年初 OpenClaw 爆火时，一款手掌大小的桌面设备：Violoop，脱颖而出被称之为「硬件龙虾」。
两者均能让 Agent 自己看屏幕、动键鼠、跨软件干活，一个装在软件里，一个直接做成了硬件。
时隔五个月，偶然间我在一个知名的众筹平台 Kickstarter 上，再次看到了 Violoop 的身影。
它以一台全新的个人 Agent 桌面硬件形态，出现在大众面前，而且具备了自我进化能力。
就在前两天，它刚上线到 Kickstarter 平台，短短 20 个小时，众筹金额就突破了 100 万美元。
一天时间就收获了将近 2000 位支持者，平台上同类型 AI 硬件，要众筹 30 到 45 天才有这个数。
但最值得关注的，并不是众筹的金额多少，而是 Violoop 与行业主流的 Agent 实现方案不一样。
它选择了一套模拟人类交互的硬件方案，通过 HDMI 捕获电脑屏幕画面，再用 USB 模拟键鼠输入。
直接接进现有的 PC 就能用，无需修改操作系统，也不需要应用提供专门的接口。
下面按三块来拆，绕开 API 之后它拿到了什么数据，这些数据怎么变成一个人的 Agent，能力涨了权限怎么管。
绕开 API，直接从屏幕拿数据
行业里稳定的 Agent 自动化方案，大部分都是想要应用开放的 API，再逐个做接口适配。
为此 Violoop 选择用硬件模拟人的交互方式，屏幕画面从 HDMI 读，键盘鼠标信号从 USB 发。
相当于电脑的第二位操作者，当人不在的时候，它可以在授权范围内，继续处理和完成任务。
一个任务从发起、中间判断、执行失败到人工修正，整个过程产生的数据，Violoop 都能拿到。
另外 Violoop 硬件自带 26 TOPS 的端侧算力，负责屏幕感知、记忆抽取和本地的个人化计算。
高复杂度的推理任务，则交给云端大模型，云端管通用能力的上限，端侧管沉淀专属经验。
在操作过程，产生的原始屏幕数据全部留在本地处理，所有权归使用者自己，数据安全隐私。
从记忆到本能，打造个人 Agent
硬件把画面采回来了，新问题也跟着来，怎么把原始画面流变成结构化的记忆，再完成可控的个人自进化。
注意这里 Violoop 说的自进化，和学术界那种递归模型自我改写有所不同。
它不在设备上动模型架构，只做面向真实工作的可控成长，链路分三层。
第一层是多模态长期记忆系统。
在授权的前提下，设备从屏幕信息里抽取和工作相关的内容，构建一个图文混合的个人知识库。
系统不会把截图原样堆着，它内置了专用的记忆抽取与重整模型，会合并重复、淘汰过期，把项目、文件、人物、事件关联起来。
另外整个记忆库是开放的，但看到哪条记错了还可以自己动手纠正，不想留的也可以删除。
团队内部实测，系统只靠持续观测，就能理解一个项目的上线节点、进度和业务指标。
第二层是工作流记忆与技能沉淀。
传统 RPA 工作流，通过固定元素 ID 实现自动化脚本，当界面稍微改一下就直接失效。
而 Violoop 是将可复用的经验以工作流记忆、技能和执行路径的形式保存下来。
比如信息从哪拿、几个软件之间怎么流转、冲突时怎么取舍、哪些节点必须人来确认。
下次遇到相似任务，系统不再从零规划，直接调用历史技能，再结合新任务的条件动态调整。
可以说这一层，决定了 Agent 从拥有信息，走到能实际替人干活。
第三层是个人化后训练。
只靠外部记忆检索，每次任务都得完整推理一遍，计算开销压不下来。
Violoop 采集真实的工作轨迹、操作步骤、任务结果和人工修正，拿去对模型做个人化后训练。
把这些反复验证过的慢思考推理逻辑，蒸馏成快速响应，让经验从外部记忆迁移进模型权重。
这里需要知道，Violoop 没有在端侧训练通用大模型，而是在模型之上搭了一层个人经验层。
主要目的是，从记录这个人做过什么，变成让模型能理解能懂这个人会怎么做。
三层打通之后，Violoop 便提出了一个叫法：人工直觉（Artificial Intuition）。
让 Agent 可以我们做一些前置任务，比如整理资料、起草内容等，做完之后再交给人工来审核。
高风险操作，必须按一下实体键
当一个能操控键鼠、能访问屏幕的 Agent 出现，那操作权限的风险控制自然是绕不开的问题。
Violoop 的做法是在硬件里放了一颗独立的安全芯片，把授权执行模块和感知、推理模块分开。
当执行发送、删除、提交、支付这类高风险的操作时，会强制要求人在设备上按实体按键确认。
写在最后
硬件是这个产品落地的入口，但并不是它交付的能力重点，在我看来是个人化能力的积累起点。
但 Violoop 的护城河，和占有多少原始数据没关系，屏幕数据的所有权本来就归使用者自己。
而是其从记忆、工作流到个人化训练的整条链路，加上评价机制、执行框架和硬件权限架构。
往后通用大模型会越来越强，调用成本还会持续下降，所有团队都能拿到强大的基础模型使用。
一个真实的人沉淀下来的工作经验和决策反馈，是别人拿不走的，这才是独有的优质数据资产。
当 AI 可以跟随着我们持续成长时，届时最值钱的 就不是模型有多强，而是它跟了我们多久。
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！