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 DockerDocker 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
147API1 天前
60,000 星的代价:解析 OpenClaw 的架构设计与安全教训
人工智能·安全·aigc·clawdbot·moltbot·openclaw
audyxiao0011 天前
智能交通顶刊TITS论文分享|如何利用驾驶感知世界模型实现无信号灯路口自动驾驶?
人工智能·机器学习·自动驾驶·tits
lisw051 天前
氛围炒股概述!
大数据·人工智能·机器学习
hjs_deeplearning1 天前
文献阅读篇#16:自动驾驶中的视觉语言模型:综述与展望
人工智能·语言模型·自动驾驶
爱喝可乐的老王1 天前
PyTorch深度学习参数初始化和正则化
人工智能·pytorch·深度学习
杭州泽沃电子科技有限公司1 天前
为电气风险定价:如何利用监测数据评估工厂的“电气安全风险指数”?
人工智能·安全
Godspeed Zhao1 天前
自动驾驶中的传感器技术24.3——Camera(18)
人工智能·机器学习·自动驾驶
顾北121 天前
MCP协议实战|Spring AI + 高德地图工具集成教程
人工智能
wfeqhfxz25887821 天前
毒蝇伞品种识别与分类_Centernet模型优化实战
人工智能·分类·数据挖掘
中杯可乐多加冰1 天前
RAG 深度实践系列(七):从“能用”到“好用”——RAG 系统优化与效果评估
人工智能·大模型·llm·大语言模型·rag·检索增强生成