Photo-agents

Photo Agents 是一个自主进化代理项目，旨在通过视觉感知、推理和行动框架来操作计算机。该项目利用了基于视觉的分层记忆系统和自我编写技能，让大型语言模型（LLM）代理能够像人类一样使用计算机。其核心功能包括流式代理循环、多供应商LLM路由支持、物理执行工具集以及可插拔客户端等。技术上，它采用Python开发，并支持多种通信平台集成。适合需要高度自动化且能够根据屏幕内容进行智能决策的应用场景，如个人助理、自动化测试或复杂任务处理等。