Anthropic、Google 或 OpenAI 的資深軟體工程師年薪可達 120 萬美元。這不是筆誤。基本薪資、股權、獎金——頂尖 AI 公司資深工程師的總薪酬每年突破七位數。
而現在，你可以用五個開源儲存庫加上 Kimi K3，自動化那位工程師 80% 的工作。
不是因為 AI 取代了工程師。而是因為那些年薪 120 萬美元的工程師，早就用這類系統做出五個人的工作量。他們建好了自動化層。他們把儲存庫串接起來。他們不再手動寫程式，而是開始編排系統，讓系統替他們寫程式。
以下是完整的技術棧。每個儲存庫。它們如何串接。以及你自己怎麼打造。
把這篇存起來並追蹤我
我是 Noisy，一位有 4 年經驗的開發者。我打造 AI 系統、自動化流程，並想辦法把技術變成真實收入。
為什麼單一儲存庫永遠不夠
大部分嘗試 AI 程式工具的開發者都用錯了方法。他們打開聊天視窗，叫 Claude 或 Kimi 寫一個函式，複製輸出，然後繼續下一件事。他們頂多快 20%。
年薪 120 萬美元的工程師不是這樣工作的。
他們打造了一套系統：一個 Agent 負責規劃工作，另一個負責實作，第三個負責審查，第四個負責跑測試，而且整個系統記得上一週發生的所有事情。他們沒有取代自己。他們在自己周圍建立了一支團隊。
1錯誤做法：2你 → AI 聊天 → 複製輸出 → 貼上 → 重複34正確做法：5你 → 編排 → Agent 規劃、實作、審查、測試6 → 系統記住所有事情7 → 你審查最終輸出
這兩種做法的差異，就是「打字比較快的開發者」與「一個人經營軟體公司」的差異。
以下就是讓第二種做法成真的五個儲存庫。
儲存庫 1 - Kimi Code
這就是你的 AI 資深工程師。不是自動補全工具。不是聊天助理。它是一個存在於你開發環境裡的終端機 Agent，能自主處理完整的工程工作流程。
Kimi Code 會讀取你的整個儲存庫。它理解系統架構。它能在整個程式碼庫中編輯檔案、執行 shell 指令、搜尋相關程式碼、抓取文件，並執行完整的工程迴圈，不需要你一步一步牽著它走。
1收到 Issue2↓3Kimi Code 讀取儲存庫4↓5理解相依關係6↓7撰寫實作8↓9執行測試10↓11自動修復失敗12↓13Git diff14↓15Commit 和 PR
2026 年 7 月的版本加入了一項特別強大的功能：子 Agent。現在它不再用單一 Kimi 工作階段處理所有事情，而是會產生多個專門的 Agent，在各自的上下文中運作。
1Kimi K32├── plan agent - 理解任務，拆解工作3├── coder agent - 撰寫實作4└── explore agent - 研究程式碼庫和文件
每個子 Agent 都在自己的上下文裡工作，這樣主工作階段就不會被無關的 token 塞滿。plan agent 不需要知道 coder 動過的每個檔案。coder 也不需要完整的探索歷史。
這不是一個會寫程式的 AI。這是一個能完成工程任務的 AI。
技能系統
Kimi Code 內建技能市集。一個技能就是一個包含 SKILL.md 的資料夾，裡面告訴 Agent 要做什麼、何時做、以及怎麼做。
1security-review/2├── SKILL.md - 指令、規則、範例3├── scripts/ - 自動化檢查4└── references/ - OWASP 規則、安全模式
與其只用一個通用的 AI：
一個 Kimi 做所有事
你得到的是：
1Kimi K32├── 前端專家3├── 安全審查員4├── 資料庫專家5├── 測試工程師6└── 文件撰寫者
每個技能都能把同一個模型變成特定領域的專家。Anthropic 那位年薪 120 萬美元的工程師，擁有多年累積的專業知識。技能則讓你能隨需取得那份專業。
儲存庫 2 - Kimi Agent SDK
如果 Kimi Code 是工程師，那 Kimi Agent SDK 就是管理層，讓你能在那個工程師之上打造產品。
提供 Python、Node.js 和 Go 版本。它重用了 Kimi Code 裡相同的工具、技能和 MCP server 設定。這表示你在 Kimi Code 中設定的一切——你的技能、你的 MCP 連線、你的工具設定——都能立即透過 SDK 使用。
1你的產品或自動化系統2↓3Kimi Agent SDK4↓5Kimi Code Runtime6↓7Kimi K38↓9工具 / MCP / 技能
你可以用它打造什麼：
