ghcr.io/bytebot-ai/bytebot-agent:edge

Bytebot：开源AI桌面代理

拥有专属计算机为您完成任务的AI

德语 | 西班牙语 | 法语 | 日语 | 韩语 | 葡萄牙语 | 俄语 | 中文

---

什么是桌面代理？

桌面代理是拥有专属计算机的AI。与仅支持浏览器的代理或传统RPA工具不同，Bytebot配备完整的虚拟桌面，可在其中：

• 使用任何应用程序（浏览器、邮件客户端、办公工具、IDE等）
• 通过自有文件系统下载和整理文件
• 使用密码管理器登录网站和应用程序
• 读取和处理文档、PDF及电子表格
• 跨不同程序完成复杂的多步骤工作流

可以将其视为拥有专属计算机的虚拟员工，能够查看屏幕、移动鼠标、敲击键盘，像人类一样完成任务。

为何为AI配备专属计算机？

当AI能够访问完整的桌面环境时，将解锁仅浏览器代理或API集成无法实现的功能：

完全任务自主性

向Bytebot下达任务，例如"从供应商门户下载所有发票并整理到文件夹中"，它将：

• 打开浏览器
• 导航至每个门户
• 处理身份验证（包括通过密码管理器的双因素认证）
• 将文件下载到本地文件系统
• 将文件整理到文件夹中

文档处理

直接将文件上传到Bytebot的桌面，它可以：

• 将整个PDF读入上下文
• 从复杂文档中提取数据
• 跨多个文件交叉引用信息
• 基于分析创建新文档
• 处理API无法访问的格式

使用真实应用程序

Bytebot不受限于Web界面。它可以：

• 使用桌面应用程序，如文本编辑器、VS Code或邮件客户端
• 运行脚本和命令行工具
• 根据需要安装新软件
• 为特定工作流配置应用程序

快速开始

2分钟部署

选项1：Railway（最简单）

只需点击并添加您的AI提供商API密钥。

选项2：Docker Compose

git clone https://github.com/bytebot-ai/bytebot.git
cd bytebot

# 添加您的AI提供商密钥（选择其一）
echo "ANTHROPIC_API_KEY=sk-ant-..."
> docker/.env
# 或：echo "OPENAI_API_KEY=sk-..."
> docker/.env
# 或：echo "GEMINI_API_KEY=..."
> docker/.env

docker-compose -f docker/docker-compose.yml up -d

# 打开 http://localhost:9992

完整部署指南 →

工作原理

Bytebot由四个集成组件组成：

1. 虚拟桌面：完整的Ubuntu Linux环境，预安装应用程序
2. AI代理：理解您的任务并控制桌面完成任务
3. 任务界面：用于创建任务和观察Bytebot工作的Web UI
4. API：用于程序化任务创建和桌面控制的REST端点

核心功能

• 自然语言任务：只需描述您需要完成的工作
• 文件上传：将文件拖放到任务中供Bytebot处理
• 实时桌面视图：实时观察Bytebot工作过程
• 接管模式：需要协助或配置时可接管控制
• 密码管理器支持：安装1Password、Bitwarden等以实现自动认证
• 持久化环境：安装的程序将保留供未来任务使用

任务示例

基础示例

"访问维基百科并创建量子计算的摘要"
"研究从纽约到伦敦的航班并创建比较文档"
"截取排名前5的新闻网站的屏幕截图"

文档处理

"阅读上传的contracts.pdf并提取所有付款条款和截止日期"
"处理这5份发票PDF并创建摘要报告"
"下载并分析最新财务报告，回答：提到了哪些关键风险？"

多应用工作流

"从我们的三家银行下载上个月的银行对账单并进行合并"
"检查所有供应商门户的新发票并创建摘要报告"
"登录我们的CRM，导出客户列表，并更新ERP系统中的记录"

程序化控制

通过API创建任务

import requests

# 简单任务
response = requests.post('http://localhost:9991/tasks', json={
'description': '下载最新销售报告并创建摘要'
})

# 带文件上传的任务
files = {'files': open('contracts.pdf', 'rb')}
response = requests.post('http://localhost:9991/tasks',
data={'description': '审查这些合同中的重要日期'},
files=files
)

直接桌面控制

# 截取屏幕截图
curl -X POST http://localhost:9990/computer-use \
-H "Content-Type: application/json" \
-d '{"action": "screenshot"}'

# 点击特定坐标
curl -X POST http://localhost:9990/computer-use \
-H "Content-Type: application/json" \
-d '{"action": "click_mouse", "coordinate": [500, 300]}'

完整API文档 →

设置您的桌面代理

1. 部署Bytebot

使用上述任一部署方法运行Bytebot。

2. 配置桌面

通过UI中的"桌面"选项卡：

• 安装所需的其他程序
• 设置用于认证的密码管理器
• 根据偏好配置应用程序
• 登录希望Bytebot访问的网站

3. 开始下达任务

以自然语言创建任务，观察Bytebot使用已配置的桌面完成任务。

使用场景

业务流程自动化

• 发票处理和数据提取
• 多系统数据同步
• 多来源报告生成
• 跨平台合规检查

开发与测试

• 自动化UI测试
• 跨浏览器兼容性检查
• 带截图的文档生成
• 代码部署验证

研究与分析

• 跨网站竞争分析
• 多来源数据收集
• 文档分析与摘要
• 市场研究汇编

架构

Bytebot基于以下技术构建：

• 桌面：Ubuntu 22.04，配备XFCE、Firefox、VS Code及其他工具
• 代理：协调AI和桌面操作的NestJS服务
• UI：用于任务管理的Next.js应用程序
• AI支持：兼容Anthropic Claude、OpenAI GPT、Google Gemini
• 部署：便于自托管的Docker容器

为何选择自托管？

• 数据隐私：所有内容在您的基础设施上运行
• 完全控制：根据需要自定义桌面环境
• 无限制：使用您自己的AI API密钥，不受平台限制
• 灵活性：安装任何软件，访问任何系统

高级功能

多AI提供商

通过我们的LiteLLM集成使用任何AI提供商：

• Azure OpenAI
• AWS Bedrock
• 通过Ollama的本地模型
• 100+其他提供商

企业部署

使用Helm在Kubernetes上部署：

# 克隆仓库
git clone https://github.com/bytebot-ai/bytebot.git
cd bytebot

# 使用Helm安装
helm install bytebot ./helm \
--set agent.env.ANTHROPIC_API_KEY=sk-ant-...

企业部署指南 →

社区与支持

• *******：加入我们的社区获取帮助和参与讨论
• 文档：全面指南请访问docs.bytebot.ai
• GitHub Issues：报告错误和请求功能

贡献

我们欢迎贡献！无论是：

• 🐛 错误修复
• ✨ 新功能
• 📚 文档改进
• 🌐 翻译

请：

1. 首先查看现有https://github.com/bytebot-ai/bytebot/issues
2. 打开issue讨论重大变更
3. 提交带有清晰描述的PR
4. 加入我们的***讨论想法

许可

Bytebot是开源软件，采用Apache 2.0许可协议。

---

为您的AI配备专属计算机。探索其无限可能。

由Tantl Labs和开源社区打造