Bytebot

一句話介紹

Bytebot是一種可自主託管的開源AI桌面智能體，它為模型提供獨立的Linux虛擬桌面，讓其能夠觀看螢幕、移動滑鼠、輸入文字、操作檔案，並在不同應用程式之間完成自然語言相關的任務。

Bytebot是什麼

Bytebot並非僅在網頁DOM中運行的瀏覽器代理，而是將Ubuntu桌面環境、AI任務服務、Web管理介面以及資料庫整合在一起，形成一個容器化的自動化環境。這個智能體可以使用Firefox、VS Code、終端機、郵件客戶端，以及使用者自行安裝的應用程式。

該專案由Tantl Labs和開源社群共同開發，其代碼採用Apache 2.0授權條款。需要特別注意的是，官方的GitHub儲存庫已於2026年3月7日設為只讀模式，雖然網站和文件仍可存取，但無法再像活躍的專案那樣進行上游維護、漏洞修復及功能更新。

當前專案狀態

系統架構

主要功能

• 自然語言任務：以普通語言描述目標，由智慧體規劃並執行桌面操作。
• 完整的桌面環境：可使用瀏覽器、編輯器、終端機、郵件以及其他 Linux 桌面應用程式。
• 文件處理：上傳、下載、讀取、整理，以及產生PDF、表格、文件等其他格式的檔案。
• 跨應用工作流：在網站、檔案系統、終端機以及桌面應用程式之間傳遞資訊。
• 視覺電腦操作：透過截圖理解介面，再執行點擊、滾動、按鍵和文字輸入。
• 任務狀態管理：記錄優先級、運行狀態、訊息、操作和歷史結果。
• 即時桌面查看：從任務頁面觀察智能體操作及當前桌面狀態。
• 人工接管：當智慧體遇到登入、異常或判斷困難時，使用者可以進入桌面來完成關鍵步驟。
• 持久環境：安裝的軟體和設定可以在後續任務中繼續使用。
• 密碼管理器支援：可在桌面上安裝1Password或Bitwarden，用於處理登入及兩步驗證。
• 程式化控制：提供任務API、低層桌面控制API和MCP端點。
• 多模型接入：可直接配置Anthropic、OpenAI和Google密鑰，也可透過LiteLLM連接其他供應商。

Bytebot如何工作

1. 用戶可在任務介面或任務API中提交自然語言目標，並可附加需要處理的檔案。
2. AI Agent讀取任務和歷史上下文，把目標拆分為瀏覽、點擊、輸入、檔案或腳本動作。
3. 桌面容器提供當前螢幕與執行介面，模型依據視覺結果選擇下一步。
4. 每次操作後系統返回新的屏幕狀態，智慧體繼續判斷、糾錯或請求使用者幫助。
5. 任務完成後，請儲存訊息、截圖及結果檔案，用戶可檢查整個過程並決定是否採用該輸出結果。

兩種使用模式

自託管部署教學

部署前準備

• 安裝支援容器的Linux、macOS或Windows環境，生產環境建議優先使用隔離伺服器。
• Docker版本至少為20.10，並安裝可用的Docker Compose。
• 至少準備4GB可用記憶體，複雜的桌面環境及並行任務需要更多的CPU、記憶體與磁碟空間。
• 準備Claude、GPT、Gemini或LiteLLM相容模型的API金鑰。
• 由於官方倉庫已歸檔，先檢查維護狀態、漏洞和社群分支，再決定部署版本。

Docker Compose安裝流程

1. 從官方歸檔倉庫取得代碼，並將其固定於經過內部審查的提交中，切勿直接追隨不確定的邊緣鏡像。
2. 複製環境設定檔案，僅填寫所選模型供應商的金鑰，並限制檔案讀取權限。
3. 檢查Compose配置中的端口、資料庫密碼、特權模式和鏡像標籤，先完成安全加固。
4. 建構並啟動Desktop、Agent、UI和PostgreSQL四個服務。
5. 僅從受信任網路打開任務界面，建立一個沒有敏感權限的測試任務。
6. 檢查桌面、檔案、日誌和人工接管是否正常，再逐步接入真實應用。

