12 KiB

Raw Permalink Blame History

技術架構

AnyBot 是一個 Rust 程式（anybot），用 egui/eframe 畫介面。同一個執行檔有三種跑法：

跑法	指令	用途
視窗	`anybot`	桌面 App
無視窗	`anybot --serve`	伺服器、一直開著的電腦、手腳：介面邏輯照跑，只是不畫畫面
設定	`anybot setup …`	終端機裡把這台接到帳號（`src/setup.rs`）

另一個小程式 anybot-relay（relay/）是帳號伺服器。

程式分層

┌─────────────── 介面（src/app.rs、src/app/*）───────────────┐
│ 聊天、側邊欄、設定、電腦、檔案預覽、大腦同步（mirror_ui）       │
│ 每個畫面一個 App 方法；狀態全部在 App.state（model::State）    │
└───────┬───────────────────────────────┬────────────────────┘
        │ 送出訊息                       │ 手機／其他 AnyBot 的要求
┌───────▼──────────┐            ┌────────▼───────────────────┐
│ 回合（agent.rs）   │            │ 遠端（remote.rs）            │
│ 呼叫模型、跑工具、  │            │ 手機 API、裝置連結、大腦同步   │
│ 等你核准、整理摘要   │            │ 長連線（tunnel.rs、wire.rs） │
└───┬─────────┬────┘            └──────────────────────────────┘
    │         │
┌───▼───┐ ┌───▼──────────────────────────────────────────────┐
│ 模型   │ │ 工具（tools.rs 為主）                                │
│ provi- │ │ 檔案與指令、Bot 的電腦（cloudbox.rs）、瀏覽器          │
│ ders.rs│ │ （botbrowser.rs、browser.rs、web.rs）、螢幕操作        │
└────────┘ │ （computer.rs、desktop.rs、axread.rs；Linux：x11.rs、 │
           │ wl.rs、portal.rs、desk.rs）、Mac App（macapps.rs）、   │
           │ 保險庫（vault*.rs）、MCP（mcp.rs）、記憶（memory.rs）  │
           └──────────────────────────────────────────────────────┘

檔案	做什麼
`model.rs`	資料：State、Bot、Message、設定；讀寫 `state.json`
`agent.rs`	一個回合：組系統指示、送模型、收串流、跑工具、核准關卡、長對話摘要；每一步用哪個模型（`StepPlan`：Bot 的模型規劃、出問題時和收尾，快速模型照計畫執行）
`facts.rs`	電腦現況：每台電腦一段唯讀小腳本讀出系統、桌面、systemd、sudo、網路、套件管理、常用指令和 App，30 分鐘快取，回合開始時放進系統指示
`providers.rs`	各家模型的 API（OpenAI 相容、Anthropic、OpenCode Go…）、串流、重試、看不到圖時的看圖小幫手
`tools.rs`	檔案、指令、背景指令；指令在 macOS 沙盒裡跑（見「安全」）
`policy.rs`	哪些動作直接做、先問、拒絕
`cloudbox.rs`、`box/`	Bot 自己的電腦：一個 Docker 容器（有桌面、瀏覽器）
`computer.rs`、`desktop.rs`、`axread.rs`	看畫面、滑鼠鍵盤；讀 App 的按鈕清單（agent-desktop，只讀）
`vnc.rs`、`mobile/screen.html`	人看 Bot 的電腦、需要時接手：VNC 代理（經帳號伺服器或同一個網路），noVNC 網頁
`botbrowser.rs`、`browser.rs`、`web.rs`	AnyBot 自己的瀏覽器（Chrome DevTools 協定）、讀你的瀏覽器、抓網頁
`routines.rs`、`triggers.rs`	例行任務和觸發
`channels.rs`	訊息管道（Slack、Discord、Telegram）
`remote.rs`	手機 API、帳號登入、裝置連結、大腦同步的請求端
`tunnel.rs`、`wire.rs`	和帳號伺服器之間的長連線（WebSocket）
`app/mirror_ui.rs`	大腦和螢幕之間的同步
`setup.rs`	`anybot setup`
`httpd.rs`	很小的 HTTP 伺服器（AnyBot 和帳號伺服器共用）
`mobile/index.html`	手機網頁（單一檔案，編進程式裡）

