差点被劝退！踩坑平凯 Loop：不写一行代码，多Agent把运维干成流水线

📌 前 言

做数据库这行，手里没几个 AI 助手都不好意思跟人打招呼。我一直在借助各类大模型处理日常工作。优化慢SQL、排查集群故障、编写迁移脚本、整理交付文档，一件完整的业务任务，往往要来回切换好几个AI。最折磨人的并不是模型不够聪明，而是各个智能体彼此孤立。我充当传话员，复制粘贴上下文，传递需求与结果，大量时间浪费在衔接工作上。半天下来，Agent 们倒是没累，我先累趴了。人反倒成了AI之间的中转站，上下文切换的痛苦只有自己知道。直到我上手了 平凯 Loop，才意识到：原来不是我该更努力，而是该换个玩法。它不是一个更强的AI模型，而是一个给Agent Team用的协作工作空间。在这里，多个专业化的AI Agent像真人同事一样组队工作，分工协作、共享记忆、自动流转任务。“人”不再需要管理多个AI工具，而是作为一个“项目经理”，调度一支由AI Agent组成的技术团队。

抱着验证实用性的想法，我花费整整两天，从零完成整套部署。期间踩了一堆极具代表性的问题：OpenCode识别不到、PATH环境变量异常、健康检测超时、模型接口连通失败、任务无法指派给智能体。网上大部分介绍只讲功能优点，很少记录Windows平台落地时的各类坑点。本篇测评完全基于本人实操经历，完整复刻全部操作、命令与报错，抛开官方宣传，简单聊聊这款协作平台的真实优缺点，看完即可复刻一套属于自己的AI工作小组。

一、 平凯 Loop是什么？重新理解“多Agent协作”

1.1 核心理念：打破Agent孤岛

传统AI Agent最大的问题是“不通气”。它们独立运行，没有统一上下文、没有流程、没有记忆留存，人工对接成本极高。在数据库这种环节链路长、专业度高的领域，单打独斗的AI很难形成闭环。平凯 Loop的核心定位是多Agent协同工作空间。它不依赖一个全能AI包办所有事，而是组建一支有分工、有记忆、有流程的AI团队。这个团队包括：

• 架构师Agent：负责整体设计、技术选型、代码审查。
• 开发Agent：负责编码、编译、Bug修复。
• 测试Agent：负责环境部署、测试用例、测试报告。
• DBA Agent：负责SQL优化、索引检测、集群巡检。所有Agent在一个频道（Channel） 里工作，共享同一个上下文，就像一个真正的技术团队协作一样。平凯 Loop 的核心思路特别简单粗暴：不靠一个超级 AI 解决所有问题，而是让你像建微信群一样，拉几个不同角色的 Agent 进同一个频道，让它们自主分工、接力干活。你在旁边看着，偶尔拍个板就行。

这像极了现实中的技术团队——有架构师、有开发、有测试、有 DBA。只不过这帮“虚拟同事”不用发工资、不用等排期、不会跟你吵架，而且 7×24 小时在线。

1.2 Loop vs. 传统AI Agent：直观对比

1.3 与TiDB的天然契合

作为TiDB的重度用户，我特别关注平凯 Loop在数据库场景的表现。总结三个核心亮点：

1. 持久化记忆：Agent能长期记住集群信息、账号偏好、历史SQL优化记录，不用每次重复交代背景。
2. 全链路闭环：从SQL优化、索引检测、数据库迁移到工具开发，一套流程跑到底，自动生成测试报告和文档。
3. 标准化集成：依托MCP Server直连TiDB集群，无需复杂脚本，直接在平台内完成数据库实操。

二、完整部署流程（Windows平台，含全部报错解决方案）

整套流程分为内测申请，客户端安装，主机绑定，OpenCode运行环境部署，智能体创建，Docker团队部署，全程附上截图、命令，踩坑步骤完整记录。

2.1 申请内测权限并且登录平台

2.1.1 申请入口平凯Loop 还在 Beta 阶段，首批开放了 500 个体验名额。我直接扫了社区里的二维码填了表，免费申请地址：https://pingkai.cn/forms/f/loop

