用deepseek部署全自动的机器人--bytebot

一、简介


Bytebot 是一个开源的 AI 桌面代理(Open-Source AI Desktop Agent),它为 AI 提供了一个完整的计算机环境来为用户完成各种任务。


二、核心功能


Bytebot 不同于仅运行在浏览器中的代理或传统 RPA 工具,它拥有完整的虚拟桌面环境,能够:

  • 使用任何应用程序(浏览器、邮件客户端、办公工具、IDE 等)
  • 通过自身文件系统下载和组织文件
  • 使用密码管理器登录网站和应用程序
  • 读取和处理文档、PDF 和电子表格
  • 跨不同程序完成复杂的多步骤工作流

可以将其视为拥有自己计算机的虚拟员工,能够像人类一样看到屏幕、移动鼠标、敲击键盘并完成任务。

三、技术架构

Bytebot 包含多个核心组件:

  • bytebot-agent-cc:可能是代理的核心控制组件
  • bytebot-agent:代理主体
  • bytebot-llm-proxy:大语言模型代理
  • bytebot-ui:用户界面
  • bytebotd:可能是后台服务
  • shared:共享组件

此外,还包含 helm 目录(用于 Kubernetes 部署)和 docker 目录(提供多种 Docker 配置文件),支持不同环境下的部署。

四、部署方式

本文部署使用的是cloudstudio.net。

步骤一:下载

复制代码
git clone https://github.com/bytebot-ai/bytebot.git
cd bytebot

步骤二:设置deepseek api key

复制代码
# 添加 AI 提供商DEEPSEEK密钥
echo "DEEPSEEK_API_KEY=sk--..." > docker/.env
#

步骤三:确保已安装 Docker 和 Docker Compose

1、修改docker-compose.proxy.yml

environment:

  • ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}

  • OPENAI_API_KEY=${OPENAI_API_KEY}

  • GEMINI_API_KEY=${GEMINI_API_KEY}

  • DEEPSEEK_API_KEY=${DEEPSEEK_API_KEY}

2、修改litellm-config.yaml文件

添加Deepseek模型

  • model_name: deepseek-chat

litellm_params:

model: deepseek/deepseek-chat

api_base: https://api.deepseek.com/v1

api_key: os.environ/DEEPSEEK_API_KEY

  • model_name: deepseek-reasoner

litellm_params:

model: deepseek/deepseek-reasoner

api_base: https://api.deepseek.com/v1

api_key: os.environ/DEEPSEEK_API_KEY

3、执行命令

根据具体情况执行以下脚步即可。

docker-compose -f docker/docker-compose.proxy.yml up -d --build bytebot-llm-proxy

docker-compose -f docker/docker-compose.proxy.yml up -d

docker-compose -f docker/docker-compose.proxy.yml logs -f bytebot-llm-proxy

docker-compose -f docker/docker-compose.proxy.yml down

五、展示

相关推荐
我si绝版16 小时前
OpenClaw 安装步骤
人工智能
Seiran16 小时前
用Grok 4.7在ZEEKEAI啃长文档的提效实战
人工智能
Bacon16 小时前
给项目做一次"全身 CT":Agent Skills 生态里的代码体检全链路
前端·人工智能·后端
培培说证16 小时前
大专商务数据分析与应用可以报考哪些职业证书?
人工智能·数据挖掘·数据分析
pursuit_c16 小时前
关于 Personal Agent 的思考碎片
人工智能
龙腾AI白云16 小时前
具身智能的空间导航与未知环境探索
大数据·数据库·人工智能·机器学习·知识图谱
snakeshe101016 小时前
大模型 Function Call 实战入门:原理、环境搭建与多轮调用完整教程
人工智能
用户3600555790016 小时前
Kestrel_VLLM - 43 · 默认化前的一次解耦:一个遮蔽 bug 与一次口径污染
人工智能
狒狒AI17 小时前
DeepSeek Harness 插件生态拆解:31,259 个仓库与 93% 装不上的口径差
人工智能
AI前端工程狮17 小时前
我把 MCP 长任务拆成三个工具,token 账单涨了 7 倍
javascript·人工智能·程序员