借助应用预览、Slack 原生协作和任意模型,实现从问题到生产环境的软件构建。
Dustin Schau·2026 年 11 月 18 日
·阅读时长 11 分钟
今天,我们将推出一系列重大改进,全面提升 Mastra Factory.
Mastra Factory 是一个开源软件工厂,基于你已经熟悉并喜爱的 Mastra 构建模块打造,可帮助团队更快、更一致地交付软件。
我们相信,卓越的产品将由人类在各家公司独有的强大交付系统支持下打造。我们的目标是让该系统的每个部分都可定制、可替换,并真正为你所专属——正如 你 构建软件的方式一样。
自 alpha 版于 7 月发布、 beta 版于 9 月发布以来,我们已与客户进行了数百次交流,并合并了近 1000 个改进 Factory 的 PR。我们一直专注于提升性能和可靠性,并开发能够解决客户实际痛点的创新能力。
话虽如此,在人工智能时代,我们仍高度重视长期保障稳定性、可靠性,以及打造能够“ 直接可用”的软件。我们尚未将 Factory 作为 1.0.0 版本发布;我们将继续推动其演进、改进并增强其稳健性。“工厂”这一比喻是有意为之:我们的目标是提供一款软件,让你能够按照自己的方式持续、可预测地构建软件,并选择和定制所需的控制机制。
我们即将推出的内容
今天,我们将为软件工厂推出多项新能力。你可以在五分钟内完成设置、定制和部署,并开始处理实际工作。你可以期待:
- 输入来源。 工厂需要输入,而软件的输入来自许多来源:GitHub、Gitlab、Linear、Jira,或 Incident.io 等系统中的事故事件。所有这些输入都会影响工厂将自动执行和构建的内容;随着时间推移,你可以期待通过以下方式获得更多输入来源: Mastra Connect.
- 可定制的工作流阶段。 工作会从接收到交付,依次经过可定制的工作流状态,例如 分流, 规划, 审查,以及 完成。每个阶段都可以根据你在防护机制和人工审批方面的需求,使用自己的技能、工具和团队偏好进行全面定制。
- 编码智能体。 我们推出的首项功能是一款云端编码智能体(由 Mastra Code提供支持),其中包含我们的 最先进的观察记忆 ,并可跨看板上的工作项持久保留。
- 集成式工作区。 越来越多的软件是在云环境中生成的,而这些云环境会尽可能贴近地模拟你的本地环境。我们为所有会话配备了一个用于执行工作的 microVM(Mastra 平台默认使用 E2B),使其尽可能贴近你团队的开发环境和偏好。
- 灵活的连接器。 有时,工厂中的工作需要从问题跟踪和版本控制之外的团队工具获取更多上下文。Mastra Connect 与 Factory 集成,提供团队完成工作所需的常用连接。
- 支持任何模型。 我们支持 任何模型提供商 和网关(包括我们的 Mastra Gateway),以及推理服务提供商、前沿实验室和任何兼容 OpenAI 的模型格式。
开始使用
只需向你最喜欢的编码智能体发送一条提示,即可开始使用;或者,如果你更喜欢,也可以 阅读文档 。
Set up Mastra Factory for me. Ask me what to name my factory, then run npx create-factory <factory-name>. Next, run cd <factory-name> && npm run dev and open http://localhost:4111. Documentation: https://factory.mastra.ai新能力
我们也对这些新能力感到兴奋;Mastra 团队在使用 Factory 构建自己的软件工厂时,正是这些能力为我们打开了新的局面。
预览
先看效果,再交付。 每项更改都会附带一个实时预览链接,因此你可以在打开差异对比之前,先点击进入实际应用查看。
云端沙箱
无需占用你的笔记本电脑。 每个智能体都有自己的云端沙箱,代码仓库已克隆并准备就绪。即使并行运行十个智能体,你的风扇也不会转起来。
Slack 原生协作
直接在会话串中交付。 提及 Factory 即可创建工作任务、回答其问题并审批计划,无需切换标签页。
无限掌控与定制
属于你,而不是我们。 看板、阶段、人工参与审批(也可以不审批)以及模型,全都可以定制、替换和调整。
应用预览