部署後配置

1. 在虛擬桌面上安裝真正需要的應用，刪除無關工具並保持最低權限。
2. 為測試賬戶配置密碼管理器，避免把明文密碼寫入提示詞或環境檔案。
3. 建立網路白名單，限制智慧體能存取的內網、雲端控制台和管理系統。
4. 配置任務日誌、截圖保留、金鑰輪換、磁碟加密和異常告警。
5. 先讓人工審批發送郵件、付款、刪除檔案和生產系統寫入等高風險動作。
6. 完成安全測試與業務驗收後，再增加並發桌面或定時任務。

支援的模型

模型並不隨開源專案免費提供，用戶需要自行承擔推理費用及服務條款。使用本地模型可以減少外部資料傳輸，但桌面視覺、長任務規劃以及工具調用能力可能與雲端模型存在明顯差異。

適合哪些用戶

• 自動化工程師：需要讓AI控制整個桌面，而不是只調用網頁介面。
• 開發與測試團隊：自動重現介面問題、執行端到端流程並收集截圖證據。
• 企業IT團隊：為沒有API的舊系統建立隔離的界面自動化測試。
• 文件處理團隊：在檔案、瀏覽器及桌面應用程式之間，負責文件的讀取、整理與輸入工作。
• AI研究人員：研究電腦使用、桌面智慧體、人工接管與多模型表現。
• 開源開發者：基於Apache 2.0代碼創建自己的維護分支或專用桌面代理。

典型使用場景

• 供應商發票處理：登入多個門戶下載檔案，整理目錄並生成總表。
• 跨系統資料錄入：從表格讀取記錄，再寫入缺乏開放API的CRM或ERP介面。
• 技術研究：瀏覽資料、下載PDF、讀取內容並在編輯器中生成比較文件。
• 軟體測試：打開應用程式、重現使用者操作步驟、截取異常畫面並形成測試記錄。
• 開發驗證：運行命令、修改範例檔案、啟動服務，再用瀏覽器檢查結果。
• 合規資料收集：訪問公開機構頁面、下載檔案並更新內部追蹤表。
• 信箱與檔案流程：讀取指定的郵件附檔、分類儲存並產生待審核結果。

產品優勢

• 提供完整的Linux桌面，可涵蓋瀏覽器、檔案系統、終端以及原生應用程式。
• 採用自然語言目標，適合界面變化較多且難以完全預先編排的任務。
• 自託管架構允許企業控制網路、檔案、桌面鏡像和資料保留。
• 支援人工接管，遇到登入、異常和關鍵判斷時可以暫停自動化。
• 任務API、Computer Use API和MCP便於與自建代理及調度系統組合。
• Apache 2.0許可證允許組織修改、部署和分發自己的版本。
• 可接入多家雲模型或本地模型，不強制綁定單一推理供應商。
• 每個桌面都以容器隔離，便於創建具有不同應用與權限配置的工作環境。

重要限制

• 官方倉庫已歸檔，原項目不再接受正常維護，依賴、鏡像和部署文件會逐漸過時。
• 視覺桌面操作比確定性API和腳本更慢，也更容易受彈窗、解析度及界面變化影響。
• 模型可能誤解螢幕、點擊錯誤位置、覆蓋檔案或提交錯誤表單，不能無審核執行高風險操作。
• 容器隔離並不會自動等於安全，特權模式、掛載目錄、網路權限和金鑰可能擴大影響範圍。
• 自託管軟體本身沒有用量限制，但模型API、雲主機、儲存、頻寬和維護都會產生費用。
• 本地預設介面沒有身分認證，直接暴露在公網或不可信區域網路中，存在嚴重的接管風險。
• 密碼管理器可以減少明文密鑰的洩露，但AI所看到的桌面內容和操作結果仍可能包含敏感資訊。
• 專案目前沒有公開的託管雲服務價格與服務承諾，不應將舊網頁中的試用入口視為可用的商業套餐。

