产品定位
认识happycapy
happycapy定位为面向AI Agent的云端“计算机”，由Trickle团队打造。它解决了智能体在本地运行受限于网络波动、算力瓶颈和环境配置复杂的问题，通过在云端提供持久化、隔离的沙盒环境，确保Agent可以稳定、连续地执行操作。其边界在于主要服务于具备API调用能力的Agent程序，而非直接面向普通C端用户的消费级应用。
能力图谱
能帮你完成什么
Agent环境管理
为AI智能体提供标准化的底层运行支持，解决环境依赖与状态保持问题。
- 云端沙盒托管
- 提供与用户物理设备隔离的云端Linux环境，预置必要的基础软件栈，确保Agent运行的稳定性。
- 持久化存储挂载
- 在Agent生命周期内保留文件系统数据（如代码仓库、下载资源），支持重启后环境状态的恢复。
自动化任务执行
支持Agent进行跨平台的交互操作与脚本执行，完成不可逆或耗时的计算任务。
- 远程桌面控制模拟
- 允许Agent通过模拟键鼠操作在云端环境中打开浏览器、点击按钮或填写表单，实现复杂的UI交互。
- 长耗时批处理
- 在后台持续运行数据处理、爬虫抓取或模型推理任务，不受本地关机或断网影响。
使用路径
从需求到结果
创建并启动Agent实例
快速获得一个可用于测试或运行的云端环境。
- 访问happycapy官网注册账号。
- 从控制面板选择基础镜像或自定义Docker容器。
- 启动计算节点并获取唯一的IP或域名入口地址。
- 预期产出
- 一个已连接且正在运行的云端环境，可直接SSH接入或查看实时日志。
集成大语言模型逻辑
将LLM的判断能力转化为具体的云端操作。
- 配置环境变量以注入API Key及相关凭证。
- 编写Python脚本定义Agent的观察、思考与行动循环。
- 将脚本部署至云端终端并通过API触发执行。
- 预期产出
- Agent根据指令在云端环境中自动生成结果文件并完成预期的操作流程。
选型判断
它适合你吗
值得考虑的情况
- 正在构建Computer Use类Agent的团队
- 传统本地部署方案容易因断网导致任务中断，云端环境能确保持续在线和全天候监控。
需要权衡的地方
- 属于开发者级别的基础设施
- 不适合缺乏代码经验的用户直接使用；用户通常需要自行解决环境配置和安全策略问题。
开始之前
- 开发者需具备基础的编程能力（如Python）来编写Agent逻辑。
- 需要有稳定的网络连接以与云端Agent进行通信。
定价与门槛
投入与使用范围
- 计费方式
- 基于云算力使用量的计费模式。
- 免费范围
- 新用户通常可获得少量的试用额度（Credits）。
- 付费差异
- 按CPU时长、内存占用或GPU资源包进行阶梯付费。
- 相关限制
- 免费额度用完后将无法继续分配资源，需绑定支付方式购买。
其他选择
放在一起看差异
多模型API聚合网关
OpenRouter
- 相同的任务
- 两者均为AI应用的运行提供关键的基础设施支持。
- 不同的侧重
- OpenRouter专注于模型路由与对话API分发，而happycapy侧重于提供完整的操作系统级运行环境供Agent操作。
- 什么时候选它
- 当需求仅为调用LLM生成文本且无需操作第三方网站时。
开源Agent框架
AutoGPT / LangGraph Sandbox
- 相同的任务
- 都涉及AI自动化的任务规划与执行。
- 不同的侧重
- 自研框架侧重编排逻辑，需在自有服务器上部署；happycapy直接提供现成的云端算力环境。
- 什么时候选它
- 当需要完全掌控源代码且不愿将敏感数据上传至第三方云服务时。
GPU云服务器提供商
RunPod
- 相同的任务
- 均可提供云端算力用于运行AI相关任务。
- 不同的侧重
- RunPod主打高性能GPU租赁以满足训练和高并发推理需求；happycapy更贴合轻量级的云端桌面交互与Agent托管。
- 什么时候选它
- 当任务需要大规模并行计算且对延迟敏感度较低时。
云端集成开发环境(IDE)
Replit
- 相同的任务
- 均提供云端代码编写与运行空间。
- 不同的侧重
- Replit强调交互式协作编程体验；happycapy作为Agent后端，往往无头运行或在后台承载特定流程。
- 什么时候选它
- 当开发者希望边写代码边调试且重视社区分享功能时。
常见问题
你可能还想知道
happycapy支持哪些类型的AI模型？
作为底层计算环境，它不限制具体模型，只要模型能够通过标准接口（如HTTP API）进行调用的主流大语言模型（如GPT-4, Claude, Llama等）均可在其环境中运行相关的Agent程序。
我的数据在云端是否安全？
每个Agent实例均在隔离的沙盒中运行，互不干扰。建议使用环境变量存储敏感密钥，并定期清理不再需要的文件或快照，以降低长期驻留的风险。
Agent运行过程中断了能恢复吗？
若配置了持久化卷（Persistent Volume），重启后的新实例通常可以读取上次遗留的文件状态，但内存中的临时变量会丢失。建议通过数据库或对象存储来记录关键进度。
我可以在上面运行非Python语言吗？
是的，由于底层是标准的Linux虚拟机，您可以安装Node.js, Rust, Java等各种运行时环境来编写和执行Agent代码。
