概述

国际版官网，中文版官网。爱派，北京知道创宇公司推出的AI工具，通过深度融合LLM与Python编程能力，突破传统问答式交互框架，构建需求解析-任务规划-代码生成-代码执行-动态调优全流程自动化闭环。提供Windows、MacOS系统安装程序。借助Python Use范式，理解需求，通过动态生成并执行Python代码，完成任务。

除开源（GitHub）免费版（指的是爱派工具本身部分功能可用，调用模型API还是需要付费的）之外，还提供企业版，功能更高级更强大，还有付费支持服务。

对比下两者的宣言(slogan)：

• 国际版：Help you make money, help you slack off, help you find a partner, we can help you with everything.
• 中文版：本地Manus、国内能用、内网能用，开源免费。

核心技术价值：

• 无代理化通用任务执行框架
  颠覆传统工具代理(Agent)依赖模式，首创代码即代理(Code is Agent)技术理念。通过大模型对用户需求进行语义解析与任务拆解，动态生成Python代码并调用本地资源（文件系统、应用程序、网络服务、智能设备等），实现跨领域自动化操作。
• 全本地化安全计算架构
  支持全功能本地化部署，敏感数据处理全程在本地环境完成，避免数据云端传输风险。用户仅需承担大模型API调用成本（提供免费模型接入方案），结合开源代码，满足企业级数据安全与合规要求，尤其适用于金融、医疗等对数据隐私敏感的行业场景。
• Python生态深度集成方案
  依托Python丰富的工具链体系（数据分析库、自动化脚本引擎、API调用接口等），结合大模型能力，实现需求语义-执行代码-系统操作双向驱动。相比Java/Lua等开发语言，兼具轻量化部署与生态扩展性优势，可实时生成邮件定时发送脚本、多音色语音合成程序等复杂功能模块。
• 弹性兼容的技术架构设计
  • 多模型适配能力：支持主流大模型API接入，兼容本地模型部署方案（0.9.1版本试用下来没有此项功能，未来也许会有），平衡计算性能与成本消耗；
  • 跨平台部署体系：提供Windows、MacOS系统安装包，降低技术使用门槛；
  • 开放扩展接口：支持MCP，可添加三方MCPServer，也能自定义API调用（含本地私有接口），通过API Calling功能实现与企业现有业务系统的无缝集成。

对比其他AI Agent

• AutoGPT：AutoGPT需要预设大量工具，配置复杂，而AiPy通过动态生成代码，简化使用流程，适合快速上手。
• Dify：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。
• Manus：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。

（中文）测评报告：

• 一期
• 二期
• 三期
• 四期

Python Use

之前在AI浏览器概述，汇总过好几个Use，如：Browser Use、Computer Use、Mobile Use。

而Python Use，则是知道创宇公司的工程师推出的概念。

Python-Use范式：一种把Agent逻辑直接写成可执行Python代码的极简思路。抛弃繁复的Schema注册、Workflow编排和多Agent协商，实现细粒度代码控制，逻辑可控、可调试、最少Token浪费。简单说，直接用Python把Agent逻辑实现出来，让代码就是Agent。

实战

非常简单，官方提供安装包，从官网下载exe应用程序，安装过程会解压缩超级一大堆Python包，没具体测算过，是有好几分钟。

手机号注册后，界面如下，功能一目了然

点击【新建任务】

同时右侧出现上下两个窗口，上面是工作目录，默认在C盘用户目录，随机生成一个10位字符作为当前任务的目录，不同任务使用不同目录，确保不互相影响（隔离性）。

下面是终端命令行工具。

测试问题：找到D盘最大文件？

执行失败

打印输出一大串思考过程（操作系统是Windows等），利用PowerShell执行失败，然后自动切换到Python方案。

迷思：消耗掉一大堆Token，为啥不一开始就使用Python方案呢？官方宣称Python-Use，有点搞不懂。

以【管理员】模式打开PowerShell，检查当前执行策略：

输出Restricted（默认值），表示禁止运行脚本。

嗯，AiPy诚不我欺：没有权限。

【还是以管理员模式】临时更改执行策略：Set-ExecutionPolicy -ExecutionPolicy Bypass -Scope Process

生成的PS1脚本有问题，无法执行。。。

PowerShell ISE打开ps1文件，中文乱码：

报错提示和上面的运行结果一样。

不折腾PS1脚本，来看看Python脚本吧。Python脚本执行完全没毛病！！

源码如下：

import os
import sys
from pathlib import Path

def find_largest_file(drive_path):
	"""找到指定盘符最大文件"""
	try:
		if not os.path.exists(drive_path):
			print(f"错误：{drive_path}不存在或无法访问", file=sys.stderr)
			return None
		largest_file = None
		max_size = 0
		print(f"正在扫描 {drive_path} 的所有文件...请稍候(｡･ω･｡)ﾉ♡")
		# 遍历所有文件
		for root, dirs, files in os.walk(drive_path):
			for file in files:
				try:
					file_path = os.path.join(root, file)
						if os.path.isfile(file_path):
							size = os.path.getsize(file_path)
								if size > max_size:
									max_size = size
									largest_file = file_path
				except (OSError, PermissionError):
					# 跳过无法访问的文件
					continue
		return largest_file, max_size
	except Exception as e:
		print(f"扫描过程中出错：{str(e)}", file=sys.stderr)
		return None

# 执行搜索
drive = "D:\\"
result = find_largest_file(drive)
if result:
	file_path, size_bytes = result
	size_mb = size_bytes / (1024 * 1024)
	size_gb = size_bytes / (1024 * 1024 * 1024)
	print("\n" + "="*60)
	print("🎉 找到D盘最大文件啦！")
	print("="*60)
	print(f"📁 文件路径：{file_path}")
	print(f"📊 文件大小：{size_mb:.2f} MB ({size_gb:.2f} GB)")
	print(f"📈 字节数：{size_bytes:,} bytes")
	print("="*60)
else:
	print("😭 没有找到文件或出现错误，求原谅...")