安全風險與加固建議

Bytebot的預設Compose設定會將桌面、任務、介面以及資料庫連接埠相互對應起來，其中桌面容器以特權模式運作，而範例資料庫則使用預設的密碼。官方API文件中說明，本地存取時通常不需要進行認證，這些設定僅適用於受控的開發環境。

2026年7月公開的CVE-2026-30631指出，受影響的提交中的檔案寫入路徑可能觸發命令注入，公開評估給出的嚴重等級為9.8。由於該倉庫已經被歸檔，部署者無法假定官方會提供後續修復。

• 不要把桌面API、任務API、資料庫和VNC直接映射到公網。
• 在反向代理或服務網格中加入強認證、TLS、IP白名單和請求日誌。
• 替換範例資料庫憑證，禁止資料庫端口對非必要網路開放。
• 評估是否能夠移除特權模式，並限制容器能力、掛載目錄和宿主訪問。
• 核對CVE影響，採用已審計補丁或維護分支，無法確認時不要處理敏感任務。
• 將模型API金鑰存入金鑰管理系統，禁止寫入程式碼、鏡像或任務描述。
• 為桌面分配專用的低權限帳戶，不登入個人主帳號或生產管理員帳號。
• 限制出站網路和內網路由，防止智能體訪問不在任務範圍內的系統。
• 對支付、刪除、發信、權限修改和代碼部署設定人工批准。
• 定期清理截圖、下載檔案、聊天歷史和持久卷，並驗證備份刪除策略。

REST API與MCP

Agent API用於高層次的任務管理，而Desktop API則用於對滑鼠、鍵盤及螢幕等硬體設備的控制。在進行生產排程時，應優先使用任務級的介面，只有在必須精確控制某個動作時，才應使用Desktop API。

開發者接入流程

1. 在隔離環境啟動經過審計的Bytebot版本，並確認任務、桌面和資料庫服務健康。
2. 先透過任務介面建立只讀或無副作用的測試任務，記錄任務識別碼及狀態變化。
3. 輪詢任務或訂閱即時更新，處理完成、失敗、取消和需要幫助等狀態。
4. 需要精確控制時調用統一的Computer Use動作，並在每次動作後檢查返回的畫面。
5. 為遠端調用增加身分驗證、最小權限、速率限制、超時和幀等控制。
6. 將截圖、檔案和日誌視為敏感數據，按業務要求加密、脫敏和清理。
7. 在升級模型、鏡像或社群分支前執行回歸與安全測試。

價格與實際成本

Bytebot的源代碼可以根據Apache 2.0授權條款免費使用，無需支付任何官方開源軟體的訂閱費用。不過，其官網上並未提供在檢查時仍有效的雲端托管服務價格，因此無法確定是否為固定月費或永久免費的雲端服務。

開源許可證與維護狀態

Apache 2.0允許複製、修改、散發以及將其用於商業用途，同時也包含相應的專利授權。在散發修改過的版本時，必須保留許可證及版權聲明，並對修改內容作出明確說明；此外，專案的商標並不會因此而自動獲得授權。

開源許可長期有效，但倉庫被歸檔後，即表示官方的維護工作已經停止或暫停。企業若要繼續使用該軟體，就必須建立自己的分支、定期更新依賴項目、處理安全問題，並自行負責發布流程；或者選擇那些有持續維護的社群分支來使用。

隱私與資料處理

自託管可以讓任務、資料庫、截圖和檔案保存在自己的基礎設施中，但所選用的雲端模型仍可能接收相關的提示、螢幕畫面或檔案內容。具體的傳輸範圍則取決於Bytebot的版本、模型連接方式以及任務的實作方式。

