视觉Agent自主进化框架开源
推荐指数 50.0 NO. 010 · 2026.05.07
Stars185创建2 天前Forks0Issues0
为什么值得看
Photo Agents 是一个本地运行的视觉感知Agent框架，让LLM基于屏幕内容自主感知、推理并操作计算机，Agent能自行编写技能代码实现自我进化。对需要构建可靠GUI自动化或桌面Agent的团队，它提供了比纯文本交互更 grounding 的替代方案。
Autonomous self-evolving agents. Vision-grounded layered memory and self-written skills for LLM agents that operate your computer.
媒体预览
编辑判断
当前主流方案如 Anthropic 的 Computer Use 或 OpenAI 的 Operator 依赖云端API调用，成本高且数据外流。Photo Agents 的差异化在于完全本地运行，且提出「生物式记忆分层」机制——不是简单堆上下文，而是让Agent从成功操作中提炼可复用技能代码，这更接近 Voyager 的 skill library 思路但在视觉 grounding 上做了落地。
目前185 stars、0 forks说明尚处早期，代码成熟度存疑。最该关注的人群：做企业级RPA替代、游戏AI测试、或需要处理敏感数据不能上云的桌面自动化场景。建议先跑通 demo 验证其「自写技能」的实际泛化能力，而非仅看宣传。
Star History
生态分析
Experimental
视觉感知型桌面Agent框架，专注GUI自动化与自我进化技能编写
独特价值：以屏幕视觉为 grounding，让Agent自主编写技能实现自我进化
竞品：