Photo Agents 是一个 Python 框架，用于构建自主、可自我进化的 AI 智能体。与纯文本智能体不同，它把理解建立在屏幕视觉观察之上，实现感知→推理→行动循环，并采用受生物认知启发的分层记忆架构：视觉输入、按 L1-L4 分层存储的有限观察，以及智能体从真实成功经验中写出的技能。
主要能力包括：多提供商 LLM 路由（Anthropic Claude、OpenAI GPT、故障转移会话）；分层记忆系统（工作记忆、全局记忆、SOP/技能、会话归档）；物理执行工具（文件读写、沙箱代码执行、通过 Chrome DevTools Protocol 的浏览器自动化）；多种客户端界面（CLI、Streamlit Web 应用、PyQt 桌面、聊天平台机器人）；通过反思与技能生成实现自我进化。
安装：pip install photoagents，或完整安装 pip install "photoagents[all]"，要求 Python 3.10+。需要许可证密钥，通过 https://photo-agents.com/v1/keys/validate 校验，可在 https://photo-agents.com/dashboard/keys 获取。配置方式：环境变量 export PHOTOAGENTS_API_KEY=pk_live_your_key_here，或配置文件 ~/.photoagents/config.json，或交互式提示。LLM 提供商通过项目根目录的 credentials.py 或 credentials.json 配置，支持主/备故障转移。
使用方式：交互式 CLI 用 python -m photoagents；单次任务用 python -m photoagents --task my_analysis --input "..."；反思/看门狗模式用 python -m photoagents --reflect photoagents/evolution/scheduler.py；也可通过 run_agent_session 以编程方式运行会话，并用 @register_tool 注册自定义工具。GUI 客户端包括 Streamlit Web 应用、服务中枢、PyQt 桌面应用、桌面伴侣，以及 Telegram、飞书、企业微信、钉钉、QQ 机器人。
记忆系统分四层：L1 工作记忆（当前任务短期上下文）、L2 全局记忆（长期事实，存于 ~/.photoagents/global_mem.txt）、L3 技能与 SOP（智能体从成功执行中写出）、L4 会话归档（原始日志存于 ~/.photoagents/sessions/）。还提供 CDP 浏览器自动化、截图分析、OCR 文本提取、沙箱代码执行（Python/PowerShell/Bash）、文件 I/O，以及可选的 Langfuse 可观测性集成。
适用场景包括自主研究、自我进化监控、多步骤工作流等。限制：需要有效许可证密钥；需自行配置 LLM 提供商密钥；浏览器自动化依赖 Chrome 与远程调试端口；会话归档可能占用较多磁盘，需清理或配置自动清理；部分平台机器人需相应令牌。具体收费与价格信息暂未提供。