熟悉我们的人可能知道,Mastra 团队的基因很大程度上是在 Gatsby、Netlify 等以开发者为中心的优秀产品和文化中打造开发者工具时塑造而成的。我们从中认识到,迭代速度对于打造出色产品至关重要,因此今天我们很高兴推出 应用预览,这是一种可跨 Factory 工作会话持续存在的临时开发环境。其他工具通过截图和代码为你提供“应用”的仿真版本,但现实是,越来越多的代码由与应用本身距离越来越远的团队成员生成。真正最值得查看和交互的其实就是网站本身,这能显著提升迭代速度,并让团队高度确信一切都在正常运行。
Slack 原生用户体验
总的来说,我们的目标是与任何协作频道集成(Teams、WhatsApp、Discord,无论你在哪里协作!),但在本次发布中,我们主要专注于确保提供一流的 Slack 原生体验。这看似简单,但在服务受到诸多约束的情况下,却是一个颇有意思的设计与工程问题。具体来说,我们默认内置了以下能力。
- 环境感知模式。 当你的 Factory 实例在会话串中被提及时,它会自行决定是否回复,并判断自己是否应该回复。可以把它看作团队中能力出众的一员,而不是一个头脑简单的助手。
- 信号。 信号是一种所有运行框架和编码智能体一直缺失的可观测机制。具体而言, 信号 是 Mastra 的一种原语,用于根据上游状态变化监听、观察并引导当前轮次。举个实际例子:我们使用 CodeRabbit 审查 PR;无需任何配置,工作项就会订阅审查结果并自动处理评论。
- 文件和预览。 默认情况下,智能体循环配有适当的工具,可分享进行中工作的上下文,无论是屏幕截图、完整的应用预览,还是你分享的文件(CSV、JSON、Markdown 等等),智能体循环都会摄取这些内容,并相应更新其上下文和当前轮次,然后如你所期望的那样输出数据。
- 生成式 UI。 你可以选择启用生成式 UI。在这种模式下,智能体运行框架可以选择输出丰富且可交互的 Slack 原生数据结构,例如条形图和饼图。
Factory 的 Slack 体验不应只是 Web UI 的配套工具。我们将它视为一个真正的产品得以交付、控制和迭代的地方,而不只是处理简单的错误修复。
云端工作区
本地编码智能体(例如 Mastra Code)彻底改变了工程师的工作方式。但由于它们在本地运行,也会带来一些限制和不便,例如管理工作树,以及启动和管理多个会话串。它们还受到单人开发固有瓶颈的限制。
我们在发布时将支持可自定义且能跨会话持久保留的沙箱环境。我们全面支持:
- Docker。 自定义随沙箱部署的 Docker 镜像。
- 内存和 CPU。 根据项目的计算资源消耗,自定义所需的内存和 CPU。
- 持久、稳定的 URL。 如前所述,应用预览是我们的云端工作区所解锁的一项旗舰功能,开箱即用,可提升迭代速度。
从本质上说,我们的目标和愿景是让你能够将 你的本地环境 迁移到 我们的沙箱 环境中,让你的团队无论离自己的机器有多远,都能保持高效并充分发挥生产力。
模型灵活性与故障转移
与 Mastra 一样,我们遵循掌控与定制的指导原则。这意味着团队可以选择自带网关、推理提供商或偏好的模型系列,并全面掌控这些模型在 Factory 实例中的使用方式。我们支持三种模式:
- 个人。 每次模型运行默认采用发起该会话的用户所设置的模型偏好。
- 混合。 工作项(即“看板”)默认使用组织级模型,而用户会话可按用户进行定制。
- 组织。 看板和会话默认使用由组织选择并强制执行的模型系列。
我们全面集成任何兼容 OpenAI 的推理提供商(OpenRouter、Ramp Router 等)、前沿模型和开放权重模型,当然也包括我们自己的 Mastra Gateway。我们还支持 自定义模型网关 ,以满足数据隐私和合规限制适用的场景。
模型、智能水平和成本是贵公司成功采用 AI 的关键因素,也体现了你们的独特偏好。我们致力于根据你们所处的实际阶段提供支持,帮助你们打造自己的软件工厂。
Mastra 如何使用 Mastra Factory
对有关 Factory 的说法理应保持怀疑。最响亮的说法往往来自那些发布经历极具戏剧性、却几乎没有用户的团队。因此,与其空口宣称,不如看看 Mastra 团队如何使用我们自己的工厂——我们称之为“Shipyard”——以及它带来了哪些可衡量的变化。
首先来看结果
本着这种态度,以下是 Mastra 团队使用 Mastra 后所取得的真实、可衡量的改进。我们没有人为拔高数据,也不认为工作已经完成:我们预计会进一步拥抱工厂模式,并更广泛地使用它。现实是,无论工具多么出色,工程仍然是一门由工具辅助的手艺;我们会始终关注输入了什么、这些输入会产生什么影响,以及如何持续更新系统化的交付方式,从而改进产品。所以,不,我们今天不会宣布 Mastra 的工程师每周要创建 1000 个 PR,因为工程师不想这样,用户也不想这样,而且除了模型实验室外,没有任何人能从中受益。