填写个人信息提交申请。

审核通过之后会收到邮件通知。

好消息，现在平凯 Loop已经开始公测，无需申请权限就可以使用，直接登陆网址即可：loop.pingkai.cn

2.1.2 登录网页端官网地址：https://loop.pingkai.cn可以用手机号注册，也可以用 TiDB 社区账号一键登录：登录方式分为两种：

• 方式一：手机号验证码登录（已经开通内测权限的手机号直接登录）

• 方式二，TiDB社区账号快捷登录。

• 登录完毕，首页提示绑定本地主机。

2.2 安装客户端，绑定本地机器

平凯 Loop网页端只是管理控制台，Agent实际运行依赖本地客户端，支持Windows、macOS、Linux。2.2.1 安装包下载

• macOS Apple Silicon：Loop-v1.0.2-rc.11-darwin-arm64.dmg
• Windows x86_64：LoopSetup-v1.0.2-rc.11.exe
• Linux x86_64：`loop_1.0.2-rc.11_linux_amd64.tar.gzLoop 是 Web + 本地客户端协同工作的模式——Web 端负责管理、编排，本地客户端负责实际执行 Agent 的代码、命令。我下载了 Windows 版安装包：

安装过程一路 Next，默认装到了 D:\Program Files (x86)\Loop\bin：

创建桌面快捷方式。

安装完成，打开客户端。

2.2.2 两种主机连接方式

2.2.2.1 图形客户端连接（新手优先）

装完后启动 平凯 Loop App，在 Web 端「机器与智能体」→「添加机器」，选择「使用 平凯 Loop App 连接」，客户端会自动配对，看到“机器在线”就算连上了

1. 网页端进入「机器与智能体」‑「添加机器」。

1. 选择使用平凯 Loop App连接，启动平凯 LoopLauncher授权。

1. 授权之后，网页端显示机器在线即为绑定成功。

2.2.2.2 命令行部署（服务器无桌面环境）

loop daemon --server-url 你的服务地址 --api-key 你的机器密钥

服务地址和密钥，在网页添加机器页面切换至CLI模式即可查看。

2.3 OpenCode部署（本篇最大的踩坑点）

创建智能体的时候需要选择一个“运行时”（也就是 Agent 背后的执行引擎）。平凯 Loop 支持 Claude Code、Codex、OpenCode 等。我选了 OpenCode 因为它是开源的，而且对国产模型友好。Claude存在地区封锁，国内网络无法安装；Codex依赖OpenAI接口；因此国内环境只能选用开源的OpenCode，可对接DeepSeek、智谱、通义千问一众国产大模型。

2.3.1 安装OpenCode桌面版

OpenCode是开源代码代理程序，可以运行在桌面端以及终端。

下载Windows桌面安装包。

安装程序。

打开软件。

2.3.3 问题一：已经安装OpenCode，创建Agent时下拉列表找不到该运行时

创建智能体的时候需要选择一个“运行时”（也就是 Agent 背后的执行引擎）。平凯 Loop 支持 Claude Code、Codex、OpenCode 等。我选了 OpenCode 因为它是开源的，而且对国产模型友好。

但问题来了——我在“运行时”下拉列表里根本看不到 OpenCode：

明明 OpenCode 我已经装好了，桌面端也运行正常：

进插件管理一看，OpenCode 显示“未安装，不可用”：

当时我就纳闷了，这不科学啊。后来翻了社区帖子才明白：平凯 Loop 客户端是靠系统 PATH 环境变量来找 opencode 命令的，而 OpenCode 桌面版默认安装路径 C:\Users\linkinip\AppData\Local\Programs\@opencode-aidesktop\OpenCode.exe 并没有自动加进 PATH。

