Bytebot：自然语言驱动的容器化AI桌面

快讯
, , ,
1

项目概述

Bytebot 是一个自托管的 AI 桌面代理，让你用自然语言驱动一台属于它自己的计算机。项目的目标是把传统仅限浏览器或 API 的自动化，扩展到完整的桌面环境，从而覆盖真实办公场景。它运行在容器化的 Linux 桌面中，能够像人一样看屏幕、移动鼠标、键入、下载与整理文件，使用浏览器、邮件、办公套件、IDE 等应用，配合密码管理器登录站点，跨程序完成多步流程。相较 RPA 或脚本，Bytebot 无需为每个系统编写脆弱的集成，具备更强的适应力与可迁移性；自托管也带来更好的数据控制与安全。对于需要自动执行复杂电脑任务的团队，这是一个轻量而强大的选择。

项目统计

:bar_chart: 项目概况

:star: 3286 Stars | :fork_and_knife: 271 Forks | :eyes: 3286 Watchers | :bug: 8 Issues

:page_facing_up: 开源协议: Apache License 2.0 | :date: 创建于: 2025-02-03 | :counterclockwise_arrows_button: 更新于: 2025-09-02

:laptop: 技术栈

该项目主要使用 TypeScript 开发，占代码库的 92.1%。此外还包含 Dockerfile (2.3%)、CSS (2.0%)、Smarty (1.5%)

核心功能

  • 自主桌面：在容器化的 Linux 虚拟桌面中运行，拥有独立文件系统与应用环境，隔离且可复现，像“远程同事”一样为你办公。
  • 自然语言驱动：用一句话下达指令即可自动解析并执行，也可通过对话澄清需求，无需编写脚本。
  • 全能应用操作：可打开浏览器、邮件客户端、办公套件、IDE 等任意桌面软件，跨应用协同完成多步流程。
  • 人类式交互：看屏幕、动鼠标、敲键盘，表单填写、拖拽、右键菜单等细节操作都能可靠处理。
  • 文件与数据处理：下载、整理、重命名与归档文件；读取并处理文档、PDF、电子表格，自动化重复任务。
  • 安全登录：配合密码管理器登录网站与本地应用，稳健应对需要多因素或会话维护的场景。
  • 复杂流程自动化：在不同程序间来回切换，保持上下文与状态，执行长链路、多步骤的业务与运维流程。
  • 可部署与托管：支持 Docker 快速启动，也可一键部署到 Railway，自托管更安心、可控。
  • 持续进化：更多功能特性正在不断完善中。

技术架构

Bytebot 采用 TypeScript/Node.js 作为核心编排层，运行于容器化的 Linux 桌面环境（Docker，亦支持一键部署至 Railway）。整体架构自上而下分为：交互与 API、智能体编排、动作与观察、桌面运行时、存储与隔离。

  • 交互与 API：提供 Web/UI 与 HTTP 接口，将自然语言转为结构化任务请求。
  • 智能体编排：基于大模型进行意图解析、步骤分解、工具选择与重试/回退策略。
  • 动作与观察：键鼠控制、窗口管理、屏幕截图与 OCR/文档解析，形成“感知—行动—评估”的闭环。
  • 桌面运行时：容器内完整 Linux 桌面与文件系统，可运行浏览器、办公套件、IDE 等，并通过远程桌面协议呈现。
  • 存储与隔离：使用容器文件系统、凭据管理（如密码管理器）与审计日志，实现最小权限与可追溯。

设计理念强调可观察性、可扩展性与确定化：操作可记录回放，工具以插件化方式暴露，便于扩展新应用与工作流。典型流程为：用户请求 → 编排规划 → 桌面执行一步 → 采集屏幕/文件反馈 → 评估与下一步 → 直至完成。

使用指南

前提：安装 Docker/Compose。

安装与启动

git clone https://github.com/bytebot-ai/bytebot
cd bytebot && cp .env.example .env

编辑 .env：

PROVIDER=OPENAI
OPENAI_API_KEY=sk-xxx
MODEL=gpt-4o
BYTEBOT_PASSWORD=changeme

启动：

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

使用

  • 访问 http://localhost:3000（控制台）与 http://localhost:6080（桌面），用 BYTEBOT_PASSWORD 登录。
  • 新建任务，输入指令示例：“在浏览器登录邮箱，下载最新账单并汇总为CSV”，在桌面实时观察执行。

常用命令

docker compose logs -f
docker compose pull && docker compose up -d
docker compose down -v

总结评价

Bytebot 以容器化 Linux 桌面为载体，将“有自己电脑的代理”理念落地，支持跨应用多步操作、文件系统与密码管理等，较传统浏览器代理更接近真实办公场景。TypeScript 实现、Docker/Railway 一键部署降低了试用门槛。Star 3k+ 显示出早期热度，社区反馈积极但仍在积累中。适合自动化重复桌面流程与端到端集成验证。需关注资源占用、长流程稳定性与安全隔离。建议从低风险用例小范围试点，明确任务边界与审计机制，再逐步扩展。后续可在可观测性、策略约束与插件生态上深化。