daniel.w
/
lazyBoy
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
19 Commits 4 Branches 0 Tags 12 MiB
Rust 60.6%
TypeScript 16.4%
Shell 7%
Python 4.7%
CSS 4.2%
Other 7.1%
Go to file
daniel wang d9d705179f fix etc config yaml 2026-09-06 07:32:48 +00:00
.cargo fix etc config yaml 2026-09-06 07:32:48 +00:00
apps/web add voice 2026-09-06 13:51:28 +08:00
crates fix etc config yaml 2026-09-06 07:32:48 +00:00
docs fix all context bubble 2026-09-05 22:59:07 +08:00
image fix etc config yaml 2026-09-06 07:32:48 +00:00
migrations add voice 2026-09-06 11:43:38 +08:00
reference feat: 排程、保險箱、熱機桌面與 README 2026-09-05 17:41:44 +08:00
scripts fix etc config yaml 2026-09-06 07:32:48 +00:00
tests add voice 2026-09-06 13:39:06 +08:00
.dockerignore feat: 排程、保險箱、熱機桌面與 README 2026-09-05 17:41:44 +08:00
.env.example add voice 2026-09-06 11:43:38 +08:00
.gitignore feat: 排程、保險箱、熱機桌面與 README 2026-09-05 17:41:44 +08:00
Cargo.lock fix etc config yaml 2026-09-06 07:32:48 +00:00
Cargo.toml add voice 2026-09-06 11:43:38 +08:00
Makefile fix etc config yaml 2026-09-06 07:32:48 +00:00
README.md add voice 2026-09-06 11:43:38 +08:00
docker-compose.dev.yml feat: 排程、保險箱、熱機桌面與 README 2026-09-05 17:41:44 +08:00
docker-compose.yml fix etc config yaml 2026-09-06 07:32:48 +00:00

README.md

LazyBoy

給 Agent 一台真的電腦

在瀏覽器裡開 Agent。每個都有自己的 Linux 桌面：開網頁、敲指令、學你示範過的流程。金鑰、模型、檔案都留在你這台機器上。

需要的硬體

LazyBoy 是本機系統，不是雲端沙盒。機器要跑四件事：Postgres、API（含網頁）、supervisor、以及每個 Agent 的 Debian 桌面容器。

項目 最低能跑 建議（一台桌面常開）
作業系統 macOS / Linux，已裝 Docker Engine + Compose 同上，磁碟給 Docker 至少 30 GB
CPU 4 核 8 核以上。每個桌面預設吃 2 核（LAZYBOY_COMPUTER_CPUS）
記憶體 8 GB（只能開一台、還會卡） 16 GB。每個桌面預設 2 GB（LAZYBOY_COMPUTER_MEMORY_MB）再加上 API、Postgres、嵌入模型
磁碟 約 15 GB（桌面映像 + Postgres） 家目錄 data/homes/ 會隨瀏覽器設定檔長大
GPU 不需要 模型走網路 API，畫面是 CPU 上的 Xvfb
網路 第一次建映像、拉套件需要 之後離線也能開 UI；聊天要模型金鑰能連外

每個 Agent 桌面都會套用 Docker 的 CPU、記憶體與 PID 上限，預設是 2 CPU、2 GB、2048 個 PID。可在 .env 調整 LAZYBOY_COMPUTER_CPUS、LAZYBOY_COMPUTER_MEMORY_MB、LAZYBOY_COMPUTER_PIDS。Linux 若安裝 LXCFS，將 LAZYBOY_LXCFS_ROOT 指到它的 /var/lib/lxcfs，容器內的 htop、free 等也會顯示 cgroup 配額；macOS 仍會套用配額，但 Docker Desktop 不提供這個 /proc 虛擬化。桌面容器不掛主機 Docker socket，也不使用 privileged；需要一般管理命令時才在 .env 設定 LAZYBOY_COMPUTER_SUDO=true，權限只在該 Agent 容器內生效。

預設一個 Team 電腦容器可同時掛最多 8 個螢幕（TEAM_SCREEN_LIMIT）。再開私人電腦就是再一個容器、再 2 GB。分頁開著時心跳會讓桌面保持熱機；關掉分頁約 10 分鐘後凍結（記憶體還在），約 6 小時後才真正停機。

