越大，AI每次全仓乱翻就会慢，也容易漏。Graphify把文件、模块、概念之间的关系梳理出来，让AI下次知道从哪里找证据。

它不替代源码，只帮AI少走弯路。真正判断仍然要回到文件、运行记录和用户目标。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/a82ee0eb8c56dfd05e8d40f6b23c0736.png)

这张是向量记忆。Graphify更像项目地图，向量记忆更像会话经验库。它负责接住过去的任务、判断、教训和上下文。下次遇到相似问题时，AI可以把相关经验找回来，少一点从零开始猜。

所以三层记忆不用死背。项目规则和能力记忆负责留下可复用的做法，Graphify负责给项目画地图，SQL和向量检索负责把会话历史接回来。它们合在一起，AI才有机会越用越懂项目。但我也不把它吹成永远正确。记忆负责减少失忆，最后仍然要看Review、Verification和用户确认。

所以这次老金重新安利Meta\_Kim，重点不在我又做了一个新工具。AI编程会越来越强，长任务会越来越多。到那时候，真正值钱的能力会变成让AI在一个可控闭环里做事。

模糊意图要先问清，做着做着还要继续补齐决策。能力要先找全，任务要能拆，执行要有闸门，关键岔路要发牌给人，结果要能审查，验证要有证据，经验要能复盘和沉淀。

这就是更新后的Meta\_Kim想做的事。

它让AI在该动手的时候动手，在该停下来的时候停下来，在该问人的地方把牌摊出来。

希望老金做的这玩意对你有所帮助，虽说我只在Claude code和Codex进行了实测，但是它理论上是通用的，你可以在任意平台进行使用。

有用的话，记得帮我在Github上给个Star，它能让更多的人看到它。

每次我都想提醒一下，这不是凡尔赛，是希望有想法的人勇敢冲。  
我不会代码，我英语也不好，但是我做出来了很多东西。  
我真心希望能影响更多的人来尝试新的技巧，迎接新的时代。
谢谢你读我的文章。  
如果觉得不错，随手点个赞、在看、转发三连吧🙂  
如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。

​​最近老金在参加AMD的一个AI比赛，正好赶上Meta_Kim这段时间更新了很多东西，我就顺手把它再拿出来讲一遍。先把边界说清楚，这篇只能讲一部分主框架，不是完整说明书。

老金带着实操图来安利更新后的Meta_Kim了，Claude Code、Codex等多平台兼容

人工智能

开发工具

新闻资讯

Meta_Kim是一个AI任务治理框架，帮助管理长任务中的失控问题。它通过入口判断、能力发现、任务拆分、执行审查、验证沉淀等步骤，让AI在可控闭环中工作。框架包含Critical、Fetch、Gate、Review等模块，支持动态工作流、知识图谱和记忆系统，确保AI任务透明可控。适用于公众号写作、代码开发等场景，已在ClaudeCode和Codex实测。

知识图谱

数据分析

数据库

AI编程

OpenClaw

GitHub

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Meta_Kim是一个AI任务治理框架，帮助管理长任务中的失控问题。它通过入口判断、能力发现、任务拆分、执行审查、验证沉淀等步骤，让AI在可控闭环中工作。框架包含Critical、Fetch、Gate、Review等模块，支持动态工作流、知识图谱和记忆系统，确保AI任务透明可控。适用于公众号写作、代码开发等场景，已在C...

老金带着实操图来安利更新后的Meta_Kim了，Claude Code、Codex等多平台兼容-腾讯云开发者社区-腾讯云

老金带着实操图来安利更新后的Meta_Kim了，Claude Code、Codex等多平台兼容

老金带着实操图来安利更新后的Meta_Kim了，Claude Code、Codex等多平台兼容

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