亲爱的朋友们：
首先，真诚地感谢你们。
MoFA 入选 Google Summer of Code 以来，来自世界各地的朋友们陆续联系我们，询问：
- 你们希望看到怎样的 proposal？
- 项目未来的方向是什么？
- 能给我安排个任务吗？
感谢你们的热情。我们希望在这封信里坦诚而认真地回答这些问题。
为什么没有直接给出现成的答案？因为随着近期 AI 能力的飞速提升，MoFA 正在经历一次根本性的转型。我们重新制定了项目战略，希望在此与大家分享。GSoC 的工作将与我们的战略方向保持一致。
一、MoFA 的目标：Composition AI
我们的使命一直是：
以 Composition AI，赋能卓越。
AI 的发展速度远超预期——模型越来越强大，工具越来越丰富，Agent 系统层出不穷。
但我们越来越清晰地看到一个问题：
这个世界并不缺大模型，缺的是——组合能力。而这恰恰是广大开发者能够有所贡献、且成果将反哺开发者群体的地方。
- 如何组合多个 Agents？
- 如何组合工具与能力？
- 如何组合模型与数据？
- 如何组合内容与媒介？
- 如何组合分布式系统？
MoFA 正在走向：
面向未来的本地化、分布式、可组合的 AI 架构、框架、工具与应用集合
我们不再仅仅是一个框架。我们正在构建综合的 AI 组合能力——让平凡人做非凡事。
二、MoFA 正在成为怎样的系统
MoFA 不再只是一个框架，它正在演化为一个分层系统：
- Agent Framework → mofa：全新的 Agent 框架，基于更高效、更先进的 Rust 语言与技术栈构建；采用微内核架构保障可靠性；继承并发展 MoFA 1.0 的组合特性；面向工业级应用。
- Agent Engine → mofa-claw：mofa 版的 OpenClaw，本身即是 mofa 的应用。我们希望它成为更高效、更可控的 Agent 引擎。
- Content Engine → Remix Engine：大语言模型对人类认知最大的贡献，或许不是生产内容，而是将内容从一种形式 Remix 为另一种——以更适合受众的方式呈现。我们认为，系统化地构建 Remixing 能力极具价值。
- Remix 工具层 → MoFA-studio、MoFA-pptx：MoFA-studio 专注于音频领域的 Remixing 能力；MoFA-pptx 则面向图像、短视频、演示文稿等多媒体场景。
- 应用层 → mofa.fm、zhufu.ai、what’s-going-on、MoFA Wonderland：基于上述各层构建的面向最终用户的应用。
- 模型层 → Moxin Models 及第三方模型：通过 mofa 支持部署在本地和云端的各类模型。Moxin 是我们的兄弟项目，提供可本地部署的高质量语音模型，为我们在语音领域带来独特优势。
我们一边建设底层架构，一边构建真实应用。
快速实验、快速构建、快速迭代、快速试错——MoFA 不是一个静态的代码库，而是一个在快速变化时代中不断进化的系统。
三、这意味着什么？
如果你打算提交 GSoC proposal，我们希望你理解：我们并不是在寻找”简单的功能添加”。请思考：
- 你要改进的是哪一层？
- 你的贡献如何提升”组合能力”？
- 它如何融入整体架构？
- 它是否能够连接到真实应用？
我们更看重架构理解与系统思考，而不是功能堆叠。
我们欢迎：
- 喜欢实验的创造者
- 具备系统思维的工程师
- 关注应用落地的构建者
- 不害怕失败的探索者
- 希望长期参与开源社区的人
你不需要什么都会，但我们希望你心胸开阔、坚韧不拔。
我们正在一个快速变化的 AI 世界中前行，并不假装已经找到了所有答案。我们必须在承认不确定与不完美的前提下努力前行——我们更看重的是价值观与目标的契合。
无论你来自哪里，我们都希望你持续构建、持续探索。MoFA 还处于早期阶段，这意味着你的贡献可能真正影响它的方向。
期待与你共同创造。
—— MoFA 团队