AgentLoom · AI 工作台

让适合的模型，
一起完成工作。

在一个桌面工作台里组织多模型协作、延续会话、检查改动；离开电脑后，也能从手机继续掌握进度。

下载 AgentLoom 在 GitHub 查看 ↗

已发布

macOS · Windows Preview · 自选模型与 API key

AgentLoom 会话、任务和结果工作台 — FIG. 01真实产品画面：把工作过程与结果放在同一处查看。

协作、接续、远程掌握

让不同模型围绕同一个目标分工

你设定目标与验收条件

Lead 分配任务、收集结果并组织检查

01规划

拆分目标，明确边界

02实现

按子任务选择模型

03评审

检查改动和运行结果

汇总 → 检查 → 由你接受或继续修改

角色分工示意。模型由任务需要与用户配置决定；没有固定“某模型永远最擅长某领域”的排名。

离开电脑，工作仍在自己的电脑上

01手机浏览器

扫码配对；发消息、批准或停止

02互联网中继

转发端到端加密内容

03桌面 AgentLoom

执行任务，保留本地工作空间

双方通过出站连接接入中继，无需组建 VPN。桌面须在线；连接元数据不在内容加密范围内。箭头表示连接路径，通信是双向的。

额度用完，任务继续

在同一会话中切换到仍有额度的模型服务，延续上下文；长会话也可以生成交接材料，开启关联会话。

执行看得见，结果可检查

命令、文件改动和评审入口一起呈现。MyAgent 提供内置执行引擎，用户可配置 API key 使用，无需先安装外部 CLI Agent。

工作台里的日常工作

以会话组织项目

GitHub 仓库或普通本地目录都可以成为项目。每个项目有自己的会话列表和分组，⌘K 用于快速查找。团队可配置 lead、成员与角色，按任务选择 provider。

检查改动，再决定保留

命令和文件写入显示为可展开卡片；Review 提供逐文件改动账本与 diff。通过检查点和选择性撤销处理文件改动，不把文件撤销当作撤回外部操作。

让结果可以直接阅读

会话支持 Mermaid 图、内联图片、diff、可折叠思考与工具调用卡片，长输出默认折叠。MyAgent 是 Rust 编写的内置引擎，包含工具循环、计划模式、检查点和事件流，也可独立使用 CLI。

按自己的配置工作

使用 OpenAI 或 Anthropic 兼容端点、自定义 base URL 和本地模型。DuckDuckGo 搜索无需单独配置 key，Brave 和 Exa 使用自己的 key。界面目前支持 English / 简体中文；模型和搜索费用依服务而定。

AgentLoom 在同一会话切换模型 — FIG. 02真实工作流程：在同一会话选择下一轮使用的模型。

AgentLoom 文件检查与撤销面板 — FIG. 03真实工作流程：逐文件检查改动，再决定保留或撤销。

离开桌面，也能跟进与操作

扫码打开手机浏览器，无需安装手机 App 或组建 VPN。查看实时会话、发送输入、批准步骤或停止执行；桌面保持在线并执行任务。双方出站连接到中继，内容端到端加密，中继不持有内容密钥。房间/会话标识、时序与大小等连接元数据不在内容加密范围内。

自建中继 · AGPL-3.0 ↗

本地优先，网络边界说清楚

API key 存在操作系统钥匙串，会话在本机数据库，Agent 直接在你的仓库工作。AgentLoom 自己的记账数据不写入工作树。本机辅助监听使用 loopback。你选择的模型请求会发往对应 provider；开启网络搜索会向搜索服务发送查询；启用 Remote Control 后，加密会话内容经中继转发，连接元数据可被中继看到。

成本与评测的口径

查看30题实验及其限制

MyAgent 与 deepseek-v4-pro 在手选、适合测试主机的 SWE-bench Verified 30题子集上，八轮结果中位数17/30（56.7%），范围16–19；跑完30题模型花费约3–6美元。实验使用官方 Docker 评分，评分测试未提供给引擎。八轮跨越四天引擎迭代，不是冻结版本重复测试；这不是完整500题成绩，不可直接与全量榜单比较，也不是未来费用保证。

评测方法与题集 ↗