資料存放

都在資料資料夾裡（macOS ~/Library/Application Support/AnyBot/、Linux ~/.local/share/AnyBot/、Windows %APPDATA%\AnyBot\；ANYBOT_DATA_DIR 可以改）：

檔案	內容
`state.json`	全部的 Bot、聊天、設定和金鑰
`attachments/bot-<id>/`	聊天附件
`browser/`	AnyBot 瀏覽器的設定檔（登入狀態）
`brain-copy.json`	螢幕電腦保留的大腦副本（離線時還能看）
`brain-files/`	螢幕電腦從大腦下載的附件
`image-notes.json`	看圖小幫手對每張圖的描述（不用重看）
`oplog/bot-<id>.jsonl`	每個 Bot 的工作紀錄：回合開始、每次問模型、每個步驟開始和結束、做事時傳的訊息。每行先寫進磁碟才做那件事；AnyBot 在做事時被關掉，下次打開靠它把聊天修好，並留一張「繼續」卡片（`src/oplog.rs`）。回合結束就清空
`anybot.lock`	同一個資料夾一次只給一個 AnyBot 用（視窗、`--serve`、`--ask`、`anybot setup` 寫設定時）。是系統的檔案鎖，程式結束（包括當掉）就放開（`src/lock.rs`）

寫入時先寫暫存檔再改名，不會寫一半。

安全

核准關卡：工具動作照規則直接做、先問或拒絕（policy.rs，FEATURES.md 第 16、19 節）。「直接操作模式」可以跳過詢問。
指令的沙盒（macOS）：Bot 執行的指令在 sandbox-exec 裡跑，讀不到也寫不到 AnyBot 的資料資料夾、.gnupg、鑰匙圈、.aws 等；只有 attachments/ 和 .ssh 可以讀（都不能寫，.ssh 可讀讓 git 和 ssh 連得動）。只有沙盒管得到的才是祕密防線，核准層不再逐字掃路徑。例外（tools::runs_outside_sandbox，只在你的電腦上）：App Store 版 App 的指令列（自帶 App 沙盒，在這裡會兩層衝突而當掉）、ps／top（setuid，沙盒裡不能跑）、單獨一條且不含危險寫法的 osascript -e（沙盒裡指揮別的 App 一律 -10004；第一次先問，直接操作模式也問，osascript:outside 授權後不再問）。AppleScript 在沙盒外沒有東西擋它讀檔，所以靠寫法過濾加第一次詢問，不是密不透風。環境變數裡的模型金鑰會先拿掉，PATH 會補齊 Homebrew 等位置（從 Finder 或 launchd 啟動也要找得到指令）。
Bot 的電腦：放在容器裡，和你的電腦分開。標準（runc）容器和主機共用 Linux 核心，Chromium 在裡面關掉自己的沙盒，容器就是唯一那道牆。Docker 主機裝了 gVisor 時，設定 › 電腦 › 容器隔離可改「強隔離（gVisor）」：容器有自己的虛擬核心，Chromium 的沙盒重新開啟，牆變成兩道（虛擬核心＋瀏覽器沙盒）。改完要按電腦的「更新」重建才生效。gVisor 裡 setuid 不起作用，bot 使用者用 sudo 會失敗（「effective uid is not 0」），所以含 sudo 的指令改用容器裡的 root 執行（cloudbox::exec_wrapper），跑完把它在 bot 家目錄留下的檔案還給 bot。在 macOS 上沒有能裝 gVisor 的 Docker，用 deploy/mac/gvisor-vm.sh 建一台自帶 Docker＋gVisor 的 Lima 虛擬機，再把 Docker 主機指過去；那台虛擬機沒開時（例如 Mac 重開機後）AnyBot 會自己開。
保險庫：密碼、卡號、CVC 不會交給模型，由 AnyBot 直接填進網頁。
多台電腦：金鑰只留在大腦（下面說明）；手腳只接受帳號裡的 AnyBot，用配對碼加入的只接受那一個大腦。