不过速度非常非常慢，显然和我本地D盘文件过多没有多少关系。

不用花费多少时间，稍微分析下思路，一个方案：从D盘根目录扫描，找到一级目录下最大文件，记录下文件大小；然后利用广度优先搜索，for循环遍历二级目录，检查二级目录大小，小于动态的标记值（即当前最大值），则跳过，大于则需要进行三级目录遍历。

另外，脚本并没有打印出任务执行耗时信息。

原理

除了两个脚本文件，在当前目录还生成一个task.json文件，26K：

{
    "instruction": "找到D盘最大文件？",
    "start_time": 1757813090.583199,
    "done_time": null,
    "chats": [
        {
            "role": "system",
            "content": "非常核心，系统提示词，很长，省略",
            "reason": null,
            "usage": {}
        },
        {
            "role": "user",
            "content": "{\"task\": \"找到D盘最大文件？\", \"source\": \"User\", \"context\": {\"operating_system\": {\"type\": \"Windows\", \"platform\": \"Windows-10-10.0.19045-SP0\", \"locale\": [\"Chinese (Simplified)_China\", \"936\"]}, \"command_versions\": {\"node\": \"v22.2.0\", \"bash\": \"5.1.16\", \"powershell\": \"5.1.19041\", \"osascript\": null, \"python\": \"3.12.11\"}, \"today\": \"2025-09-14\", \"TERM\": \"unknown\", \"LC_TERMINAL\": \"unknown\"}, \"constraints\": {\"reply_language\": \"Now, use the exact language of the `task` field for subsequent responses\", \"file_creation_path\": \"current_directory\"}}",
            "reason": null,
            "usage": {}
        },
        {
            "role": "assistant",
            "content": "老板~我来帮你找D盘最大的文件啦。。。",
            "reason": "让我分析一下。。。",
            "usage": {
                "total_tokens": 5402,
                "input_tokens": 3962,
                "output_tokens": 2464,
                "time": 28.296
            }
        }
    ],
    "runner": [
        {
            "block": "<CodeBlock name=find_largest_file, version=1, lang=powershell, path=find_largest_file.ps1>",
            "result": {
                "stdout": null,
                "stderr": "...UnauthorizedAccess",
                "returncode": 1
            }
        }
    ],
    "blocks": [
        {
            "name": "find_largest_file",
            "version": 1,
            "lang": "powershell",
            "code": "...",
            "path": "find_largest_file.ps1",
            "deps": null
        },
        {
            "name": "find_largest_file_py",
            "version": 1,
            "lang": "python",
            "code": "...",
            "path": "find_largest_file.py",
            "deps": null
        }
    ]
}

解读：

• 通过第一个content字段设置非常详细的系统提示词，让模型表现得更聪明；
• 第一个content字段，则搜集本地电脑软件配置及版本号，发送给模型；
• 通过多轮user-assistant对，来完成用户提交的任务；
• reason字段，只有role=assistant才有可能不为空，不为空则表示模型执行失败，该字段会记录详细的报错原因，会触发下一轮user-assistant对；
• usage字段也只会出现在role=assistant下，表示模型此次任务执行消耗的Token和时间；
• 理论上且原则上input_tokens+output_tokens=total_tokens，但也不尽然，上面的代码就不成立，原因未知；
• runner模块记录出错步骤；
• blocks模块记录任务产出的（多个）代码片段。

设置

回到工具本身，支持两语种，工作目录，自动更新，超时时间，执行轮数，云端同步等，见名知意：

风格设置：

点击【模型】，默认使用TrustToken网关+分发平台。TrustToken集成很多场景下的最佳实践，形成经验库、知识库。在执行任务时，会把用户系统相关的版本信息、环境信息做收集，发给模型和TrusToken，TrusToken负责根据用户环境做最优匹配。

支持添加其他模型提供商：

点击【MCP】，内置联网搜索和地理信息服务（即GIS），正好对应上面聊天窗口截图中所示的两个按钮：

支持新增MCP Server

其中类型如下，和Cherry Studio一样：

运行环境

支持切换不同的pip和npm源。

智能体集市

付费

重头戏来了，注册用户自动充值15元，上面的一个简单测试花掉0.47元，还是很快的，搞PowerShell就很费解。

充值

按照美元兑换人民币汇率7.3元。。

TrusToken

官网给出的定位：AI大模型Tokens统一分发与管理平台。

优势：

• 多模态模型：支持国内外主流大模型，模型种态丰富，支持多模态、文生文、文生图、文生视频等；
• 模型参数智能优化：自动优化客户端提交的模型请求参数，对参数进行自动纠错、对Max_Tokens等参数自动适配可用最大值、自动补充必要参数等；
• 地理服务：集成商用地理搜索服务，可以帮助用户查询当前城市、本地天气、查询周边商圈、制定旅游路线规划、路线查询、距离测量等；
• 联网搜索：集成联网搜索能力，帮助大模型在完成任务时，快获速获取实时资讯、数据与知识，提供更及时可靠的结果；
• 智能调度：全球多个数据中心，先进的智能调度算法，自动选择最优模型和节点，确保全球用户都能获得最佳体验；
• 数据分析：提供详细的用量统计和分析报告，帮助您优化Token使用，降低成本。

【个人中心】的功能都能在AiPy里找到。

控制台还在建设中，打开任务日志，报错如下：

参考

• AiPy：AI+Python=安上手脚的Agent