怎麼快速啟動

要有 Docker（含 Compose 外掛）和 Make。第一次會編 lazyboy/computer:local（Debian + XFCE + Chromium），會比較久。

make env
# 在 .env 填 XAI_API_KEY
# （也可以之後在「本機工作區 → 設定」接 xAI / OpenCode Go / OpenAI 相容端點）
make up
make health

打開 http://127.0.0.1:3101，用 .env 裡的 LAZYBOY_APP_TOKEN 登入，建一個 Agent，傳一句話。

沒有 Make：

cp .env.example .env
# openssl rand -hex 32  → LAZYBOY_APP_TOKEN
# openssl rand -hex 32  → SANDBOX_SUPERVISOR_TOKEN
# openssl rand -hex 32  → LAZYBOY_VAULT_KEY
docker compose up -d --build

前端熱重載：apps/web 裡 npm install && npm run dev，開 http://127.0.0.1:5173。Vite 把 /api 和 /view 轉到 3101。

本機 Rust 開發（Postgres 仍在 Docker）：

make dev              # 準備 .env、Postgres、桌面映像
make dev-supervisor   # 終端 1
make dev-api          # 終端 2
指令 做什麼
make up / make down / make purge 啟動／停止（留資料）／連 Postgres 一起清
make logs make ps make health 看狀態
make computer 只重建桌面映像
make postgres 只開資料庫 127.0.0.1:5434

跟 Grok Bot 比，好在哪

Grok Bot 是 xAI 的雲端隊友：對話、電腦、排程都在他們的機器上。LazyBoy 走同一類產品（本機開源實作對齊 Rakazo 那條線），差在誰擁有執行環境。

Grok Bot LazyBoy
跑在哪 xAI 雲端 你的 Docker
模型 Grok 你帶金鑰：xAI、OpenCode Go、或任何 OpenAI 相容端點
電腦 廠商提供的桌面 你映像裡的 Debian／XFCE／Chromium，家目錄在 data/homes/
資料 在服務端 對話、記憶、保險箱、瀏覽器設定檔都在本機 Postgres + 磁碟
登入帳號 跟雲端工作流程走 每個 Agent 自己的保險箱（AES-256-GCM），模型只看到帳號 id
客製 封閉 開源。工具、MCP、技能 JSON 可改可搬
費用形態 訂閱／用量 電費與硬體；模型金鑰另計
多 Agent 同桌 產品內建 Team 電腦一個容器最多 8 螢幕；私人電腦一人一容器
教會它 看產品當下提供什麼 你示範一次，CDP 記語意事件，模型整理成技能

適合 LazyBoy 的情況：資料不能出門、要自己選模型、要看它點了哪個控制項、或想把「看完訓練影片交測驗」這種流程做成可匯出的技能。

Grok Bot 適合的情況：不想養 Docker、要官方託管、機器不夠力。

每個功能簡介

對話與 Session
每個 Agent 多則對話。訊息進 Postgres，同一則用 clientNonce 去重。問候、閒聊走純文字，不會為了「看一下螢幕」去開 Docker。

Team / 私人電腦
Team：工作區共用一個家目錄，每個 bot 有自己的 DISPLAY（:1、:2…）和瀏覽器設定檔。私人：這個 bot 獨佔一個容器。

即時畫面
右側預覽是 noVNC。瀏覽器連 /view/{botId}/vnc.html，API 用已登入的 cookie 轉到容器裡的 websockify。模型看到的截圖另走 computer_observe，上面會蓋黃字編號；你盯著的 VNC 沒有那些編號。

接管 / 釋放
人按接管就拿到控制租約（預設 15 分鐘，心跳續約）。進行中的 run 會進 waiting_takeover，放開後從目前畫面接著做。模型遇到登入牆、2FA、驗證碼會呼叫 request_takeover。

觀察與操作

  • Chromium 網頁：browser（CDP，點 element id）
  • 原生視窗（對話框、檔案管理員、XFCE）：computer_act（AT-SPI id，不行再退 xdotool 座標）
  • 檔案與指令：list_files / read_file / write_file / shell
    點到 [disabled] 的控制項會最多等 45 秒等它亮。模型用文字回「我在等」會結束整段 run，所以等待必須是 wait 工具。

教技能
你示範，容器內 CDP 錄「點了哪個控制項、填了什麼、去了哪一頁」，再抽幾個關鍵畫面。停下來後模型整理成意圖級 playbook，之後用普通工具在當下畫面找控制項，不是重播座標。密碼欄不錄。技能可匯出 JSON。