确认一下：

where opencode

输出为空，果然找不到。

手动验证路径是否存在：

OpenCode.exe 确实在那儿。原因：桌面版安装路径没有加入系统PATH环境变量，平凯 Loop进程无法识别opencode命令。OpenCode桌面安装路径：C:\Users\linkinip\AppData\Local\Programs\@opencode-aidesktop\OpenCode.exe。以管理员身份打开PowerShell，执行命令添加系统环境变量：

setx PATH "%PATH%;C:\Users\linkinip\AppData\Local\Programs\@opencode-aidesktop" /M

全部关闭PowerShell、平凯 Loop客户端，重新打开终端验证：注意：改完 PATH 必须重新开一个终端窗口才能生效。

再跑 opencode --version，这次直接弹出了 OpenCode 的界面，版本号也出来了：

再回 平凯 Loop 插件管理，OpenCode 终于变成了“可用”状态：

再试创建智能体，下拉列表里终于出现了 OpenCode：

这个小插曲让我意识到：平凯 Loop 的客户端本质上是在调用本地的命令行工具，所以环境变量一定要配好。 如果你也遇到类似问题，别慌，按这个思路排查就行。

运行命令会自动拉起OpenCode桌面程序，插件管理页面显示可用。

2.3.4 问题二：使用桌面版运行智能体，健康检测超时

完整报错：

Start failed: opencode: health check: timed out after 1m0s
last health check: Get "http://127.0.0.1:61697/global/health": dial tcp 127.0.0.1:61697: connectex: No connection could be made because the target machine actively refused it.

根源：OpenCode桌面客户端内置的后台进程，仅仅供软件自身调用，不会对外暴露平凯 Loop所需要的/global/health检测接口，因此GUI版本不能直接当作运行时。解决方案：安装npm‑CLI终端版本（必须安装，这是稳定运行的前提）管理员PowerShell依次执行：

npm config set registry https://registry.npmmirror.com
npm i -g opencode-ai

完整安装日志：

Windows PowerShell
版权所有（C） Microsoft Corporation。保留所有权利。

安装最新的 PowerShell，了解新功能和改进！https://aka.ms/PSWindows

PS C:\Users\linkinip> npm i -g opencode-ai
C:\Users\linkinip\AppData\Roaming\npm\opencode -> C:\Users\linkinip\AppData\Roaming\npm\node_modules\opencode-ai\bin\opencode.exe

> opencode-ai@1.17.9 postinstall C:\Users\linkinip\AppData\Roaming\npm\node_modules\opencode-ai
> node ./postinstall.mjs

npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-darwin-x64@1.17.9 (node_modules\opencode-ai\node_modules\opencode-darwin-x64):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-darwin-x64@1.17.9: wanted {"os":"darwin","arch":"x64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-darwin-x64-baseline@1.17.9 (node_modules\opencode-ai\node_modules\opencode-darwin-x64-baseline):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-darwin-x64-baseline@1.17.9: wanted {"os":"darwin","arch":"x64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-linux-x64-baseline@1.17.9 (node_modules\opencode-ai\node_modules\opencode-linux-x64-baseline):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-linux-x64-baseline@1.17.9: wanted {"os":"linux","arch":"x64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-linux-arm64-musl@1.17.9 (node_modules\opencode-ai\node_modules\opencode-linux-arm64-musl):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-linux-arm64-musl@1.17.9: wanted {"os":"linux","arch":"arm64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-linux-x64-baseline-musl@1.17.9 (node_modules\opencode-ai\node_modules\opencode-linux-x64-baseline-musl):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-linux-x64-baseline-musl@1.17.9: wanted {"os":"linux","arch":"x64-baseline-musl"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-windows-arm64@1.17.9 (node_modules\opencode-ai\node_modules\opencode-windows-arm64):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-windows-arm64@1.17.9: wanted {"os":"win32","arch":"arm64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-linux-arm64@1.17.9 (node_modules\opencode-ai\node_modules\opencode-linux-arm64):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-linux-arm64@1.17.9: wanted {"os":"linux","arch":"arm64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-linux-x64@1.17.9 (node_modules\opencode-ai\node_modules\opencode-linux-x64):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-linux-x64@1.17.9: wanted {"os":"linux","arch":"x64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-darwin-arm64@1.17.9 (node_modules\opencode-ai\node_modules\opencode-darwin-arm64):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-darwin-arm64@1.17.9: wanted {"os":"darwin","arch":"arm64"} (current: {"os":"win32","arch":"x64"})
npm WARN optional SKIPPING OPTIONAL DEPENDENCY: opencode-linux-x64-musl@1.17.9 (node_modules\opencode-ai\node_modules\opencode-linux-x64-musl):
npm WARN notsup SKIPPING OPTIONAL DEPENDENCY: Unsupported platform for opencode-linux-x64-musl@1.17.9: wanted {"os":"linux","arch":"x64-musl"} (current: {"os":"win32","arch":"x64"})

