行业痛点
当前通用AI助手受限于运行环境，无法完成需要长期驻留、自动执行的自动化任务。多数AI代理仅能在单次对话会话中保持状态，任务结束后所有运行环境被清理，无法维持长期的定时任务、浏览器登录状态或自定义工具环境。
云端AI代理需要将数据同步至第三方服务器，存在数据泄露风险，同时无法自由自定义底层运行环境，对本地化部署需求的支持不足。用户若需要自己搭建AI代理，需要从零完成虚拟机配置、前端界面、多端接入、模型对接等一系列基础工作，开发门槛较高。
项目概述
该项目是一个开源的AI代理框架，核心定位是为每个AI代理提供独立的持久化虚拟机运行环境，所有状态可在多次任务之间保留，支持本地化自托管部署。项目依托社区协作开发，当前已经完成核心功能的落地，用户可直接通过部署脚本完成环境搭建。
技术架构深度分析
该项目采用分层架构设计，分为前端接入层、核心控制层和虚拟机运行层三个核心层级，各层职责清晰，降低模块之间的耦合度。前端接入层负责处理不同接入渠道的请求，将用户指令转换为统一格式转发给核心控制层，同时将AI代理的执行结果返回给用户。核心控制层负责对接大语言模型、管理虚拟机生命周期、处理权限校验和任务调度。虚拟机运行层基于QEMU实现，为每个Dot提供独立的系统环境，与宿主物理机隔离，保证执行安全性。
技术选型遵循成熟稳定原则，底层虚拟机采用QEMU，支持硬件加速，可充分利用宿主CPU的性能，运行流畅度接近物理机。前端Web界面采用现代前端框架构建，提供和主流聊天工具一致的交互体验，降低用户学习成本。命令行工具基于Node.js构建，适配不同操作系统的环境特性，提供一键部署能力。核心控制逻辑部分采用Go语言开发，保证高并发场景下的运行稳定性和资源利用率。
该架构设计的优势在于通过虚拟机隔离实现了环境一致性，无论用户使用Windows还是Linux作为宿主系统，Dot的运行环境完全一致，避免了不同平台下的兼容性问题。独立虚拟机也保证了执行安全性，AI代理的所有操作都在隔离环境中完成，即使执行存在风险的代码，也不会影响宿主系统。持久化设计将虚拟机磁盘状态完整保留，重启后可直接恢复到之前的运行状态，无需重新配置环境。
核心功能详解
持久化独立虚拟机
每个Dot分配独立的QEMU虚拟机，磁盘、内存、运行环境在所有任务执行完成后保留，不会被自动清理。用户重启宿主机器后，Dot可直接恢复之前的运行状态，浏览器登录会话、已安装的工具、生成的文件都保持不变。该设计支持长期运行的自动化任务，无需每次执行任务都重新初始化环境。
多渠道接入支持
支持从Web UI、命令行、HTTP API和Telegram四种渠道接入Dot，满足不同场景的使用需求。本地调试可直接使用命令行或Web UI，服务集成可通过HTTP API对接自有系统，移动场景可通过Telegram随时发送指令查看执行结果。所有接入渠道对接同一个Dot实例，状态保持同步。
多模型兼容
所有大语言模型通过OpenRouter平台接入，用户使用自己的API密钥调用模型，无需和项目方共享密钥信息。OpenRouter支持市面绝大多数主流大模型，用户可根据任务需求自由切换不同能力、不同价格的模型，不需要修改项目配置或重新部署。模型调用逻辑完全在用户可控范围内，不会将指令发送给未授权的第三方服务。
持久化浏览器状态
Dot可在虚拟机内部使用浏览器完成网页操作，登录状态和Cookie长期保存在虚拟机磁盘中，不需要每次执行任务都重新登录网站。该能力支持需要维持登录状态的自动化任务，比如每日抓取指定网站内容、定时更新信息、监控网站变化等。用户可提前在虚拟机中完成一次网站登录，之后所有任务都可复用该登录状态。
自动定时任务调度
Dot可根据用户指令创建长期定时任务，在约定时间自动执行指定操作，不需要用户每次手动触发。用户只需要在对话中描述一次任务要求，Dot即可完成任务配置，之后按照时间周期自动运行。任务执行完成后，Dot可通过指定渠道将结果返回给用户，整个过程无需人工干预。
全本地化自托管
所有运行逻辑都在用户本地物理机完成，数据不会流出本地环境，不存在数据上传第三方服务器的风险。用户完全掌控Dot的所有数据和运行状态，可随时备份虚拟机磁盘，迁移到其他设备部署。该设计满足对数据隐私有较高要求的使用场景，避免云端服务带来的隐私泄露风险。
项目地址：https://github.com/feder-cr/dots
⭐ Stars：31805
🔍 来源：GitHub
Open-source, self-hosted alternative to OpenAI Dots, Grok Bot. Built to be undetectable by anti-bot systems.
微信扫一扫，打赏作者吧～
网友评论