Slash 指令與長目標 在 data/skills/<name>/SKILL.md 放工作區共用的唯讀技能，就能在輸入框打 /name 參數 執行；輸入 / 會顯示可用技能。/goal 是 harness 的持續執行模式，和錄製示範產生的 playbook 分開。選單支援方向鍵、Enter／Tab 選取、Esc 關閉。/goal 目標 會先規劃、執行並檢查結果，直到模型回報已驗證完成；只有需要登入、驗證碼、接管畫面或缺少必要資訊時才會停下來請你處理。缺少必要資訊時會記為等待輸入，補充訊息後接續原目標；停止按鈕可以取消。一般訊息仍維持 40 回合上限，教學技能 80 回合。

記憶
pgvector + MiniLM（384 維）。只有你叫它記住、或它呼叫 remember 的內容會進長期記憶。密碼與 token 會被拒。清除對話不會清記憶。

保險箱
每個 bot 自己的站名／帳號／密碼。模型用 list_accounts 只看到站與使用者名稱，use_saved_login 在 Chromium 登入表單填入。金鑰用 LAZYBOY_VAULT_KEY 加密。

排程
五欄 cron，預設 Asia/Taipei。對話裡講「以後每天九點」或側欄新增。tick 迴圈把到期列變成普通 queued run。

MCP
工作區級外掛。市集或自訂 stdio／HTTP／SSE。stdio 跑在 API 容器裡。

群組
多個 Agent 同一個 thread。Team 電腦上各用各的螢幕。同一 bot 同時只跑一個 run，後面的訊息排隊。

附件
圖片給當則模型看，不進歷史二進位。要讓電腦開原檔會放 inbox/，兩小時後刪。

頭像與狀態
Blobatar 色塊＋眼睛。啟動、喚醒、連線、換手時，預覽左上角與思考列會顯示對應文字。分頁開著時心跳保住容器，換手不拆 VNC。

系統怎麼轉起來

其實只有三個角色：你、LazyBoy、它的電腦

Compose 裡 supervisor 不對主機開埠。API 在容器網路連 supervisor:7091。家目錄 data/homes/<homeKey> bind 進容器的 /home/lazyboy。

你送一則訊息

它先決定：聊就好，還是要動手

同一 bot 已有進行中的工作時，新訊息會排隊（queuedBehindActive）。人正在接管時，後面的話只排隊，思考轉圈不會假裝它還在動。問候路徑會把工具表清空，從源頭避免「哈囉」去開電腦。

execute_run 每一輪：續租約 → 寫步驟文字 → 問模型 → 沒有工具就結束（技能沒過會再把畫面塞回去）→ 有工具且需要沙盒才 boot → 畫面沒變就不重複塞圖。回合上限：聊天 4、一般 40、教學技能 80；/goal 會持續到完成或明確需要人介入。目標執行期間，同一對話送進來的新訊息會作為下一輪的補充指示。

電腦的作息

開著、小睡、關機

閒置（crates/api/src/computer.rs idle_loop）：

  1. 執行中、超過 10 分鐘沒人看、也沒有進行中的 run／示範 → docker pause，狀態 suspended
  2. 休眠超過 6 小時 → docker stop，狀態 stopped
  3. 分頁還在就心跳，不會進 1

開機／喚醒：已在跑就直接回；凍結中就 unpause（約一秒）；沒有容器才 provision，等 /tmp/lazyboy/ready。畫面走 /view/{bot}/vnc.html，已登入的 cookie 轉到 websockify。

它怎麼看、怎麼點

你看乾淨的，它看有編號的

能認控制項，就不要猜座標

模型從不直接連 VNC。它只打 API 工具；工具經 sandbox HTTP 進 supervisor，再 docker exec 或打容器內 controld。

編號只畫在給模型的 JPEG 上。VNC 是乾淨桌面。每次 navigation／snapshot 會重編號，舊 id 作廢。computer_act 點在瀏覽器視窗上會被拒，避免用像素點網頁。解析度契約是 1280×800。

每個 bot 一個 computer_screens 列：slot、DISPLAY、執行租約、控制租約。人接管寫 control_holder=user，worker 在回合邊界停，不跟你搶滑鼠。view_only 用 postMessage 切，不重掛 iframe，所以換手時預覽不會黑掉。

lazyboy-controld 聽 127.0.0.1:7070。Team 多螢幕：slot 0 = :1，slot N = :N+1。lazyboy-screen ensure 在同一個容器裡再長一組 Xvfb。