使用本地模型可減少對外發送，但無法消除桌面權限、日誌、備份及內部訪問風險。上線前應繪製資料流，確認模型供應商的政策，並依照最小化原則控制截圖、金鑰和敏感檔案。

基本資訊

推薦指數

推薦指數為3.2分，滿分5分。Bytebot擁有完整的桌面環境、開源代碼、多種模型選項以及雙層API，因此仍具有用於學習、研究及二次開發的價值，特別適合用來了解桌面智能體的架構。

扣分主要來自官方倉庫的歸檔問題、缺乏持續的上游維護、預設的部署範圍過廣，以及已經被發現的嚴重漏洞。在目前階段，不建議將其用於處理敏感業務，除非該團隊有足夠的能力來進行代碼審計、修復問題、進行隔離處理，並且能夠長期維護該系統。

常見問題

Bytebot免費嗎？

源代碼可以依照Apache 2.0許可證免費使用。模型API、雲伺服器、本地硬體、儲存及安全運維仍需自行付費，目前還沒有可確認的官方雲套餐價格。

Bytebot還在維護嗎？

官方GitHub倉庫已於2026年3月7日歸檔為只讀，不能視為正常活躍維護。官網和文件在線並不代表仍有持續發布或安全回應。

可以在Windows或macOS使用嗎？

核心代理運行在容器化的Ubuntu桌面環境中，而Windows和macOS則可作為Docker的宿主機或存取端。它並非直接控制使用者當前Windows或macOS桌面的原生個人助理。

支援本地模型嗎？

文件透過LiteLLM整合，列出了Ollama等本地模型的選項。實際的桌面視覺表現與長流程處理能力，則取決於模型的性能、上下文以及硬體條件，需另行評估。

是否提供API？

提供。Agent API用於任務管理，Desktop API用於螢幕、滑鼠、鍵盤和檔案等低層控制，預設本地介面沒有認證。

是否支援MCP？

桌面服務提供MCP端點，可向相容的用戶端提供桌面控制工具。該文件使用較早的SSE連接方式，在接入新版用戶端之前應先驗證協議的相容性。

Bytebot安全嗎？

無法直接給出安全結論。預設情況下，沒有經過認證的介面、具有特權的容器、範例資料庫的密碼，以及那些已被揭露的嚴重命令注入漏洞，都要求部署者自行加強防護並進行修復。

數據會離開自己的伺服器嗎？

任務和桌面可以自托管，但使用雲端模型時，相關提示、截圖或檔案內容可能會被傳送給模型供應商。唯有結合代碼、設定以及模型政策，才能確認實際的資料流動情況。

可以用来操作銀行和支付系統嗎？

技術上雖然可以控制瀏覽器與密碼管理器，但不應在目前的歸檔版本中，讓其無人監控地執行金融操作。至少需要低權限帳戶、人工確認、隔離式網路、交易限額以及完整的審計記錄。

官方SDK是否開源？

沒有發現單獨的官方SDK，項目本體的源代碼與介面呼叫範例已經公開。產品是否開源與是否有SDK是兩件不同的事情。

歸檔後還能商用嗎？

許可證仍允許合規商用，但團隊需要自行承擔維護、安全、商標及第三方依賴的責任。在對外提供服務前還需核對模型、應用與內容的各自授權。

總結

Bytebot展示了如何將完整的Linux桌面環境、AI規劃功能、任務管理介面、資料庫以及電腦使用相關的介面整合在一起，從而形成一個可以自行管理的桌面智慧體。它仍然是一個很有價值的開源參考資料，也可作為進行二次開發的起點。

但當前最重要的現實是，該倉庫已經被歸檔，且存在需要認真處理的安全風險。建議將其用於隔離研究及受控原型開發；若要投入生產環境，則應先使用經過審計的維護分支，並建立認證、補丁管理、權限控制、網路安全以及人工審批等機制。