多台電腦怎麼運作

連線

每台 AnyBot（大腦、螢幕、手腳）都保持一條 WebSocket 連到帳號伺服器（/relay/host/ws），雙方每 15–20 秒互相確認，45–60 秒沒聲音就重連。帳號伺服器沒有 WebSocket 時（舊版），改用 HTTP 長輪詢（/relay/host/next）。

手機的要求：手機 → 帳號伺服器（HTTPS）→ 這條連線 → AnyBot → 回覆原路回去。
AnyBot 找另一台 AnyBot（同步、手腳）：從自己的連線送 call 上去，伺服器轉給對方的連線，答案以 ret 回來。
連線斷掉時，等待中的請求立刻收到「斷線了」，不用等逾時；伺服器也立刻知道這台離線。
超過 1 KB、而且壓得小的內容用 deflate 壓縮（圖片、PDF 這類已壓縮的照原樣送）。

格式見 protocol.md。

大腦和螢幕的同步（`app/mirror_ui.rs`）

大腦回答「從版本 N 之後改了什麼」：

設定：State 去掉聊天、拿掉金鑰後算指紋，變了才送整份。
聊天：每則訊息有指紋，只送第一個不同的那則之後的部分。
討論串、誰在工作、等你核准的事。

螢幕的請求會等最多 20 秒，有變化就馬上回（長輪詢，跑在長連線上）。大腦上的改動通常 1 秒內出現在螢幕上。

螢幕上的改動變成小操作送回大腦：

單一值（set、bot_set）；
清單和對照表逐項修改（patch、bot_patch：新增或修改某幾項、刪掉某幾項、改順序），所以兩台同時改同一份清單的不同項目，兩邊都會保留；
新增、刪除、排序 Bot（bot_add、bot_del、bot_order）。

每個改動有編號，大腦回報收到第幾號；還沒確認的改動，會疊在大腦傳回來的新設定上，打字不會被蓋回去。所有改動和聊天動作由一個工作排隊依序送出。送失敗時，螢幕重新要一份完整資料。

聊天動作（傳訊息、停止、核准、重新產生、開新對話…）送 act，由大腦執行。附件先上傳到大腦。

金鑰只在大腦

送給螢幕的設定裡，模型金鑰、訊息管道的 Token、連接器的環境變數和標頭都換成「••••（已設定，在大腦上）」。螢幕改設定送回來時，大腦看到這個替代字，就保留原本的值（清單裡依 id 或名字對上）。螢幕要取得模型清單時，由大腦用自己的金鑰去抓。

手腳

大腦的 Bot 呼叫工具時可以指定 computer。如果是帳號裡的另一台，就透過長連線送 /api/device/run 給它，由它在自己身上執行（螢幕、檔案、指令、它的 AnyBot 瀏覽器），再把文字和截圖傳回來。那台要開「裝置連結」才接受；若設了只給某個大腦用（hands_for），帳號伺服器會附上是哪一台在問，不是那台就拒絕。指令在那台的工作資料夾（Bot 的 workdir）跑；連線經過帳號伺服器只有 35 秒，所以手腳上的指令超過 25 秒就移到背景，用同一台的 read_terminal 追蹤（computer 填那台）。

配對碼

已登入的手機或 AnyBot 向帳號伺服器要一組 6 位數字（10 分鐘、一次）。新電腦用這組數字換到自己的身分（主機 id 和金鑰），不經過密碼。配對碼記得它是給哪個大腦的，新電腦就只讓那個大腦使用。

看圖小幫手

模型拒收圖片時，AnyBot 記下這個模型看不到圖。之後送給它的請求裡，你傳的每張圖會先交給你帳號裡看得到圖的模型（依序試 xAI、Anthropic、OpenAI、Gemini、OpenRouter…，先用你設的預設模型），把描述（包括圖裡的文字）放進訊息。描述依圖片記住，同一張圖不會再看一次；失敗的模型 10 分鐘內跳過。

12 KiB Raw Permalink Blame History Unescape Escape