模型金鑰從哪來

由近到遠，找到第一把就用

crates/harness 不管滑鼠，只決定這次 run 要用哪一家模型。真正的 agent 迴圈在 crates/api/src/runs.rs。

金鑰：這個機器人 → 工作區設定 → 環境變數。API 跑在 Docker 時，迴圈位址 127.0.0.1 會被改成 host.docker.internal，才能打到你本機的相容端點。

教會它

你做一次，它記住為什麼

之後 run 若 prompt 對得上技能名，會把完整 playbook 塞進當則，並清掉舊聊天以免模型複誦上次的「還在倒數」。執行仍用 browser／computer_act，在現在的畫面上找「Next」，不是記像素。

排程怎麼進工作

到點以後，跟你傳訊息同一條路

Cron 五欄。時區寫在列上，預設台北。立刻跑 只是立刻插一筆 run，不改下一拍時間。

專案目錄（二次開發從這裡找）

把它當成幾間房間，不是分層蛋糕

Cargo workspace。畫面在 apps/web，對話與工作在 api，怎麼點在 control，開機在 supervisor + image/computer，問哪一家模型在 harness。前端是獨立的 Vite app，由 API 把 apps/web/dist（或開發時的 apps/web）端出去。

LazyBoy/
├── apps/web/                 瀏覽器 UI（Vite + React）
│   ├── src/App.tsx           幾乎全部畫面：側欄、聊天、電腦、設定
│   ├── src/schedule.tsx      排程面板
│   ├── src/avatar.tsx        Blobatar 頭像
│   ├── src/api.ts            fetch 包裝、401
│   ├── src/types.ts          跟 API JSON 對齊的型別
│   ├── src/locales/zh-TW.ts  所有使用者看得到的字
│   ├── src/*.css             樣式（styles / chat / computer / refinements…）
│   └── vnc.html              內嵌桌面（noVNC）；API 的 /view 會讀這一檔
├── crates/
│   ├── contracts/            跨 crate 的型別：Bot、Run、ComputerState、動作 JSON
│   ├── harness/              模型後端：CredentialChain、resolve_backend、connect_model
│   ├── control/              桌面契約：螢幕 slot、租約、CDP/AT-SPI/xdotool、overlay
│   │                         含 a11y.py / cdp.py（容器裡被 exec 的腳本）
│   ├── sandbox/              API 打 supervisor 的 HTTP 客戶端；fake 給測試
│   ├── supervisor/           Docker：provision / pause / unpause / exec / observe / act
│   ├── controld/             打進容器的小 HTTP（127.0.0.1:7070）
│   └── api/                  唯一對外程序：路由、worker、idle、排程 tick、靜態網頁
│       └── src/
│           ├── main.rs       啟動、三條背景迴圈
│           ├── routes.rs     組 router；bot / computer HTTP 也在這
│           ├── runs.rs       agent 迴圈（租約、complete_once、nudge）
│           ├── tools.rs      tool_definitions + dispatch（加工具從這裡）
│           ├── computer.rs   boot / 凍結 / 心跳 / 螢幕租約
│           ├── sessions.rs   對話 CRUD、送訊息、SSE
│           ├── skills.rs     示範錄製與蒸馏
│           ├── file_skills.rs 讀取 data/skills 下的唯讀 SKILL.md
│           ├── schedules.rs  cron
│           ├── vault.rs      登入保險箱
│           ├── memory.rs     pgvector 記憶
│           ├── mcp.rs        MCP 連線
│           ├── screen_proxy.rs  /view 反代
│           └── db.rs         SQL 與列定義
├── image/
│   ├── api/Dockerfile
│   ├── supervisor/Dockerfile
│   └── computer/             桌面映像
│       ├── Dockerfile
│       ├── start.sh          PID 1：controld + Xvfb/XFCE/VNC
│       └── lazyboy-screen    Team 額外 DISPLAY
├── migrations/               sqlx，檔名流水號；API 啟動時自動 migrate
├── data/homes/               每個電腦的家目錄（bind 進容器 /home/lazyboy）
├── data/skills/<name>/SKILL.md 工作區共用的 slash 技能（執行時掛載）
├── tests/                    跨語言的小測試（node:test、Python）
├── scripts/                  init-env、build-computer-image、dev
├── docker-compose.yml        正式堆疊（Postgres + supervisor + API）
├── Makefile                  make up / dev / test
└── reference/rakazo/         上游參考實作，不要當 runtime 依賴

