你不在电脑前，
它依然在为你打工
看 EvoLoop 如何用一条指令，调度你的手机、电脑、服务器与大模型，把事情从头做到尾。
四个角色，一条指令的旅程
指令从你的口袋出发，经过云端中转，由本地或远端 Agent 执行，全程由大模型大脑驱动。
你的掌上遥控器
随时随地掏出手机发号施令，或在它拿不准时接收请示通知。
云端中转站
像快递中转站，把手机上的指令瞬间传递给家里或公司的电脑。
AI 思考中心
接入最聪明的大脑，听懂你想要什么，把大目标拆成一步步行动计划。
执行节点
本地键盘手
收到指令后唤醒你的电脑，替你移动鼠标、敲击键盘，干完活发截图汇报。
永远在线的打工人
部署在云端服务器，7×24 从不休息，适合夜间抢购或持续监控。
什么是 Agent（智能体）？
Agent 不仅仅是聊天机器人。它是一个拥有自主规划与行动能力的数字员工：以大模型作为「大脑」理解你的意图，直接操控你的电脑、手机或服务器作为「双手」，全自动完成复杂的跨应用工作流。
A2A 多智能体群控
打破单机算力瓶颈，构建跨物理设备的专属 AI 团队。
本地并发拆解（SubAgent）
面对复杂工程，主控 Agent 自动生成任务树状态机，唤醒多个本地 SubAgent 并行处理，自动汇总结果闭环。
跨端物理群控（Cross-Device Swarm）
通过 EvoCloud Gateway 长连接，桌面端可将任务下发至远端 Linux 服务器甚至 Android 物理真机，实现真正的跨时空异步自动化。
不只是工具，更是本地自动化底座
终端与对话双模、原生 MCP 接入、录屏模仿学习——硬核玩家的最爱。
终端与对话双模
自然语言与原生 Shell 完美融合。用自然语言描述任务，它自动生成并在终端执行底层命令，支持全屏沉浸式 Terminal。
$ evoloop run "部署一个 Redis 容器并映射 6379 端口"
> 解析意图 … [OK]
> 生成 docker-compose.yml … [OK]
> 启动容器并映射端口 …
✔ Container running on 0.0.0.0:6379
$
原生 MCP 接入与知识引擎
内置 Model Context Protocol 支持。两行 Python 代码即可把本地数据库、企业私有 API 或 Neo4j 图数据库挂载为大模型的扩展工具。
from evoloop.mcp import Tool from neo4j import GraphDatabase @Tool(name="query_graph") def query_graph(cypher: str): # mount local Neo4j to the Agent return db.execute(cypher)
基于录屏的模仿学习
不会写代码也没关系。开启录屏模式，在电脑上演示一遍工作流，EvoLoop 提取操作特征，自动生成可重复调用的专属自动化技能。
● 正在观察您的操作…
提取坐标 / 识别 UI 元素 / 构建语法树
> compiling_skill_from_video()
[SUCCESS] 技能已生成: Auto_Reimbursement
超长程执行与自我纠错
告别「跑几步就断片」。单轮对话支持连续运行 3 小时、执行 300+ 步操作。遇到 DOM 变化或意外报错，自动触发状态机纠错，绕过障碍咬住目标。
[10:42:01] Step 182: 正在导航至目标页面…
[10:42:08] 错误: 未找到 DOM 元素 '#main-table'
[10:42:10] 触发自我纠错，视觉分析 DOM 树…
[10:42:15] 找到替代路径，恢复执行
[10:42:16] Step 184: extracting data table…
[10:55:00] 任务完成（总步数: 309）
服务器常驻部署
不仅是桌面助手，更是全自动后台员工。脱离 GUI，以守护进程部署在 Linux 服务器或边缘设备上，通宵跑编译、查日志、做数据清洗。