Kickstarter公开数据显示，Violoop上线约20小时后筹款超过100万美元，来自近两千位支持者。它把Agent从一次性的能力调用，变成可长期使用的个人工作系统，让AI进入用户现有的电脑做事。

Violoop刚在Kickstarter交出了一份挺强的首发成绩。

据「明亮公司」9月17日引用的Kickstarter公开数据，Violoop上线约20小时后筹款超过100万美元，截至北京时间9月17日13时，筹款额为1,143,837美元，来自1,971位支持者。

数字很醒目。我更在意的是，已经有用户愿意为能看懂工作现场、操作电脑的AI提前付费。

很多人已经习惯了AI回答问题、写内容、生成代码。现在，开始有用户愿意为另一种能力付费：让AI看懂正在发生的工作，操作电脑，并在真实流程里持续参与。

在我看来，Violoop的看点也不止桌面上的这个小盒子。

它在尝试做的，是把Agent从一次性的能力调用，变成一套可以长期使用、持续进化的个人工作系统。

01 Agent要长期工作，先得进入现有电脑

这两年，Agent能力已经进步得很快。它可以理解任务、调用工具、完成一些流程。但门被打开，不代表普通用户就能真正住进去。

如果AI已经能操作电脑，接下来会遇到的现实问题其实很多：它怎么进入现有软件？运行成本能不能扛住？安全边界在哪里？用久以后，到底会不会越来越懂你？

Violoop试着回答这些问题。

它是一台巴掌大小、接入现有电脑的桌面AI设备。Kickstarter单台首发价399美元，海外建议零售价699美元。用户无须更换电脑。通过读取屏幕内容，并以USB键鼠输入等方式完成操作，它可以进入用户已经在使用的软件，参与跨应用工作。

这件事看起来并不复杂，但它绕开了一个很现实的限制：几十年积累下来的软件、企业内部系统和专业工具，并不都为AI开放接口。

与其等待所有软件完成改造，Violoop选择让AI先学会人的交互方式：看见屏幕，理解界面，再在授权范围内操作电脑。

它要接住每天真实、琐碎、反复发生的工作流，演示中的一次漂亮执行只是起点。

02 AI先理解现场，用户少花时间解释

今天很多AI工具的使用路径还是一样：你先复制材料，整理背景，拆解目标，再写一段足够清楚的提示词。任务还没有开始，人已经先做了一轮准备工作。

很多时候，最消耗人的是每次都要重新向AI解释自己。

Violoop想做的，是把这部分成本往下压。

比如，当用户打开一份候选人简历，系统可以根据当前内容主动提供摘要、面试问题或岗位匹配分析等选项；当新的工作请求出现，它可以结合已有记忆准备相关材料、起草回复，把可执行的下一步送到用户手边。

用户仍然可以选择下一步，随时补充要求、调整方向或拒绝建议。Violoop尝试让AI先理解当前现场，再提供帮助，减轻用户组织指令的负担。

“我们希望消除的，是每次启动任务都必须先写一段完整提示词的负担。”

Violoop创始人何佳霖表示。

03 记忆和Skills让工作方法逐步沉淀

我觉得Violoop最有意思的一层，是它希望把用户长期协作里的经验留下来。

基础模型知道很多通用知识，但一个具体的人如何工作，并不在公开训练数据里。用户从哪里找资料，怎样处理相似任务，为什么修改上一次结果，哪些决定必须自己确认，这些东西要在真实协作里才会慢慢显现。

Violoop把这套过程拆成了三层。

第一层，是长期记忆。设备在用户授权下，从日常工作中提取有价值的信息，建立人物、项目、文件和事件之间的关联，并持续整理与更新。用户可以查看系统记住了什么，也可以纠正或删除内容。

第二层，是工作流记忆与Skills。系统积累的不只是某一次操作记录，还包括完成一类工作的可复用方法，以工作流记忆、Skills和执行路径的形式保存，让相似任务不必每次都从零开始。

