一台服务器上运行 60 个容器
一个裸金属服务器运行数十到数百个 Hoody 容器。KSM 和 BTRFS 去重使边际成本接近零。
容器·快照
类型解锁
阶段生产环境
难度简单
工作监控服务
用于AI 构建者
用于个人创始人
服务管道
服务智能体
为何选 HoodyHTTP 原生
为何选 HoodyAI 原生
类型解锁
阶段生产环境
难度简单
工作监控服务
用于AI 构建者
用于个人创始人
服务管道
服务智能体
为何选 HoodyHTTP 原生
为何选 HoodyAI 原生
类型解锁
阶段生产环境
难度简单
工作监控服务
用于AI 构建者
用于个人创始人
服务管道
服务智能体
为何选 HoodyHTTP 原生
为何选 HoodyAI 原生
类型解锁
阶段生产环境
难度简单
工作监控服务
用于AI 构建者
用于个人创始人
服务管道
服务智能体
为何选 HoodyHTTP 原生
为何选 HoodyAI 原生
use-cases / watch-your-agent-think-from-the-coffee-shop / hero
PIPE · TRACE · LIVE
在咖啡馆看 agent 思考
agent 在家里的容器里跑，你在城另一头。agent 循环把每一步送进 Hoody Pipe；你在手机标签里 curl 同一条路径。轨迹一字一字落下——无 SSH、无仪表盘、无上传。
10:42
agent-pipe.…hoody.com/v1/pipe/trace
STREAMINGtail · 不轮询
# tail of /pipe/trace[think] 用户想要发票 CSV；先查 schema[tool_use] sql.describe("invoices")[result] 14 列 · last_paid_at 存在[think] 按月分组，对 total 求和[tool_use] sql.exec("SELECT …")[result] 12 行 · 41 ms[think] 格式化为 CSV，写入 /out[tool_use] files.write("invoices.csv")
use-cases / watch-your-agent-think-from-the-coffee-shop / mechanism
把每一步管道送出去，curl 拿回来
agent 循环本来就发出结构化事件——think、tool_use、result。用 PUT 把它们灌进一条路径。在手机上 GET 同一条路径。管道不存字节；它把字节流给正在读的人。
agent.loop · 家里的容器
PUT/api/v1/pipe/trace
# inside the agent loop$ echo "$step" | curl -T - \ https://agent-pipe.…hoody.com/api/v1/pipe/trace[INFO] Streaming to 1 receiver(s)...无缓冲 · 反压由 agent 自己承担termux · 咖啡馆的桌子
GET/api/v1/pipe/trace
# read from the same path$ curl -N \ https://agent-pipe.…hoody.com/api/v1/pipe/trace[think] 先查 schema…手机标签开着 · 轨迹随到随打两条 HTTP 连接，一条路径。管道会让接收端的连接挂到发送端到达——你的手机可以在 agent 启动前就开着，也可以中途加入。Hoody Pipe 是它们之间的电线，从来不是数据库。
use-cases / watch-your-agent-think-from-the-coffee-shop / anatomy
可读轨迹的解剖
agent 发出四种行。每一种都告诉你仪表盘说不出的事：不只是发生了什么，还有 agent 当时在想什么。
01 · 蓝色
[think] —— 推理步
模型用自己的话说出计划。为什么挑这个工具、期待什么回应、可能在哪里分叉。读这些就是实时读 agent 的脑子。
[think] 用户想要发票 CSV…02 · 中性
[tool_use] —— 调用
agent 决定调用的精确函数和参数。一行一个调用，按循环触发的顺序排列。无 SDK 抽象；只是线缆层的请求。
[tool_use] sql.describe("invoices")03 · 绿色
[result] —— 回来的结果
工具的响应，精简到一行。行数、文件大小、状态码、错误信息。下一个 [think] 行将要思考的东西。
[result] 12 行 · 41 ms04 · LIVE
流式，不轮询
每一行都是 agent 发出的瞬间落下。无 5 秒刷新、无“最后更新于 2 分钟前”。光标闪时，agent 在两次思考之间。这是 tail，不是刷新。
[tool_use] files.write("invoices.csv")use-cases / watch-your-agent-think-from-the-coffee-shop / punchline
agent 跑了四十分钟。你像读书一样读完它。
四十分钟的推理、工具调用和结果——渲染成一条连续的彩色文本流。你不是在轮询端点，也不是在重载仪表盘。你在咖啡馆里 tail agent 的脑子。
TRACE · 实时追踪00:00 → 40:12
- 00:00[think]推理步
- 00:14[tool_use]工具调用
- 00:31[result]回来的响应
- 06:02[think]推理步
- 12:48[tool_use]工具调用
- 23:11[result]回来的响应
- 31:55[think]推理步
- 40:12[result]回来的响应
- 无仪表盘
- 无轮询
- 无上传
- 只要 curl
use-cases / watch-your-agent-think-from-the-coffee-shop / replaces
它替代了什么
看 agent 这件事，过去意味着一个 SaaS、一个仪表盘或一套自制 WebSocket 应用。一旦问“我直接 curl 不就行？”，这些都站不住脚。
- AgentOps / LangSmith 仪表盘用一层 SaaS 来读自己的日志
- Datadog APM 看 agent 轨迹为服务设计，套在循环上别扭
- Agent 日志 SaaS把推理步放进别人家的数据库
- 屏幕共享给自己看从咖啡馆 VNC 回家 · 电池杀手
- 每 5 秒轮询 /status你自己造的延迟 · 你自己付的钱
- 自定义 WebSocket 仪表盘一个要永远维护的周末项目
use-cases / watch-your-agent-think-from-the-coffee-shop / cta
把循环管道送出去，curl 那条路径。agent 的思考现在是一条你能读的 tail。
use-cases / watch-your-agent-think-from-the-coffee-shop / related