Bytebot：开源AI桌面代理 拥有自己的计算机来为您完成任务的人工智能

桌面代理是拥有自己计算机的AI。与纯浏览器代理或传统RPA工具不同，Bytebot配备了完整的虚拟桌面，可以：

• 使用任何应用程序（浏览器、电子邮件客户端、办公工具、IDE）
• 使用自己的文件系统下载和组织文件
• 使用密码管理器登录网站和应用程序
• 阅读和处理文档、PDF 和电子表格
• 完成跨不同程序的复杂多步骤工作流程

可以将其视为一个拥有自己计算机的虚拟员工，他可以像人类一样查看屏幕、移动鼠标​​、在键盘上打字并完成任务。

当 AI 可以访问完整的桌面环境时，它可以解锁仅使用浏览器代理或 API 集成无法实现的功能：

给 Bytebot 一个任务，例如“从我们的供应商门户下载所有发票并将它们组织到一个文件夹中”，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进行 2FA）
• 将文件下载到本地文件系统
• 将它们整理到文件夹中

将文件直接上传到 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
• 跨多个文件的交叉引用信息
• 根据分析创建新文档
• 处理 API 无法访问的格式

Bytebot 不仅限于 Web 界面。它可以：

• 使用文本编辑器、VS Code 或电子邮件客户端等桌面应用程序
• 运行脚本和命令行工具
• 根据需要安装新软件
• 为特定工作流程配置应用程序

选项 1：铁路（最简单） 

只需单击并添加您的 AI 提供商 API 密钥。

选项 2：Docker Compose

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

# Add your AI provider key (choose one)
echo "ANTHROPIC_API_KEY=sk-ant-..." > docker/.env
# Or: echo "OPENAI_API_KEY=sk-..." > docker/.env
# Or: echo "GEMINI_API_KEY=..." > docker/.env

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

# Open http://localhost:9992

完整部署指南 →

Bytebot 由四个集成组件组成：

1. 虚拟桌面：预装应用程序的完整 Ubuntu Linux 环境
2. AI代理：了解您的任务并控制桌面以完成它们
3. 任务界面：您可以在其中创建任务并观察 Bytebot 的工作的 Web UI
4. API：用于编程任务创建和桌面控制的 REST 端点

• 自然语言任务：只需描述你需要做什么
• 文件上传：将文件拖放到任务上以供 Bytebot 处理
• 实时桌面视图：实时观看 Bytebot 的工作
• 接管模式：当你需要帮助或配置某些东西时接管
• 密码管理器支持：安装 1Password、Bitwarden 等进行自动身份验证
• 持久环境：安装程序，它们可用于将来的任务

"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"

"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 report and answer: What were the key risks mentioned?"

"Download last month's bank statements from our three banks and consolidate them"
"Check all our vendor portals for new invoices and create a summary report"
"Log into our CRM, export the customer list, and update records in the ERP system"

import requests

# Simple task
response = requests.post('http://localhost:9991/tasks', json={
    'description': 'Download the latest sales report and create a summary'
})

# Task with file upload
files = {'files': open('contracts.pdf', 'rb')}
response = requests.post('http://localhost:9991/tasks',
    data={'description': 'Review these contracts for important dates'},
    files=files
)

# Take a screenshot
curl -X POST http://localhost:9990/computer-use \
  -H "Content-Type: application/json" \
  -d '{"action": "screenshot"}'

# Click at specific coordinates
curl -X POST http://localhost:9990/computer-use \
  -H "Content-Type: application/json" \
  -d '{"action": "click_mouse", "coordinate": [500, 300]}'

完整的 API 文档 →

使用上述部署方法之一来运行 Bytebot。

使用 UI 中的“桌面”选项卡可以执行以下操作：

• 安装您需要的附加程序
• 设置密码管理器进行身份验证
• 根据您的偏好配置应用程序
• 登录您希望 Bytebot 访问的网站

使用自然语言创建任务并观看 Bytebot 使用配置的桌面完成它们。

• 发票处理和数据提取
• 多系统数据同步
• 从多个来源生成报告
• 跨平台合规性检查

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

• 跨网站竞争分析
• 从多个来源收集数据
• 文档分析与总结
• 市场调研汇编