Mastra Factory：从需求到 PR 的 AI 软件开发工厂

Mastra Factory 是面向开发者和软件团队的开源 AI 软件开发环境。它把编程智能体、代码仓库工作区、任务接入、计划制定、代码实现和 Pull Request（PR）审查连接起来，让团队围绕同一个任务持续协作。你可以把具体开发工作交给智能体处理，同时在需求澄清、计划批准和代码合并等环节保留控制权。

通俗理解：Mastra Factory 到底是做什么的？

可以把它理解为一个“让 AI 参与干活的软件开发看板”。例如，你在 GitHub 上提出“修复一个按钮点击后没有反应的问题”，Factory 可以让编程智能体查看项目、分析原因、提出修改计划、编辑代码并运行检查。团队再查看实际修改，决定是否接受和合并。

它关注的是一个任务从提出到形成可审查代码变更的过程。最终交付物可以是与原始需求关联的 PR，而不是聊天框里一段需要你手动复制的代码。官网列出的典型工作包括开发功能、修复 Bug、重构和编写测试。要用好它，仍需要现有代码仓库、可用的模型与执行环境，以及能够判断代码质量的人。

从 GitHub Issue 到可审查的实现

Factory 用 Intake、Triage、Planning、Building、Review 和 Done 等阶段组织工作，并允许为不同工作类型配置阶段规则。任务进入后，智能体先了解问题；信息不足时，团队补充背景；进入实施前，团队可以审查或修改计划。

每个工作项保留自己的会话，需求讨论和技术决策因此能与任务对应。PR 的审查项还有独立的审查会话，方便把“写代码”和“检查代码”分开看。这里有一个容易忽略的细节：某个 PR 合并，并不一定代表原始工作项的所有要求都已完成。一个任务可能需要多个 PR，应结合需求验收条件和工作项状态判断结果。

用现有项目完成第一次工作流

建议先选择范围小、容易验收的任务，例如给 README 补充贡献说明。按照官方入门文档，可以这样试用本地服务配合平台资源的配置：

1. 在目标代码仓库之外运行 npm create factory@latest my-factory，进入新目录，按安装提示完成平台登录和项目设置。
2. 检查 .env 中的 FACTORY_CREDENTIAL_ENCRYPTION_KEY。缺失时，文档使用 openssl rand -base64 32 生成密钥；为项目配置一次，并妥善备份。随意更换可能导致已存凭证无法读取。
3. 运行 npm run dev，打开终端输出的地址。在界面创建 Factory，选择要修改的 GitHub 仓库，连接模型服务商；Linear 可以按需接入。
4. 在 Settings → Work Intake 启用 GitHub Issue 同步并选择仓库。授予仓库访问权限与订阅任务来源是两个步骤，不能只完成前者。
5. 新建带有明确验收条件的小任务。首次验证时关闭自动启动和自动批准计划，先调查任务、回答问题，再接受任务并进入计划阶段。
6. 检查计划范围后推进实施，最后查看真实 Diff、工具执行输出和仓库检查结果，通过团队原有流程审查与合并 PR。

验收时不要只看智能体说“测试通过了”。还应确认运行了哪些检查、是否改动无关文件，以及最终结果有没有满足原始需求。

团队协作中，哪些决定仍由人来做？

Factory 的共享工作界面让团队围绕任务会话讨论，而不必把全部上下文留在某个人的终端里。需求负责人可以补充验收条件，开发者可以调整技术方案，审查者可以检查补丁和测试结果。

这适合希望把 AI 编程纳入现有工程流程的团队。若目标是完全不配置开发环境、不理解代码就直接上线，Factory 的仓库、模型、凭证和部署配置仍会构成使用门槛。自动化程度取决于阶段规则，最终合并前应保留与项目风险相称的检查。

云端、本地服务与完整自托管有什么区别？

官方部署文档区分三种配置：全部运行在 Mastra 平台、本地服务使用平台资源，以及完整自托管。本地启动 Factory 服务时，认证、PostgreSQL 和沙盒仍可能由平台提供，因此“在本机打开网页”不等于“代码和任务数据都不离开本机”。

完整自托管可使用 --no-platform 创建项目，但需要自行配置认证、持久化数据库、沙盒或执行环境。生产环境还需要持续运行的 Node.js 服务、支持流式响应的 HTTPS 地址和稳定的加密密钥。具体要求见Factory 部署文档。

模型访问权限取决于服务商账号，个人凭证与组织凭证的适用范围也不同。密钥应保存在凭证设置或服务端配置中，不要写进 Issue 或仓库说明文件。处理私有代码前，应结合Mastra 隐私政策及所选模型、沙盒服务的条款判断数据路径；现有资料不足以支持“所有配置都不用于训练”这样的统一承诺。

开源、平台套餐和实际运行成本

截至 2026 年 9 月 10 日，官方美元价格显示：平台 Starter 为每月 0 美元，包含 10 万次可观测性事件、24 CPU 小时和 15 天数据保留；Teams 为每月 250 美元，Enterprise 需要询价。这些是平台资源条件，不是无限次 AI 编程任务额度。

超出资源额度、模型调用和其他基础设施可能产生费用。自托管也需要考虑服务器等成本。判断预算时，应查看官方完整价格表，而不是只看套餐月费；这里不把美元标价换算成含税的本地统一价格。

许可也需要区分：官方许可说明指出，大部分代码采用 Apache 2.0，ee/ 目录中的企业功能适用企业许可，生产使用需要有效授权。因此，“开源”不能理解为所有企业功能均可免费用于生产。

常见问题

可以直接接入已有代码仓库吗？

可以。选择现有 GitHub 仓库并配置任务接入后，Factory 可以围绕该项目调查问题、计划修改并形成 PR。Linear 是可选集成，不是必需前提。

Mastra Factory 是完全免费的吗？

它有开源基础和平台免费起步方案，但模型调用、资源超额、自托管基础设施和企业授权可能收费。需要按实际配置评估总成本。

本地部署就代表所有数据都在本地吗？

不代表。服务端、认证、数据库、模型和沙盒是不同的配置项。尤其是“本地服务使用平台资源”的方式，仍依赖云端服务。

AI 会直接替团队决定合并代码吗？

官网提供需求澄清、计划审查和 PR 合并等人工检查环节。团队应根据看板规则确定自动化程度，并在合并前核对补丁、检查结果和验收条件。

官方资源与开发者社区

• Factory 官方文档：接入、模型与部署配置。
• Mastra GitHub 仓库：查看源码和问题记录。
• 官方 Discord 社区：与开发者交流使用问题。
• Mastra 官方 X 账号：查看产品公告。
• 联系 Mastra 团队：咨询演示和企业需求。