给Agent配一台虚拟机：Bytebot数字时代的牛马AI佣人

大家好，这里是 Agentic AI，我是 Mountain。最近刷 GitHub 时，发现了一个挺有意思的开源项目 —— Bytebot。它的定位很特别：不是在浏览器里跑的工具，而是一个真正拥有自己“电脑”的桌面智能体。简单来说，Bytebot 就像是一个虚拟员工：它能看屏幕、点鼠标、敲键盘，还能用各种软件，完成复杂的多步骤任务。这就是数字时代的牛马吧！

桌面智能体

先看一下这个演示视频，我感觉用来测试，干活，甚至是爬虫可能也是蛮好用的。

任务提示：在浏览器中打开 GitHub，并使用 bot@bytbot.ai 登录。Bitwarden 扩展已安装，它会自动为你填写密码。如果系统要求输入一次性密码，你可以从 Bitwarden 扩展中复制。

特性

• 自然语言任务：只需用自然语言描述你需要完成的工作
• 文件上传：将文件拖拽到任务中，交给 Bytebot 处理
• 实时桌面视图：实时观看 Bytebot 的工作过程
• 接管模式：当你需要帮助或配置时，可以随时接管控制权
• 密码管理器支持：安装 1Password、Bitwarden 等工具，实现自动身份验证
• 持久化环境：安装的程序会保留，可在未来的任务中继续使用

架构

Bytebot由4个模块组成，

1. 虚拟机: 一个完整的带有预装应用软件的Ubunutu Linux环境
2. AI Agent: 理解用户的指令任务并指挥电脑来完成
3. 任务界面: 提供Web UI页面给到用户以输入指令和观察任务执行情况。
4. APIs: 提供REST API接口给到用户，以便创建任务或者控制虚拟机。

部署

项目本身提供了两种方式：Railway 一键部署和本地 Docker Compose部署，这里我们只看本地部署。

git clone https://github.com/bytebot-ai/bytebot.git
cd bytebot
echo"OPENAI_API_KEY=sk-..." > docker/.env
docker-compose -f docker/docker-compose.yml up -d

然后访问 http://localhost:9992 就能看到它的桌面界面。能接入 OpenAI、Anthropic、Gemini 等不同模型，也支持本地Ollama启动的大模型。

还支持本地API调用呢，可玩性真的高。

importrequests

# 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
)

总结

从我的角度看，Bytebot 有点像是 **RPA 的进化版。随着多模态大语言模型生态发展，这种助手雏形未来真的会成为标配，动动嘴巴就有人干活。所以这个时代，是不是学一下管理技能比较好，或者学一下乔布斯的产品逻辑，毕竟有claude code给你写代码了，不是么？