moat-ai 1.1.6

AI 编码守门员 — 零配置 + 实时拦截 + 处方化提示 + 精准拦截 + 性能飞跃 + 测试覆盖率优化 + Bug 修复

Moat — AI 编码护城河 🛡️

版本: v1.1.5 · PyPI: pip install moat-ai · GitHub: wang-jie-git/moat

"AI 时代的首席架构官" — 不是 Linter，不是 SAST，是代码库的自动驾驶防碰撞系统。

AI 改代码很快。AI 搞坏系统也很快。Moat 在改代码前/后各跑一次，几秒内告诉你系统有没有被搞坏。

---

⚔️ Killer 对比：Moat vs 传统工具

Moat 不是 Linter 的替代品，是全新品类：AI Engineering OS Linter 检查语法，SAST 扫描漏洞，Moat 治理架构。

维度	🛡️ Moat	🔧 传统 Linter	📊 SonarQube
核心定位	AI Engineering OS	代码风格检查	代码质量平台
架构治理	✅ 8 步验收闭环	❌ 仅语法/风格	⚠️ 仅代码气味
分层执行	✅ 内置 5 层规则 + 自定义	❌	❌
增量审计	✅ --diff 2 秒出结果	⚠️ 仅文件级	❌ 全量扫描
门禁模式	✅ --fail-on-score 拦截	⚠️ 部分支持	✅
证据链	✅ Reason → File → Line	❌ 仅行号	✅
安全注入拦截	✅ 零误报	❌ 高噪音	✅
AI 上下文集成	✅ MCP / Claude Code Hook	❌	❌
性能	< 0.2s / 次	中等	慢（全量扫描）
测试覆盖率	99.8%+ (1020 tests)	❌	❌
配置	零配置	需配置	需配置

---

✨ 三大独家差异点

🔍 Diff-Aware Audit（增量验收）

全量扫描 4160 个文件？太慢。moat accept --diff 只扫描本次修改的 5 个文件，2 秒完成架构级审计。

# 改了几个文件后，增量验收
moat accept --diff --fail-on-score 60

# 全量验收
moat accept --output ACCEPTANCE_REPORT.md

🧱 Layer-Enforcer（分层执行者）

内置标准 MVC/DDD 分层规则，自动检测 routes/ 直接调用 db/ 等跨层违规。

# 默认 5 层规则：routes → services → db / models / utils
moat accept --diff

通过 architect.yml 自定义任意分层规则。

📋 Evidence-Based（证据驱动）

所有拦截都有完整的证据链，不是黑盒报错：

❌ LAYER_VIOLATION: routes/ 不应直接导入 db/
  → Reason: 分层违规（routes → services → db）
  → File: app/routes/user.py:15
  → Detail: 直接 import db.session

---

🚀 快速开始

# 安装
pip install moat-ai

# 零配置初始化
moat init

# 基本检查
moat check --quick       # 秒级检查
moat check --full        # 完整检查（含架构审计）

# 架构验收（v1.1.4+）
moat accept              # 8 步架构验收
moat accept --diff       # 增量验收（2 秒）
moat accept --output report.md  # 生成报告

# 门禁模式
moat accept --diff --fail-on-score 60  # 低于 60 分拦截

---

📍 安装方式

Moat 是一个标准 Python 包，运行在你的本地机器上，代码绝不离开你的机器。

pip install moat-ai       # 项目 venv 或全局安装

与 Claude/Cursor 配合

方式 1：直接调用 CLI（推荐）

Claude 直接在终端中执行 Moat 命令，就像人类开发者一样：

moat check --full              # 完整检查
moat accept                    # 架构验收
moat gatekeeper check --file app.py  # 单文件检查

方式 2：Sidecar 守护进程

moat sidecar start             # 启动守护进程
curl http://localhost:7777/api/health  # REST API

方式 3：静态规则注入

moat adapter claude            # 生成 CLAUDE.md
moat adapter all               # 生成所有 AI 工具规则

---

📋 完整命令参考

# 核心检查
moat check [--quick|--full|--diff]  # 4 种检查模式
moat init                           # 零配置初始化
moat watch                          # 实时监控日志
moat report                         # 生成检查报告
moat baseline [save|show|diff]      # 基线管理

# 架构验收（v1.1.4+）
moat accept                         # 8 步架构验收
moat accept --diff                  # 增量验收
moat accept --output report.md      # 生成报告
moat accept --fail-on-score 60      # 门禁模式

# 优化检查
moat check --quick --optimize       # 快速 + 优化规则
moat check --full --optimize        # 完整 + 优化规则

# 进化指标
moat evolution report               # 查看进化报告
moat evolution adjust               # 自动调整配置

# Sidecar 守护进程
moat sidecar start                  # 启动守护进程
moat sidecar status                 # 查看状态
moat sidecar stop                   # 停止守护进程

# AI 适配器
moat adapter claude                 # 安装 Claude Code 适配器
moat adapter all                    # 安装所有 AI 工具适配器
moat adapter precommit              # 安装 pre-commit hook

---

📚 文档

• 快速开始 — 5 分钟上手
• 常见问题 — FAQ
• 项目地图 — 功能全景图
• CHANGELOG — 版本更新日志
• ROADMAP — 未来路线图
• 贡献指南 — 如何贡献代码

---

🔑 核心哲学

AI 是一个会撒谎、会贪快、会产生幻觉的个体。

Moat 真正的价值在于：它是 AI 的"刹车片"。

无论 AI 怎么进化，物理定律不变——高速运动需要刹车，复杂系统需要检查点，连续输出需要暂停验证。

为什么这个定位重要：

• ❌ 玩具 vs 工具：如果定义为"AI 工程操作系统"，它是玩具。如果定义为"刹车片"，它是工具。
• ❌ AI 会变强，但不会变诚实：未来 AI 能力更强，但仍有"偷懒倾向"和"记忆盲区"。
• ✅ "刹车"的永恒价值：高速运动需要刹车，复杂系统需要检查点。

You own the code, you own the guard.

---

🏷️ 标签

ai-agent architecture-guard security-tool code-review static-analysis python gatekeeper devtools lint architecture mcp

---

许可

Apache 2.0