11,086 颗星、只读归档、无一个 Release：Bytebot 把「给 AI 一台电脑」做成了开源范本，但别指望它替你维护

拾光·开源拾遗 技术创作者 2026-09-30 160 阅读

如果你用过 browser-use、Stagehand 这类”让 AI 操作浏览器”的项目，大概率踩过同一个坑：网页 DOM 一变，之前调好的选择器全废。而 Bytebot 走的是另一条路——它不给 AI 一个浏览器，而是直接给 AI 一台完整的电脑。它的官方介绍页写得很直白：「An AI that has its own computer to complete tasks for you」（给 AI 一台自己的电脑）。

这个项目现在有 11,086 颗星、1,518 个 Fork，Apache-2.0 许可，用 TypeScript 写成。仓库地址是 https://github.com/bytebot-ai/bytebot ，官网 https://www.bytebot.ai/ ，文档在 https://docs.bytebot.ai/ 。

它到底在做什么

Bytebot 的核心是一个跑在 Docker 容器里的完整 Ubuntu Linux 桌面（基于 Ubuntu 22.04 + XFCE，预装 Firefox、VS Code、LibreOffice 等）。AI Agent 不是去调某个网页的 API，而是像真人一样：看屏幕截图、移动鼠标、敲键盘，操作真实的桌面软件。按官方 README 的架构说明，它由四个部件组成：

  • Virtual Desktop：容器化的完整 Linux 桌面，AI 的”操作台”
  • AI Agent：一个 NestJS 服务，负责把自然语言任务拆解成桌面操作
  • Task Interface：Next.js 写的前端，你可以实时看 AI 操作屏幕
  • APIs：REST 接口，支持用脚本直接创建任务、截图、点击鼠标、上传文件

命令行部署最快两分钟：

git clone https://github.com/bytebot-ai/bytebot.git
cd bytebot
echo "ANTHROPIC_API_KEY=sk-ant-..." > docker/.env
docker-compose -f docker/docker-compose.yml up -d
# 浏览器打开 http://localhost:9992

模型侧支持 Anthropic Claude、OpenAI GPT、Google Gemini，也能通过 LiteLLM 接 Azure、AWS Bedrock，甚至本地 Ollama。企业部署还有 Helm chart 可以上 Kubernetes。

它和其他方案的真实差别

这里必须讲清楚边界。Bytebot 不是”浏览器自动化插件”，也不是传统 RPA。多篇中文评测都提到一个共识：传统 RPA 和脚本工具的痛点是”按钮一变，脚本全废”，而 Bytebot 因为走纯视觉路线（看截图而不是读 DOM），对界面改版有天然的抗性。什么值得买的一篇实测文章甚至提到，它能处理部分基于视觉的验证码点击场景。

但纯视觉也是一把双刃剑。ITeye 上一篇较深入的分析指出：因为 context 是”一张张静态截图”而不是实时视频流，像网易那种”拖拽轨迹型”验证码它就过不去。这个局限来自架构，不是调参能解决的。

真话部分：它已经归档了

这是写这个项目时最需要提醒你的一点——bytebot-ai/bytebot 仓库目前处于 archived（只读归档）状态。根据 GitHub API 数据，最后一次代码推送停留在 2025 年 9 月 12 日，仓库后续被归档。这意味着：

  • 官方不会再合并 PR、不会再发新版本（仓库 0 个 release）
  • 代码和文档全量开放，自部署不受影响，Docker 镜像和 README 都还能用
  • 但如果你是冲着”活跃维护、有人持续修 bug”来的，得自己接手或者 fork

这点不是为了劝退，而是 gh_oss 的立场：11,086 颗星买不到持续维护，star 数不等于生命力。

真实使用门槛

综合多个来源的实测反馈，我把门槛列清楚：

资源：跑一个完整 Ubuntu 桌面 + Docker，内存至少 4GB 起步，机器不好别想。首次启动还要下载约 2GB 镜像。

速度：这是最容易被宣传话术隐藏的点。AI 是一张截图、一次思考、一次点击地推进，5 分钟能干的活 AI 可能要跑 20 分钟。它适合”丢后台慢慢跑”的任务，不适合”快帮我查一下”。

模型依赖：效果高度取决于背后的视觉模型。多篇评测的一致结论是：用 Claude 效果最好，GPT 还行，Gemini 差些，本地小模型基本跑不动。这直接决定了你的 API 成本——长时间复杂任务的 token 消耗不容小觑。

登录配置：虽然支持把 1Password、Bitwarden 装进虚拟桌面让它自动填密码、处理 2FA，但第一次配置各网站的登录凭证还是得手动来一次。

只能跑 Linux 应用：桌面环境基于 Ubuntu，Windows 专属软件用不了（理论上能通过 Wine，但别抱期待）。

适合谁 / 不适合谁

适合：研究人员想要一个可控、可重现的 Agent 实验平台；开发者想自架一套处理重复杂务的桌面机器人；企业内部想在防火墙内跑桌面自动化、又不想把资料送进第三方云。典型场景包括财务批量下载银行账单并合并报表、法务从几十份 PDF 合同里提取条款做对比表、开发做跨浏览器 UI 回归测试截图。

不适合：只想要一个”轻量网页自动化库”的团队（那应该去看 Stagehand / browser-use）；没有服务器资源、也不会 Docker 的个人用户；需要 Windows/Mac 专属软件自动化的场景；以及要求长期官方维护的项目——归档状态是硬约束。

下一步怎么走

如果你对这个方向感兴趣，我建议按这个顺序做：

  1. 先用 Docker Compose 起一个 POC，目标是跑通一个最简任务（比如”截图某个官网首页”），花一个下午感受它的速度和成功率，再决定要不要投入。
  2. 挑任务时记住三个判断条件：是否必须操作图形界面、是否需要一定的页面理解和判断、是否能接受较慢的执行——三者都满足，才是它的主场。
  3. 想长期用，就要评估 fork 维护的成本，或者把它的架构思路（容器化桌面 + 视觉 Agent + Takeover 接管模式）迁移到你自己的技术栈里。这个项目的设计本身，比它的代码更值得学。
  4. 想对比同类方案，可以顺带看看社区整理的 alternatives 清单 https://lapu.ai/alternatives/bytebot 。

一句话总结：Bytebot 把”给 AI 一个浏览器是限制它，给 AI 一台电脑才是解放它”这个判断做成了一个完成度很高的开源实现。即便它已经归档，它代表的”桌面智能体”方向，依然值得每一个做 AI Agent 的人认真拆开看一遍。

# Agent# 知识# 编程

评论区

0 条评论

登录后可评论。

拾光·开源拾遗 160 阅读