第三层，是个人化模型。Violoop称，团队已在内部测试中走通「捕捉工作轨迹—形成记忆—用于个人化训练」的技术链路，正在推进训练、评测与量产系统的工程化，希望把反复得到验证的经验逐步沉淀到个人化参数中。

如果把它拆成一个循环，大概就是：理解当前工作、沉淀长期记忆、积累可复用的工作流，再把被验证的经验逐步形成更稳定的个人化能力。

这里也要说清楚，产品仍在推进中。据团队介绍，长期记忆、工作流记忆与Skills积累已在测试系统中运行，基于任务结果自动修正执行方式的反馈闭环仍在完善，更深层的个人化训练能力，计划在评测通过后逐步通过OTA推送。

Violoop把三者共同支撑的主动判断称为「人工直觉」。简单理解，就是让AI结合当下场景和过往经验，在合适的时候提前准备，减少用户反复交代背景的次数。

04 端侧与云端各自承担合适的任务

如果一个Agent要长期运行，它不能把所有事情都堆到云端。持续理解屏幕、处理上下文、做即时响应，这些事情一旦都依赖云端，速度、成本和隐私都会变成问题。

Violoop采用端云协同架构：26 TOPS端侧算力承担屏幕理解、记忆处理和本地推理等高频、低延迟工作；更复杂、耗时更长的任务，再通过模型路由调用云端大模型。

这种分工的好处不难理解。端侧负责离现场更近的感知和响应，云端负责更复杂的推理能力。这样，系统可以在用户仍处于当前工作场景时提供帮助，同时保留调用更强通用模型的空间。

原始屏幕画面与长期记忆在本地处理和保存；需要云端推理时，再按任务需要提供相关上下文，而不是持续上传屏幕画面。

这部分看起来是技术细节，却会影响它能否从「能演示」走向「能长期使用」。

05 实体确认键守住关键操作的权限

让AI操作电脑，很多人的第一反应其实都是：会不会出问题？这很正常。因为一旦Agent开始碰到发送、删除、提交和支付，风险就不再只是答错一个问题。

Violoop的做法是把执行权限交给独立安全芯片管理。对于需要最终授权的高风险操作，系统要求用户通过实体按键或配对手机完成确认。

它可以先整理资料、起草内容、准备操作，但最终放行仍然属于用户。

“理解在生长，权力始终不动。” 何佳霖如是说。

持续学习不应该意味着权限自动扩张。系统越主动，越要有一条清楚、稳定的授权边界。

对普通用户来说，这其实很重要：你敢不敢长期把自己的工作环境交给它。

06 融资与众筹推动产品进入交付检验

此次众筹之前，Violoop于9月初宣布完成亿级天使轮及Pre-A轮融资，投资方包括联想创投、中金保时捷、蓝驰创投、元生资本、启赋资本及清科控股，向阳资本担任长期独家财务顾问。

其中，联想与Violoop的关系并不止于资本。双方围绕AI PC生态开展战略合作，探索生产制造、供应链、国内外渠道与品牌资源等方面的产业协同，并共同探讨Agent、端侧模型与个人化能力的落地。

融资和产业资源能帮它推进量产，20小时突破100万美元、截至北京时间9月17日13时有1,971位支持者，也给出了一份来自用户端的早期反馈。

用户已经给出了一轮反馈。接下来还要看量产交付和长期使用表现。

07 长期使用，才会回答这台设备的价值

我不觉得Violoop现在就已经是答案。主动帮助到底有没有价值，反馈闭环怎么持续变准，个人化训练能力如何经过评测并走向量产，都需要真实交付和长期使用来验证。

但它提出的问题值得追问：如果AI已经可以操作电脑，怎样让它在同一个人的工作流里长期稳定地发挥作用？

物理接入、端云协同、长期记忆、工作流沉淀、安全控制，再加上即插即用的产品形态，这些能力组合起来，尝试回答同一个问题：怎样让AI真正进入一个人的工作方式。

20小时破百万美元，尚不能证明这条路已经走通。

但它至少说明，一批用户开始愿意为能操作电脑、并尝试逐渐学会个人工作方式的AI买单。