bytebot-ai/bytebot

Bytebot is a self-hosted AI desktop agent that automates computer tasks through natural language commands, operating within a containerized Linux desktop environment.

agentagentic-aiagentsaiai-agentsai-toolsanthropicautomationbytebotcomputer-usecomputer-use-agentcuadesktopdesktop-automationdockergeminillmmcpopenai

GAI 中文摘要

Bytebot 是一个开源的自主 AI 桌面代理，旨在通过自然语言指令在容器化的 Linux 桌面环境中自动执行各类复杂任务。它为 AI 提供了一个专属的虚拟计算机，使其能够像人类一样操作各种桌面软件，从而突破了传统浏览器插件或 API 集成的功能局限。

支持操作各类桌面应用程序，包括浏览器、邮件客户端、办公软件及集成开发环境。具备完整的文件系统管理能力，可以自主完成下载、整理文件及读取处理 PDF 等文档的操作。能够模拟人类行为，通过移动鼠标、键盘输入和屏幕感知来完成多步骤的跨软件工作流。支持集成密码管理器，可自主登录各类网站并处理包含双重身份验证在内的登录流程。

该项目适用于需要处理繁琐重复性任务的个人用户或企业开发者，常用于自动化报表整理、跨平台数据处理及复杂的桌面操作流程。

⭐

11.0k

Stars

🔱

1.5k

Forks

👁

Watchers

📋

Issues

TypeScriptApache-2.0创建于 2025/2/3更新于今天

在 GitHub 上查看访问主页

README

由 Gemini 翻译整理

Bytebot：开源 AI 桌面智能体

一个拥有专属电脑、能为你完成任务的 AI

🌐 官网 • 📚 文档 • 💬 Discord • 𝕏 Twitter

https://github.com/user-attachments/assets/f271282a-27a3-43f3-9b99-b34007fdd169

https://github.com/user-attachments/assets/72a43cf2-bd87-44c5-a582-e7cbe176f37f

什么是桌面智能体？

桌面智能体是一种拥有专属计算机的 AI。与仅限于浏览器的智能体或传统的 RPA 工具不同，Bytebot 提供了一个完整的虚拟桌面，能够实现以下功能：

使用任何应用程序（浏览器、邮件客户端、办公软件、IDE 等）
利用自有文件系统下载并整理文件
使用密码管理器登录网站和应用程序
阅读并处理文档、PDF 和电子表格
在不同程序间完成复杂的多步骤工作流

你可以将其想象成一个拥有专属电脑的“虚拟员工”，它能看到屏幕、移动鼠标、敲击键盘，并像人类一样完成任务。

为什么要让 AI 拥有专属电脑？

当 AI 拥有完整的桌面环境访问权限时，它将解锁许多仅靠浏览器智能体或 API 集成无法实现的能力：

完全的任务自主性

给 Bytebot 一个任务，例如“从我们的供应商门户网站下载所有发票并整理到文件夹中”，它将：

打开浏览器
导航至各个门户网站
处理身份验证（包括通过密码管理器进行 2FA 二次验证）
将文件下载到其本地文件系统
将它们整理到文件夹中

处理文档

将文件直接上传到 Bytebot 的桌面，它可以：

将完整的 PDF 读取到其上下文（Context）中
从复杂文档中提取数据
跨多个文件交叉引用信息
根据分析结果创建新文档
处理 API 无法访问的格式

使用真实应用程序

Bytebot 不仅限于 Web 界面，它还可以：

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
按需安装新软件
为特定工作流配置应用程序

快速入门

2 分钟部署

选项 1：Railway（最简单）

只需点击并添加你的 AI 提供商 API key 即可。

选项 2：Docker Compose

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

# 添加你的 AI 提供商 key（任选其一）
echo "ANTHROPIC_API_KEY=sk-ant-..." > docker/.env
# 或者: echo "OPENAI_API_KEY=sk-..." > docker/.env
# 或者: 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：

虚拟桌面：一个预装了各种应用程序的完整 Ubuntu Linux 环境
AI 智能体：理解你的任务并控制桌面以完成它们
任务界面：用于创建任务并观察 Bytebot 工作情况的 Web UI
API：用于编程创建任务和控制桌面的 REST 端点

核心功能

自然语言任务：只需描述你需要完成的工作
文件上传：将文件拖拽到任务中供 Bytebot 处理
实时桌面视图：实时观看 Bytebot 的工作过程
接管模式：当需要协助或进行配置时，随时接管控制权
密码管理器支持：安装 1Password、Bitwarden 等，实现自动身份验证
持久化环境：安装的程序会保留，供后续任务使用

任务示例

基础示例

"Go to Wikipedia and create a summary of quantum computing"
"Research flights from NYC to London and create a comparison document"
"Take screenshots of the top 5 news websites"

文档处理

"Read the uploaded contracts.pdf and extract all payment terms and deadlines"
"Process these 5 invoice PDFs and create a summary report"
"Download and analyze the latest financial statements"