因此,我们分享的是 Mastra 团队在使用过程中看到的原始、透明的结果。重实质,不炒作。
人工产出
使用 Factory 之前,一名 Mastra 工程师每周合并 9.5 个 PR。在最近四个完整周中,这一数字为 16.9,增幅达 78% 的增长。
分流时间
8 月,一个新工作项进入分流流程后,停留时间的中位数为 6.9 小时。到了 11 月,这一数字是 11 分钟,而且 Factory 智能体完成了 91% 的分流工作。
创建 PR 所需时间
对于 mastra-ai/mastra 中通过合并 PR 关闭的问题,Factory 能更快创建 PR,并让修复在 一半的时间内 完成合并,相比使用 Factory 之前,耗时缩短了一半。
Factory 工作项一旦启动,创建 PR 所需时间的中位数为 76 分钟。PR 创建后,在这四周中,Factory PR 每周合并所需时间的中位数为 0.7 至 3.3 小时,而人工编写的 PR 为 4.5 至 7.1 小时。
采用情况
在 Beta 阶段,Factory 虽然颇具吸引力,但尚未获得持续而普遍的信任。Mastra 团队中少数重度用户贡献了大部分使用量,这与 Claude Code 等工具在 Anthropic 的早期采用情况颇为相似;与此同时,许多棘手问题也阻碍了推广。截至 10 月初,每周运行 Factory 会话的工程师不超过三人。而在最近三个完整周的每一周,都有 19 至 24 名工程师运行 Factory 会话。
我们如何赢得信任
但也许比结果本身更重要的,正如你所猜到的,是我们的协作方式。对输入和输出进行系统化控制,使我们能够打造出更好的软件,并更快速、更有效地进行迭代。我们推出的几项具体改进建立了这种信任:
- 默认私密。 随着团队逐渐熟悉并建立信任,一些工程师更喜欢在私密的 UI 会话中工作,并可选择与组织共享这些会话。随着时间推移,越来越多的团队成员转而在我们的 #shipyard-graveyard 公共频道中公开构建、发布和迭代。
- 一种会话。 在 Beta 阶段,Factory 有多种不同的工作流,其中包括一个可获取用户会话和工作会话上下文的“主管”。我们的工程师不想学习 Shipyard 的 UI;无论他们已经在何处工作,他们都希望能直接从那里使用 Factory,不管是在 Mastra Code 还是 Slack 中。因此,我们统一了模型:任何会话都拥有与看板交互、启动用户会话并将上下文串联回来的工具。这样,团队成员只需学习一个概念,而且是他们早已熟悉的概念:自然语言!
- 在 Slack 中协作。 我们的目标不一定是成为协作界面,而是与团队已经使用的协作界面集成。起初,从 Slack 发布代码可能让人觉得有些不自然,但我们已经看到这类开发方式大幅增加。随着代码日益成为一种商品,Slack 仍然是我们共同提升能力、共享上下文并持续壮大 Mastra 工程团队的地方。
接下来是什么
我们相信,Mastra Factory 让我们得以一窥世界顶尖团队构建软件的方式,而将它融入你的流程,将有助于加速并标准化你独特的软件构建方式。为了更贴近各个团队,我们将通过我们的 Custom Factory 计划提供抢先体验和一个独特的机会,让你能够协助规划产品路线图;你将可以直接了解 Mastra Factory 的路线图,而或许更重要的是,还能直接与 Mastra 团队和前线部署工程师合作,帮助你打造自己的 Factory。
继续构建未来——我们在那里见 ✌️
Mastra 团队
分享到 X 或 LinkedIn
Dustin SchauMastra 团队Dustin Schau 在 Mastra 负责 Mastra Factory。
查看 Dustin Schau 的所有文章 →更多软件工厂相关内容
所有文章博客,2026 年 11 月 16 日Custom Factory 计划简介
一个由智能体组成的软件工厂,专为你的代码库打造,并在你的技术栈中运行。
文章,2026 年 10 月 22 日9 大最佳软件工厂平台与工具(2026 年)
从工作流、集成、执行环境和可定制程度等方面比较九种软件工厂平台及编码工具。
文章,2026 年 10 月 1 日什么是 AI 软件工厂?
AI 软件工厂利用智能体、共享上下文和结构化工作流,帮助团队更快地构建软件并开展协作。
AI 热点