1Bug 修復機器人 | 監看 GitHub issue，自動修復2程式碼審查服務 | 在人類看到每個 PR 之前先審查3公司內部 Agent | 回答關於你程式碼庫的問題4Telegram 開發 Agent | 開發者透過訊息請求功能5GitHub worker | 在背景處理例行任務
直接使用 Kimi Code 和使用 Agent SDK 的差別在於：Code 是給你自己互動使用。SDK 則是用來打造不需要你、能自主運作的系統。
一個開發者搭配 Agent SDK，就能提供以往需要整個工程團隊才能提供的服務。不是因為 AI 很神奇。而是因為編排層處理掉了那些不需要人類判斷的部分。
儲存庫 3 - OpenAI Agents SDK + Kimi K3
這就是一個人變成五個人的關鍵。
OpenAI Agents SDK 是一個用來建構多 Agent 工作流程的輕量級框架。而且因為 Kimi API 與 OpenAI 相容，你可以用 Kimi K3 作為模型來跑整個框架。
1from agents import Agent, AsyncOpenAI, OpenAIChatCompletionsModel23client = AsyncOpenAI(4 base_url="https://api.moonshot.ai/v1",5 api_key="YOUR_KIMI_KEY"6)78kimi = OpenAIChatCompletionsModel(9 model="kimi-k3",10 openai_client=client11)1213coder = Agent(14 name="Senior Coder",15 instructions="Implement production-ready code with tests.",16 model=kimi17)1819reviewer = Agent(20 name="Security Reviewer",21 instructions="Review code for security issues and performance.",22 model=kimi23)
同一個模型。不同的指令。不同的專業分工。平行運行。
1你把任務交給 Manager Agent2↓3Manager Agent 拆解任務4↓5Research Agent → 找出最佳做法和函式庫6Coding Agent → 實作解決方案7Testing Agent → 撰寫並執行測試8Security Agent → 檢查漏洞9Docs Agent → 撰寫文件10↓11Manager Agent 審查所有輸出12↓13你收到完成、測試過、有文件、經過審查的程式碼
這不是比喻意義上的五人團隊。這是貨真價實的五個專業 Agent 同時處理同一個任務。一個模型。五種角色。一個工程師編排這一切。
頂尖實驗室裡年薪 120 萬美元的工程師，不是一個人寫所有程式碼。他們設計系統、審查輸出、做出決策。實際的實作是透過他們打造的系統來完成。這就是那套系統。
儲存庫 4 - OpenHands
75,000 顆 GitHub stars。它和 Kimi Code 的差別，在於它能自主執行的工作範圍。
Kimi Code 是終端機 Agent。OpenHands 則是一個完整的自主開發環境。
1任務2↓3Agent4↓5終端機 | 執行指令、安裝套件6程式碼 | 讀寫整個儲存庫的檔案7瀏覽器 | 瀏覽文件、查詢 API8執行 | 執行程式、讀取輸出9儲存庫 | 理解完整架構10↓11結果
實際差異在複雜任務上最能看出來。
叫 Kimi Code 寫一個 OAuth 函式，它會寫出非常漂亮的程式碼。
叫 OpenHands 把 OAuth 驗證加進這個專案，它會探索儲存庫、理解現有的驗證架構、決定 OAuth 該放在哪裡、安裝正確的套件、修改多個檔案、更新測試，並修掉測試過程中出現的整合問題。
1「寫一個 OAuth 函式」 | Kimi Code 完美勝任2「把 OAuth 加進這個 App」 | OpenHands 更擅長
關鍵差別在於：完成一個寫程式任務，還是完成一個工程任務。
對一人軟體公司來說，OpenHands 是大型自主任務的執行者。把任務交給它，等它完成再回來看結果。
儲存庫 5 - Microsoft GraphRAG
33,700 顆 stars。2026 年 5 月釋出 3.1.0 版。