+ opencode-ai@1.17.9
added 3 packages in 226.655s
PS C:\Users\linkinip>

CLI版本安装完毕之后，启动后台服务供Loop调用：

opencode serve --port 4096 --hostname 0.0.0.0 --cors "*"

在终端输入 /connect，绑定DeepSeek‑V4‑Flash模型即可。

2.4 创建TiDB‑bot数据库智能体

1. 网页端进入「机器与智能体」‑「创建智能体」。

1. 名称填写TiDB_bot，选择在线主机，运行时选中OpenCode。

1. 模型配置选择自定义模板，手动填写接口地址。

1. Base‑URL：https://api.deepseek.com/anthropic，接口类型选择Anthropic Messages。一开始检测模型会失败，手动添加

1. 配置后测试连接即可正常。

1. 角色描述：TiDB‑DBA，负责SQL优化、索引检测、集群巡检、异构数据库迁移、高可用测试工具开发。

1. 创建完成。

三、实战：搭一个属于自己的 平凯 Loop 智能体团队

3.1 先配好大模型 API Key

平凯 Loop 支持多种模型，我选了 DeepSeek，因为它对 SQL 类任务的理解能力很强，而且免费额度管够。

去 DeepSeek 开放平台创建 API Key：

复制保存好 Key。

然后在 平凯 Loop 的「模型配置」里添加自定义模型，填 Base URL 和 Key。我填了 https://api.deepseek.com/anthropic，Wire API 选 Anthropic Messages 协议，点检测通过后保存：

模型名称我写了 DeepSeek-V4-Flash，保存后就能在创建 Agent 时选择了。

3.2 创建第一个 Agent：TiDB_bot

进入「机器与智能体」→「创建智能体」：

填写名称、选择机器、运行时选 OpenCode，模型选刚才配好的 DeepSeek-V4-Flash：

角色说明我写了：

TiDB-DBA：负责 SQL 优化、索引检测、集群巡检、参数调优建议。

点击创建，1秒后就成功了：

然后我顺手又建了一个旅行规划 Agent（纯粹为了测试多角色能力）：

角色说明：

旅行规划专家：全球旅行目的地知识、行程规划与优化、景点美食文化推荐、旅行预算与时间管理。

同样创建成功。

3.3 建频道（Channel）：让 Agent 们“进群”

平凯 Loop 里的“频道”就像微信群，你可以把不同的 Agent 拉进同一个频道，它们会看到群里的消息，并且可以自主响应。

我先建了一个 #sql优化频道：

再建一个 #数据库迁移频道：

建好后，把 TiDB_bot 拉进频道：

3.4 第一次正式对话

在 #sql优化频道 里，我 @TiDB_bot 问了一个很实际的问题：

@TiDB_bot TiDB 建议使用多大的硬盘存储？

Agent 秒回了一段非常结构化的建议：

TiDB 硬盘容量没有固定值，取决于数据量和副本数。核心公式：

TiKV 节点总容量 = 实际数据量 × 副本数（默认 3）× 1.5（压缩/临时文件/预留开销）

例如：500GB 业务数据、3 副本 → 约需 2.25TB 总容量，分布在 TiKV 节点上。

关键建议：
- 必须用 SSD/NVMe，HDD 会导致延迟飙升
- 单 TiKV 节点推荐 500GB ~ 2TB，过大（>4TB）会影响故障恢复速度
- 考虑 GC、compaction、WAL、临时排序等额外空间，建议至少预留 20%-30%
- TiDB/PD 节点存储需求小（元数据+日志），200GB SSD 通常足够

