Bytebot 是一款开源的 AI 桌面智能体（AI desktop agent），核心理念是“给 AI 一台自己的电脑”。与传统自动化工具或仅限浏览器的智能体不同，Bytebot 运行在容器化的 Linux 桌面环境中，可以像人一样通过屏幕查看界面，用触控板、键盘和屏幕执行点击、滚动和按键，从而完成跨多个应用的复杂多步骤工作流。用户只需用自然语言描述任务，Bytebot 就会启动一个全新、沙盒化的计算机来执行。
【为什么选择桌面智能体】 Bytebot 认为桌面智能体是理想的自动化方案，因为它像人一样工作，因此能普遍兼容任何软件，而不依赖预先映射的元素或特定 API。
【主要能力】
- 自然语言驱动：无需编写代码或流程图，直接输入如“去 amazon.com 并按本周畅销商品筛选”这样的指令。
- 跨应用操作：在一个工作流中跨多个应用协作，不限于 Web 界面，还可使用桌面应用。
- 内置工具：自带浏览器、文件系统、密码管理器、终端、代码编辑器等，并可自定义安装任意 Ubuntu Linux 应用，预装 Firefox、Thunderbird、VS Code 和常用办公工具。
- 安全登录与 2FA：可打开浏览器，使用 Bitwarden 或 1Password 等密码管理器安全填写用户名和密码，并处理双因素认证步骤。
- 人机协作：任务运行中用户可随时接管桌面进行控制，之后恢复智能体继续执行。
- 全程可审计：每个操作都包含执行前后的截图，便于检查。
- 规模扩展：可从单个智能体扩展到数百个并行运行。
【典型使用场景】
- 财务运营：访问银行门户（含 2FA）、下载交易文件、对账。
- 客户入职：在 CRM、银行和验证系统之间导航。
- 人力资源运营：从各种系统收集员工数据并确保一致性。
- 文档处理：阅读 PDF、从电子表格提取数据、处理邮件。
- 质量保证：测试应用、复现缺陷、执行视觉回归测试。
- 数据录入：填写表单、在系统之间转移信息、更新数据库。
- Web 自动化：监控网站、提取数据、处理多步骤工作流。
- 自动化开发工作流：打开终端脚手架新 Web 应用、安装依赖并运行开发服务器，启动 VS Code 修改代码，再用浏览器在本地实时服务器上验证改动。
- 技术研究与摘要：自主在线研究技术数据，下载并阅读 PDF 等复杂文档，提取关键信息并生成结构化的摘要报告。
【使用方式与部署】 Bytebot 完全自托管在用户自己的基础设施上，数据不离开自有服务器，每个桌面运行在独立的 Docker 容器中，与主机系统完全隔离。用户可完全掌控数据、AI 提供商密钥和安全策略，除非主动添加，否则没有云组件。 上手流程：克隆代码仓库、添加 AI 提供商 API 密钥、运行 Docker Compose 命令，然后访问 http://localhost:9992 即可开始自动化。可运行在本地 Docker Compose、Railway，或部署在 AWS/GCP/Azure。运行环境为持久化，认证信息设置一次后可记住供后续任务使用。
【支持的 AI 提供商】 开箱支持多家 AI 提供商：Anthropic Claude（官方推荐，适合复杂推理和视觉理解）、OpenAI GPT 模型（快速可靠，适合通用自动化）、Google Gemini（多样用例的替代选项），以及 LiteLLM Proxy（用于自定义模型部署）。用户需提供所选提供商的 API 密钥。
【定价与许可】 Bytebot 本身完全免费且开源，采用 Apache 2.0 许可，没有 Bytebot 许可费、订阅费或使用量限制。用户只需承担所选 AI 提供商的 API 费用（通常每任务几美分）以及运行 Docker 容器的基础设施成本（可用普通服务器甚至本地运行）。
【与传统 RPA 和爬虫的区别】 传统 RPA 工具需要设计流程图、编写脚本并映射每种可能的场景；Bytebot 用 AI 从纯英文描述理解意图，自动适应 UI 变化、处理意外弹窗，适用于任何应用，而不只是预先映射的元素。传统爬虫在网站更新后容易失效，而 Bytebot 的 AI 视觉从语义上理解界面，寻找“加入购物车”等按钮而非特定 HTML 选择器，因此网站改变布局、样式或结构后仍能继续工作。
【与其他工具的集成】 Bytebot 能与现有设置无缝集成，例如与 Puppeteer、Playwright 等自动化工具互补，可安装自动化脚本或扩展并在 Bytebot 环境中触发。
【操作限制说明】 任务会持续执行直到完成或需要帮助，用户可随时介入。关于具体的界面语言支持、移动端应用等细节，官方资料暂未提供。