這是記憶與智慧層，能讓其他所有東西好上 10 倍。
沒有 GraphRAG，每個 Agent 每次工作階段都得從零開始。它讀你的程式碼庫、搞懂架構、找出相依關係，然後在工作階段結束時把所有東西忘光。
GraphRAG 會把你的程式碼庫、文件、issue、PR 和架構文件，轉換成一個跨工作階段持續存在的結構化知識圖譜。
1儲存庫2文件3Issue 歷史4架構決策5客戶需求6研究筆記7↓8GraphRAG 處理9↓10結構化知識圖譜11↓12Kimi K3 取得它需要的精確資訊
與其搜尋 10,000 個檔案，圖譜直接回傳相關的子圖：
1驗證功能回報 Bug2↓3GraphRAG 找到：4AuthService → TokenManager → RedisSession → LoginController → AuthTests5↓6Kimi K3 只處理這一段相關的內容
微軟的研究展示了這對效能的影響：
同一個模型。結果卻大幅提升。因為模型拿到的是正確的資訊，而不是一坨全部的東西。
對一人公司來說，GraphRAG 就是組織記憶。每一個決策、每一次修掉的 bug、每一個架構選擇，都被記錄下來。Agent 永遠不需要從零開始，因為知識圖譜裡保存了所有它們需要知道的事。
完整系統如何串接
1 你2 │3 工程負責人4 │5 ┌──────┴──────┐6 ↓ ↓7 Kimi K3 GraphRAG8 大腦 記憶9 │ │10 └──────┬──────┘11 ↓12 Kimi Agent SDK13 編排層14 │15 ┌────────────┼────────────┐16 ↓ ↓ ↓17 Research Coding Review18 Agent Agent Agent19 (Agents SDK) (Kimi Code) (Agents SDK)20 │ │ │21 └────────────┼────────────┘22 ↓23 OpenHands24 大型自主任務25 │26 ↓27 GitHub / CI28 測試 / PR
你一行程式碼都沒寫。你只做了一個決定。
設定步驟
1第 1 週 | 安裝 Kimi Code2 | github.com/MoonshotAI/kimi-code3 | 連接到你的主要儲存庫4 | 為最常見的任務建立三個技能檔案56第 2 週 | 設定 GraphRAG7 | github.com/microsoft/graphrag8 | 為你的儲存庫和文件建立索引9 | 用關於程式碼庫的實際問題測試檢索1011第 3 週 | 安裝 OpenAI Agents SDK12 | github.com/openai/openai-agents-python13 | 將 Kimi K3 設定為模型14 | 建立你的第一個多 Agent 工作流程1516第 4 週 | 整合 Kimi Agent SDK17 | github.com/MoonshotAI/kimi-agent-sdk18 | 建立第一個不需要你、能自主運作的自動化流程19 | 連接 OpenHands 處理大型自主任務2021第 5 週 | 把所有東西串起來22 | GraphRAG 提供上下文給所有 Agent23 | Agents SDK 編排各領域專家24 | Kimi Code 負責實作25 | OpenHands 負責大型任務26 | 你負責決策
這實際上代表什麼
Anthropic 或 Google 裡年薪 120 萬美元的工程師，不是因為打字快才賺那麼多。他們賺那麼多是因為懂系統、會做決策，並打造能倍數放大產出的自動化。
這五個儲存庫給你同樣的槓桿。不是因為 Kimi K3 跟年薪 120 萬美元的工程師一樣聰明。而是因為 Kimi K3 周圍的系統處理掉了大量的工作——草稿、重試、例行實作、撰寫測試、程式碼審查——而你負責判斷。
1沒有系統：2一個工程師3一次處理一個任務4循序漸進的工作58 小時的產能67有系統：8一個工程師在編排9五個 Agent 平行工作10持續自主執行11例行工作上的產能無限
懂這件事的開發者，和不懂的開發者之間的差距，每個月都在拉大。上面這五個儲存庫，就是現今世界頂尖工程師打造產品的方式。
大部分開發者會繼續把 AI 當聊天機器人用，然後納悶為什麼自己的生產力沒提升 10 倍。只有少數人會花五個星期把這套技術棧建起來，而且再也回不去了。
你的人生由你自己打造——所以選擇正確的路。
/ 如果這對你有幫助——追蹤我 /