回复不仅给了公式，还给出了具体场景的估算逻辑和硬件选型提醒，比我预想的要专业得多。

3.5 任务看板 & 定时任务

平凯 Loop的频道自带任务看板，支持 todo → in_progress → in_review → done 的流转。我试着创建了一个“生成 TiDB 慢查询分析报告”的任务，分配给 TiDB_bot：

任务创建成功后，Agent 会自动开始处理，进度在面板上实时更新。

另外我还配了一个定时任务，设置每周一早上 8 点自动巡检集群状态（用 Cron 表达式），这个对 DBA 来说简直是刚需：

3.6 多 Agent 协作测试：旅行规划频道

为了体验“多 Agent 同频协作”，我建了个 #旅行规划频道，把 旅行Agent_bot 拉进来，然后发了一条：

@旅行Agent_bot 周末去西湖的路线安排

它直接给了一套两日游方案：

Day 1 — 经典环湖线
上午：抵达杭州 → 断桥残雪 → 白堤 → 孤山（浙江省博物馆、西泠印社）
中午：孤山附近/楼外楼吃杭州菜（西湖醋鱼、东坡肉）
下午：苏堤春晓（全程漫步或骑行）→ 花港观鱼
傍晚：雷峰塔看日落全景
晚上：湖滨步行街 / 印象西湖演出

Day 2 — 深度体验
上午：龙井村 + 九溪十八涧（徒步品茶）
中午：龙井村农家菜
下午：灵隐寺 / 杭州博物馆（二选一）
傍晚：返程

交通建议：杭州东站/杭州站坐地铁1号线直达西湖附近。
贴士：周末人多，建议早出门（8点前）；骑行比开车方便；龙井村/九溪建议安排一整个上午。

虽然这和数据库没关系，但侧面说明了：同一个 平凯 Loop 平台，可以同时跑完全不同类型的 Agent，而且它们互不干扰，各自在对应频道里干活。

四、升级体验：平凯 Loop 的“持续进化”感

用了大概一周后，Web 端提示“有 1 台在线机器需要升级 Loop daemon”：

点击升级，客户端自动下载最新版（v1.0.2-rc.39）：

安装过程很顺滑，无需备份，升级完后之前创建的 Agent、频道、任务全部保留，没有丢任何配置：

这让我对 平凯 Loop 的好感又加了一分——说明团队在设计之初就考虑了生产环境的可持续性，不是那种“升级一次推倒重来”的玩具。

升级后我查看了 TiDB_bot 的统计信息、工作区文件和实时活动日志，能看到 Agent 的每一次调用记录和文件变更，方便回溯和排错：

旅行 Agent 那边同样有完整的数据：

五、我的一些真实体感（好与不好都说）

5.1 让我觉得“真香”的地方

• 任务流转自动闭环：从创建任务、分配 Agent、执行到输出结果，全程可视化，我不再需要在多个窗口之间来回搬运。

1. 打破单个AI的局限性，可以拆分DBA、开发、测试等岗位，多智能体分工完成整套数据库项目；
2. 持久记忆省去反复交代集群环境、业务背景，长期运维项目体验提升明显；
3. MCP协议直接对接TiDB，不用编写繁琐的对接脚本，智能体能够直接操作数据库；
4. 任务看板完整记录工作流程，便于复盘工作内容；
5. OpenCode适配国产大模型，避开了Claude的网络限制，国内部署门槛低；
6. Docker部署模式适合技术小组，搭建共用运维助手。
7. 和 TiDB 生态天然亲近：平凯 Loop 内置了对 MCP Server 的支持，可以直接连 TiDB 集群跑 SQL、查慢日志，这在数据库运维场景里非常实用。
8. 频道隔离做得好：我把生产调优和测试开发放在不同频道，Agent 不会串场，信息也不会混淆。

