如果说2023年是 AI 元年的话,那么2025年一定是 AI Agent 元年,也就是大家经常提到的「 AI 智能体」。
今年我一直在折腾各种 Agent 工具或平台,包括最为火热的字节Coze、智谱GLM等,说实话这类工具已经成了 AI 领域的超级热门,很多号称"自动化""智能助手"的工具层出不穷,但真正让我眼前一亮的并不多。
直到我体验了 AiPy(爱派), 北京知道创宇推出的一款开源 Agent。而它的slogan也非常接地气 -- "爱派,你的AI牛马",听起来就是打工人必备神器!

为什么说它特别?一句话概括:AiPy 不依赖预设的工具库,而是能根据你的需求,动态写 Python 代码,自己造出"工具"来解决问题。

通过深度融合大语言模型(LLM)与Python编程能力,打造了一个任务规划、执行到优化的全链路闭环系统。

更重要的是,它能在 本地运行,私有化部署,不走外部服务器,这让它在金融、医疗这类敏感场景也能放心用。
我用了几天,越玩越感觉这玩意儿潜力巨大,今天就和大家分享一下我的一些体验与思考。
AiPy是什么?
在以前,我对 AI Agent 的认知大多停留在GPT、DeepSeek、Grok这类对话型大模型上。它们擅长回答问题、提供建议,但如果需要完成具体任务,比如操作本地文件、分析数据或自动化工作流,这些模型往往就"有心无力"了。
AiPy 的出现特别让我眼前一亮,根据官方现有信息解读:
AiPy = LLM + Python程序编写 + Python程序运行 + 完成任务。借助Python Use范式,给AI装上双手,它开放源码,支持本地部署,除了帮你思考,更能帮你干活,你的真正意义上的AI牛马!
简单来说,AiPy不仅能理解你的需求,还能通过动态生成并执行Python代码,直接帮你完成任务。
比如,你想分析本地Excel表格、自动生成报告,甚至控制物联网设备,AiPy都能搞定。它抛弃了传统AI Agent依赖大量预设工具的模式,而是通过Python-Use范式,让AI根据任务需求实时生成代码,完成从任务拆解到执行的闭环。
这种"自己造工具"的能力,让AiPy在灵活性和通用性上有了质的飞跃。
虽然是开源项目,但官方也编译了Windows、MacOS系统的一键安装包,可直接在官方主页(www.aipyaipy.com/) 下载安装即可。
实测体验
AiPy 安装完成后,就直接在本地运行就行,注册登录就能直接使用,大模型默认接入官方的,也可自定义接入其他模型服务。
第一次打开AiPy不知道该做什么,也不知道它能够执行哪些任务,可以点击运行下推荐的一些案例体验,以此了解AiPy的任务运行流程。

比如:分析下电脑软件CPU、内存占用情况。

从整个任务过程中可以发现,它会首先帮助我们进行任务分析,给出关键步骤,列出执行步骤。而后开始正式编写Python脚本,而在执行过程中若出错会自行找问题修复,完善Python脚本重新执行。
最终生成了一个Html可视化报告(所有任务过程中生成的脚本、资源也会有右侧工作目录下保存起来),不仅帮我们展示了CPU及内存占用图表,还给出策略建议以优化高占用的情况。可以说非常的善解人意了,不愧叫做AI牛马。

体验完一些预置案例后,也可以按照自己工作和日常生活中的一些需要省事的地方,让AiPy帮助我们一键完成。
接下来就让我们切实的感受下AiPy的强大能力,来看看它表现如何!
场景1:个性化AI资讯早报
作为一个专注于AIGC领域的科技博主,了解每天 AI 圈的科技快讯也是日常需要做的事情。但是如今是互联网时代,海量内容过多,自己手动去各大社交媒体平台查找也着实要费一些力。
这时候如果能让 AiPy 帮我们进行信息聚合,每天推送当天或前一天的热门AI资讯就能省了很大查找资料的时间。
直接在 AiPy 界面新建任务,输入任务描述词:每天早晨自动生成一份AI科技圈的新闻早报。

它会照样的先给当前任务进行分析,梳理出大致步骤,然后开始编写各个模块的脚本,然后执行,最终输出报告。

当然我所呈现的只是模拟测试,你也可以指定经常获取AI资讯的站点,这样会更加符合你的要求,最后输出可以有多种方式,不止于网页报告,还可以发邮件、接入微信/飞书/钉钉机器人发消息等。
场景2:GitHub 热门项目跟踪
在 GitHub 如何找热门开源项目,肯定主要还是看github trending榜单,在这个页面我们可以直观的看到某个时间阶段内何种开发语言的热门项目。

但是这样是不是感觉还不够直观的了解到每一个项目的特性及作用。AiPy 在这方面照样能够解决我们的需求,它能自动生成脚本爬取GitHub数据、分析Star趋势,并输出可视化报告。

最终结果呈现如下:

全过程无需手动编码,而且最终项目数据和手动查询的数据也能对得上,并不是说随便查询输出给我们的。给人整体观感也一目了然,当然在任务描述过程中也可以给它更精准的描述,完善优化后布局展示给我们的会更完美。
场景3:提取视频信息,归纳整理为Excel数据
AiPy 对于数据文件处理类任务照样可以完美胜任,而且不仅限于本地文件,还支持互联网上的在线音视频、图片等资源。
比如我在B站看到一个华语音乐盘点类视频,我想把其2000-2009年的华语音乐TOP100的歌曲信息处理成Excel表,包含视频里的名次、歌曲名称、歌手、专辑、年份。

从结果看可以完美处理,这样大家下次再面对一些长视频中的海量信息,就可以通过AiPy来为自己轻松解决。

根据近几天对于 AiPy 的体验实测,不论从信息聚合、数据处理还是做PPT、思维导图,甚至开发软件、修复代码Bug等全类型自动化场景来说,AiPy 都能够胜任。
与其他AI Agent的对比
-
与AutoGPT相比:AutoGPT需要预设大量工具,配置复杂,而AiPy通过动态生成代码,简化了使用流程,适合快速上手。
-
与Dify相比:Dify更偏向于低代码平台,适合开发AI应用,但对普通用户的友好度不如AiPy。AiPy的自然语言交互更直观。
-
与Manus相比:Manus功能强大但依赖云端,且闭源。而AiPy的本地化运行和开源属性,让它在安全性和灵活性上更胜一筹。
写在最后
AiPy 的 Python-Use 范式创新了AI Agent开发,让LLM直接操控Python生态。这不仅降低了门槛,还为社区提供了新思路。
用了AiPy几天,我最大的感受是:它就像一台"超级数字机床",能根据你的需求"制造"出解决问题的工具。
它的本地化部署、开源属性和对普通用户的友好设计,让它在众多AI Agent工具中都能够独树一帜的。对于开发者来说,AiPy提供了无限的扩展可能;对于普通用户来说,它降低了AI使用的门槛,让每个人都能享受智能自动化的便利。
AiPy的"AI Think Do"理念超级适合当代打工人。它不依赖繁琐的工具集,而是让AI直接用Python"造工具",这让它的适用场景几乎可以无限拓展。
所以也推荐大家去试试AiPy,无论是数据分析、自动化任务还是创意开发,AiPy都能帮你快速实现想法。
AiPy官网:www.aipyaipy.com
GitHub 项目地址:github.com/knownsec/ai...
安装软件注册账号时,也可填写我的邀请码:sFmh,能直接免费领取150万 Token 额度。
扫码加入官方粉丝群,里面也会持续更新很多各场景的有趣玩法。👇
