桌面代理是一种拥有自己计算机的人工智能。与仅浏览器代理或传统的RPA工具不同，Bytebot配备了完整的虚拟桌面，能够：

• 使用任何应用程序（浏览器、邮件客户端、办公工具、IDE）
• 下载并组织文件，使用自己的文件系统
• 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

可以把它想象成一个拥有自己电脑的虚拟员工，可以像人类一样看到屏幕、移动鼠标、敲键盘，完成任务。

当AI能够访问完整的桌面环境时，它解锁了仅靠浏览器代理或API集成无法实现的功能：

给Bytebot一个任务，比如“从我们的供应商门户下载所有发票并整理到文件夹里”，它会：

• 打开浏览器
• 导航到每个传送门
• 处理认证（包括通过密码管理器实现双重认证）
• 将文件下载到本地文件系统
• 把它们整理到文件夹里

直接上传文件到 Bytebot 的桌面，它可以：

• 把整份PDF放在上下文中阅读
• 从复杂文档中提取数据
• 跨多个文件交叉核对信息
• 基于分析创建新文档
• 处理API无法访问的格式

Bytebot 并不局限于网页界面。它可以：

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

选项1：铁路（最简单） 

只需点击并添加你的 AI 服务提供商 API 密钥即可。

选项二：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→

字节机器人由四个集成组件组成：

1. 虚拟桌面：一个完整的 Ubuntu Linux 环境，预装应用程序
2. AI代理：了解你的任务并控制桌面完成任务
3. 任务界面：网页界面，你可以创建任务并观看字节机器人的工作
4. API：用于程序化任务创建和桌面控制的 REST 端点

• 自然语言任务：只需描述你需要完成的内容
• 文件上传：将文件放入任务中，供 Bytebot 处理
• 实时桌面视图：实时观看字节机器人工作
• 接管模式：当你需要帮助或配置某些事情时，就接手
• 密码管理器支持：安装1Password、Bitwarden等以实现自动认证
• 持久环境：安装程序后，它们会保持对未来任务的可用性

"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→

使用上面的部署方法之一来启动 Bytebot。

在UI中使用桌面标签：

• 安装你需要的额外程序
• 设置密码管理器进行身份验证
• 根据你的偏好配置应用
• 登录你希望 Bytebot 访问的网站

用自然语言创建任务，然后观看Bytebot用配置好的桌面完成它们。

• 发票处理与数据提取
• 多系统数据同步
• 从多个来源生成报告
• 跨平台合规检查

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

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

Bytebot 由以下组件构建：

• 桌面：Ubuntu 22.04，搭载XFCE、Firefox、VS Code及其他工具
• 代理：协调AI和桌面作的NestJS服务
• UI：Next.js任务管理应用
• AI支持：可与Anthropic Claude、OpenAI GPT、Google Gemini配合使用
• 部署：Docker 容器，方便自托管

• 数据隐私：一切都运行在你的基础设施上
• 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

通过我们的LiteLLM集成，使用任何AI提供商：

• Azure OpenAI
• AWS Bedrock
• 本地模型，Ollama
• 100+ 其他供应商

在 Kubernetes 上部署 Helm：

# Clone the repository
git clone https://github.com/bytebot-ai/bytebot.git
cd bytebot

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