想改什麼，開哪個檔

你要做的事 先開
加一個模型工具（例如 screenshot_region） crates/api/src/tools.rs（tool_definitions + dispatch）；若要 GUI，runs.rs 的 tool_needs_sandbox / tool_needs_gui
工具對應的滑鼠／鍵盤／CDP crates/control/src/{actions,x11,cdp,a11y}.rs 與同目錄 .py
新的 HTTP 端點 功能模組自己的 router()（如 schedules.rs），在 routes.rs .merge(...)；電腦／bot 則直接寫在 routes.rs
新狀態、動作 JSON、Run 狀態機 crates/contracts/src/（改完 api / 前端 types.ts 一起對）
換模型供應商或金鑰解析 crates/harness/src/resolve.rs、crates/contracts/src/model.rs、workspace.rs
容器怎麼開、凍結、等 ready crates/supervisor/src/docker.rs、crates/api/src/computer.rs
桌面裡多裝套件、改 XFCE、開機腳本 image/computer/，然後 make computer
對話 UI、電腦預覽、頭像小卡 apps/web/src/App.tsx + 對應 css
畫面上的中文 apps/web/src/locales/zh-TW.ts（key 加了 tsc 才會過）
內嵌 VNC 行為（貼上、唯讀） apps/web/vnc.html
新資料表 migrations/0xx_....sql；列定義補 crates/api/src/db.rs
排程 UI apps/web/src/schedule.tsx
MCP 市集清單 crates/api/src/mcp_catalog.rs

加一支工具的最短路徑

  1. tools.rs 的 tool_definitions 加 ToolDefinition（名稱、說明、JSON Schema）。說明是寫給模型看的。
  2. 同一個檔的 dispatch 加 match arm，回 ToolOutcome { text, image, pause, blocks }。
  3. 若會動到桌面：runs.rs 裡 tool_needs_sandbox / tool_needs_gui 把名字加進去，否則不會 boot、也拿不到螢幕租約。
  4. 需要新的容器指令就放 control（Rust 組 argv，Python 做 CDP/AT-SPI），supervisor 的 exec 已經會把 DISPLAY 帶進去。
  5. 前端若要顯示步驟文字，runs.rs 的 describe_step 加一列。
  6. SANDBOX_PROVIDER=fake cargo test -p lazyboy-api 先過，再對真容器看。

本機二次開發迴圈

make env && make postgres          # 資料庫
make computer                      # 桌面映像有改才需要
make dev-supervisor                # 終端 1，:7091
make dev-api                       # 終端 2，:3101，會自動跑 migrations
# 前端另開：
cd apps/web && npm install && npm run dev    # :5173
  • 改 apps/web/src：Vite 熱更新。
  • 改 crates/api：停掉 dev-api 再 make dev-api。
  • 改 crates/supervisor：同樣重跑 supervisor。
  • 改 crates/control 的 .py：映像沒重建的話，執行中的容器還是舊腳本；要嘛 make computer 後重開電腦，要嘛確認 supervisor exec 讀的是映像內檔案。
  • 改 image/computer：一定 make computer，再在 UI 重啟該台電腦。
  • 契約改了：同時改 contracts、呼叫端、apps/web/src/types.ts。

檢查：

make fmt && make clippy && make test
node --test tests/frontend.test.mjs          # 排程 cron、VNC 貼上、登入填表防護

SANDBOX_PROVIDER=fake 時 API 不碰 Docker，適合先測 run／工具契約。

reference/rakazo/ 是對齊用的上游，不要在 LazyBoy runtime import 它。

安全（操作時要記得）

  • Supervisor 只在 Compose 內網，不要對 LAN 開埠
  • 畫面走已登入 API，VNC 密碼不進瀏覽器 URL
  • 區網請走 HTTPS；終端是 HTTPS 時設 LAZYBOY_SECURE_COOKIE=true
  • API 綁非本機時 LAZYBOY_APP_TOKEN 至少 32 字；supervisor 拒絕空白、過短、dev-token
  • 保險箱用 LAZYBOY_VAULT_KEY；換登入 token 時這把 key 要留著
  • 模型看不到密碼本文；2FA／CAPTCHA 一定要人在它的畫面上處理