autoMate

说句话就让电脑自己干活,零代码自动化操作一切应用

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 智能体 🍴 复刻 492 🐛 待处理 7 👀 关注 41
GitHub ↗
GitHub 星标 ★ 4009
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,本地部署,完全免费。

项目预览

autoMate 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类智能体
开发团队yuruotong1
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,本地部署,完全免费。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型agent,ai,computeruse,deepseek,manus,ollama,omniparser,openai,openmanus,response,rpa
GitHub 星标★ 4009
上线时间2024-01-20 00:00:00
代码更新2026-09-18
仓库体积88.0 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-10
浏览次数8

项目介绍

autoMate 是一个基于自然语言驱动的本地电脑自动化助手,属于计算机使用代理(CUA)类别,类似 Manus、Omniparser 等产品。它让用户通过日常语言指令,让 AI 自动操作电脑完成各种任务,例如打开应用、点击界面、填写表单、执行重复性工作等。项目采用 Python 编写,整合了多种 AI 模型接口(如 OpenAI、DeepSeek、Ollama 本地模型),并融合 RPA 技术,实现跨应用的界面识别与操作。其核心能力包括:理解用户意图并转化为具体操作步骤、模拟鼠标键盘交互、支持本地模型保护隐私、以及可扩展的自动化流程。它解决的是传统 RPA 脚本编写门槛高、非技术人员难以使用的问题,让自动化变得像对话一样简单。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 4009

技术标签

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 7 步

环境要求

  • Python 环境(选择 pip 安装路径时需要)
  • Docker(选择 Docker 部署路径时需要,适合 NAS / 无头机器)
  • 现代浏览器(用于打开本地 Web 界面 http://127.0.0.1:8765)
  • 一个大模型 API Key(向导中需要粘贴密钥)

安装与启动步骤

  1. 1安装 autoMate

    有 Python 环境时,用 pip 安装 Python 包 automate-hub,体积小,适合大多数用户。

    pip install automate-hub
  2. 2启动服务

    执行 automate 命令启动本地服务;Windows / macOS 上双击独立二进制效果相同。

    automate
  3. 3打开本地网页

    启动后浏览器会自动打开 http://127.0.0.1:8765,这是 autoMate 的内置 Web 界面。

  4. 4完成初始化向导

    按向导依次选择要使用的大模型、粘贴模型 API Key,可选接入 AI 客户端。

  5. 5Docker 方式部署

    没有 Python 或想跑在 NAS / 无头机器上时,用官方镜像一条命令启动,映射 8765 端口。

    docker run -p 8765:8765 ghcr.io/yuruotong1/automate:latest
  6. 6安装浏览器扩展

    需要用 autoMate 驱动本机真实 Chrome 时,安装仓库 extension/ 目录下的浏览器扩展。

  7. 7手机端 PWA(可选)

    手机 Chrome / Safari 打开 hub 地址,选择“添加到主屏幕”,无需应用商店即可使用。

关键配置

配置项必填说明示例
模型选择是初始化向导中指定 autoMate 使用的 AI 模型。OpenAI / DeepSeek / Ollama
API Key是向导中粘贴的模型密钥,用于调用所选模型。sk-xxxxxxxx
数据目录否默认数据存储位置,使用 SQLite 与 Fernet。~/.automate/

如何确认成功

浏览器自动打开 http://127.0.0.1:8765 并显示初始化向导,说明服务已启动成功。

常见问题

Q:我没有 Python 环境怎么办?

A:到 GitHub Releases 下载对应平台的独立二进制(Windows / macOS / Linux),双击即可运行,无需安装 Python。

Q:不想装 Python 也不想用 Docker?

A:同样用 Releases 里的独立二进制;想跑在 NAS 等无头设备上,则用 Docker 镜像一条命令启动。

Q:怎么让 Claude Desktop、Cursor 等客户端调用 autoMate?

A:autoMate 作为工具源,可通过 MCP 或 HTTP 接入 OpenClaw、Claude Desktop、Cursor、Cline 等客户端,初始化向导会引导你完成接线。

Q:数据存在哪里?

A:默认存在 ~/.automate/ 目录,采用 SQLite 存储并结合 Fernet,笔记、文件、记忆等跨会话保留。

注意事项

  • README 未提供修改默认端口的方法,如 8765 被占用请参考官方仓库最新说明。
  • 首次使用必须在向导中选定模型并提供 API Key,未写密钥将无法调用模型。
  • 浏览器扩展需驱动本机真实 Chrome,请先在扩展管理页完成加载。
  • 以上命令均来自 README 的 Install 表格,未在 README 出现的参数请勿自行添加。

核心亮点

  • 支持多种主流大模型(OpenAI、DeepSeek、Ollama),可本地部署保护隐私
  • 融合 RPA 技术,能跨应用模拟鼠标键盘操作,不依赖特定软件接口
  • 自然语言交互,降低自动化脚本编写门槛,普通用户也能上手

不足之处

  • 自动化操作复杂界面时可能误触或识别失败,稳定性待提升
  • 文档/社区待观察

适用场景

  • 办公自动化:自动整理文件、发送邮件、生成报表
  • 软件测试:自动执行 UI 测试用例并记录结果
  • 个人效率:批量处理网页数据、自动填写表单

替代项目

Manus、OpenManus、Omniparser

上一篇:xiaobei

下一篇:studio

同类项目推荐

agent-skills 开源

让 AI 代理直接写好云基础设施代码,少踩坑

Official Pulumi Agent Skills for writing, migrating, and operating infrastructure wi···

★ 78 2026-08-09
umadev 开源

指挥现有编码工具,像团队一样自动搞定复杂开发任务

UmaDev: A coding agent that works like a real dev team, commanding the Claude Code /···

★ 266 2026-08-09
yu-ai-agent 开源

一套教程,带你从零掌握 Java AI 开发全栈技能

编程导航 2025 年 AI 开发实战新项目,基于 Spring Boot 3 + Java 21 + Spring AI 构建 AI···

★ 97 2026-08-09
claude-plugins 开源

一条命令给 Claude Code 装上 28 个专业技能,搞定复杂开发任务

28 plugins and MCP servers for Claude Code — TDD, multi-agent orchestration, iterat···

★ 101 2026-08-09
netclaw 开源

说人话就能查网络、改配置、排故障

An AI agent that claws through your network

★ 719 2026-09-12
Pentest-Swarm-AI 开源

多智能体组队自动打渗透,侦察到报告一条龙

Autonomous penetration testing using a swarm of AI agents. Orchestrates recon, class···

★ 3171 2026-10-11
yoagent 开源

用 Rust 打造你的 LLM 智能体,流式响应,工具调用,循环至任务完成。

The agent loop for Rust — stream from 7 LLM protocols, run tools, loop until done. ···

★ 369 2026-08-09
mcp_chatbot 开源

用 MCP 协议快速跑起一个能聊天的机器人,终端和网页都能用。

A chatbot implementation compatible with MCP (terminal / streamlit supported)

★ 252 2026-08-09
Multi-Agents-Debate 开源

让多个AI互相辩论,自动得出更靠谱的答案

MAD: The first work to explore Multi-Agent Debate with Large Language Models :D

★ 623 2026-08-09