5.2 目前还不太顺手的地方

• 配置门槛略高：特别是 OpenCode 的 PATH 问题，对不熟悉环境变量的朋友可能不太友好。希望后续版本能提供一键修复或自动检测引导。

• Web 界面和桌面端边界模糊：Windows客户端UI配色过于单调，纯白界面，和浏览器网页视觉几乎一模一样，经常分不清是网页还是客户端。有时候我分不清当前是在浏览器还是本地 App（如下图），建议加个边框或标题栏区分：

• 定时任务仅有基础Cron配置，没有针对TiDB巡检的预制模板，需要手动编写指令。

• DeepSeek这类第三方模型配置繁琐，需要手动修改接口地址，自动适配模板不完善；

• PATH环境变量不会自动配置，初次安装运行时识别失败概率极高；

• OpenCode桌面GUI不能直接充当运行时，必须额外安装npm‑CLI版本，新手基本都会卡在健康超时这个问题；

• 模型配置的协议选择：我一开始选错了 Wire API 类型导致检测失败，后来改成 Anthropic Messages 才通过。对非技术用户来说，这个细节可能会卡一会儿。

5.3 一点不成熟的小思考

平凯 Loop 这种“多 Agent 协作”的模式，放在数据库领域确实很对路——因为数据库项目天然涉及多种角色（DBA、开发、测试、架构师），而且每个角色都有明确的边界和产出物。平凯 Loop 不是让一个 Agent 变得更万能，而是让一群 Agent 各司其职、自动衔接，这比单打独斗要高效得多。

但我也在琢磨一个问题：对于中小型团队，甚至个人开发者，平凯 Loop 的复杂度和 API 调用成本是否能被接受的？目前内测免费，但未来正式收费后，值不值得掏钱，可能要看它能帮你省下多少“人力衔接”的时间。对我来说，如果每个月花几十块 API 费用，能省下我每天两小时的重复性工作，那 ROI 就相当可观了。

总 结

在接触平凯 Loop之前，我一直都是零散使用各类独立AI。虽然模型能力越来越强，但各项工作分散，来回复制信息消耗大量精力。平凯 Loop最大的革新，并不是优化单个大模型的推理能力，而是改变了我们和AI协作的方式。我们可以组建一支分工明确的AI团队，将繁琐的巡检、SQL优化、文档整理、脚本开发交给各个Agent自动完成，人类只负责下达指令，审核最终结果。

对于深耕国产数据库的从业者而言，这套协作平台贴合日常运维全流程。目前内测名额还在开放，参与社区反馈、撰写实践文章，可以拿到永久免费使用资格。

站在从业者角度来看，以后的技术岗位竞争，不完全是谁的技术功底更强，而是谁可以熟练调度一大批AI，高效完成项目。未来数据库运维，大概率就是人和多智能体协同工作的模式。

大家平时运维过程中，哪一类重复工作最想交给AI自动处理？

本文所有操作及测试均基于 Windows 11 22H2 + Loop v1.0.2-rc.39 + OpenCode v1.17.8 环境完成，核心围绕 TiDB v6.5 及 v7.1 版本的兼容性验证展开。

请注意，平凯 Loop 和 OpenCode 版本迭代较快，文中涉及的配置参数、环境变量、命令行输出等可能随后续版本更新发生变化。请在生产环境部署前，务必以平凯 Loop: Loop 官方文档 及 OpenCode GitHub 仓库 的最新说明为准。

以上仅为个人实践与运维经验总结，不代表任何组织或社区的官方观点。仅供参考。

🤝 欢迎在评论区留言交流！点赞、收藏、分享

平凯 Loop 正式开启公测，并上线模型托管模式。用户无需自行申请模型接口和管理 API Key，即可在 Loop 中使用主流模型。

快速免费体验：https://loop.pingkai.cn/