Photo-agents

让AI记住屏幕所见，自写技能，越用越聪明地操控电脑。

Photo-agents 是一个面向计算机操作场景的自主进化智能体框架。它解决的是传统 LLM 智能体缺乏长期记忆和技能积累能力的问题，核心创新在于视觉锚定的分层记忆系统（Vision-grounded layered memory）和智能体自编写技能（self-written skills）。该框架允许智能体通过视觉信息感知屏幕状态，将交互经验分层存储，并自动生成可复用的操作技能，从而在后续任务中无需重复学习。项目基于 Python 实现，强调自主性和进化性，适合构建能持续适应复杂桌面环境的自动化助手。目前处于早期阶段，但设计理念新颖，为计算机使用类智能体提供了新的记忆与技能管理范式。