截胡OpenAI！清華復旦等搶先開源智能體框架Eko，一句話打造「虛擬員工」
OpenAI的首席執行官Sam Altman最近宣布，2025年將推出「虛擬員工計劃」，代號Operator，AI智能體能夠自主執行任務，如寫代碼、預訂旅行等，成為企業中的「數字同事」。
搶在OpenAI發布Operator之前，清華、復旦和斯坦福的研究者聯合提出了名為Eko的 Agent開發框架，開發者可以通過簡潔的代碼和自然語言，快速構建可用于生產的「虛擬員工」。AI智能體能夠接管用戶的電腦和瀏覽器，代替人類完成各種任務，為工作流程提供自動化支持。
核心技術創新有三點：
- 混合智能體表示：提出了Mixed Agentic representation，通過無縫結合表達高層次設計的自然語言（Natural Language）與開發者低層次實現的程序語言（Programming Language）。
- 跨平臺Agent框架：提出環境感知架構，實現同一套框架和編程語言，同時支持瀏覽器使用、電腦使用、作為瀏覽器插件使用。
- 生產級干預機制：現有Agent框架普遍強調自治性（Autonomous），即無需人類干預，而Eko框架提供了顯性的生產級干預機制，確保智能體工作流可以隨時被中斷和調整，從而保障人類對生產級智能體工作流的有效監管和治理。
Homepage: https://eko.fellou.ai
Github link：https://github.com/FellouAI/eko
Docs：https://eko.fellou.ai/docs
Eko：革新生產級智能體開發的框架
用實際的例子來感受一下這個Agent框架的開發難度：只需要一句話，就可以讓Eko生成一個全Agent幫你做股票分析。這不就是妥妥的生產力工具嗎！真是解放雙手！
在雅虎財經上收集納斯達克的最新數據，包括主要股票的價格變化、市值、交易量，分析數據并生成可視化報告。
當前登錄頁面自動化測試：
1. 正確的賬戶和密碼是：admin / 666666
2. 請隨機組合用戶名和密碼進行測試，以驗證登錄驗證是否正常工作，例如：用戶名不能為空、密碼不能為空、用戶名不正確、密碼不正確
3. 最后，嘗試使用正確的賬戶和密碼登錄，驗證登錄是否成功
4. 生成測試報告并導出
清理當前目錄下大于1MB的所有文件
環境感知架構（Environment-Aware Architecture）
主要場景
i）瀏覽器使用：主要專注于通過圖形用戶界面（GUI）來操作網頁和瀏覽器中的元素，常見的實現方式包括截圖和網頁提取技術。
ii）電腦使用：與瀏覽器不同，Node.js 自動化則主要面向命令行界面（CLI）操作和文件系統管理，未來還會引入GUI感知能力。
架構介紹
Eko的跨平臺開發是通過其環境感知架構（Environment-Aware Architecture）實現的，架構由三個關鍵層次構成：通用核心（Universal Core）、環境特定工具（Environment-Specific Tools）和環境橋接（Environment Bridge）。
- 通用核心：這一層提供了與環境無關的基本功能，如工作流管理、工具注冊管理、LLM（大語言模型）集成和鉤子系統。
- 環境特定工具：每種環境（如瀏覽器擴展、Web環境、Node.js環境）都提供了優化的工具集。
- 環境橋接：這一層負責環境的檢測、工具注冊、資源管理和安全控制，確保不同平臺之間能夠順利互動和通信。
安全性和訪問控制：Eko針對不同環境實施了適當的安全措施。瀏覽器擴展和Web環境都采用了嚴格的權限控制和API密鑰管理，而Node.js環境則允許更廣泛的系統級訪問，基于用戶權限進行文件操作和命令執行，在需要時會在執行前請求用戶確認。
自動工具注冊：通過 loadTools() 等工具，Eko 自動注冊適用于當前環境的工具，這使得開發者可以在多個環境中無縫地切換，并確保工具的正確加載。
層次化規劃（Hierachical planning）
研究人員提出層次化感知框架，將任務的拆解分為兩層，包括Planning layer 和 Execution layer。其中Planning layer負責將用戶的需求（自然語言或代碼語言表示）和現有工具集拆解成一個有領域特定語言（Domain-specific language）表示的任務圖（Task graph）。
任務圖是一個有向無環圖，描述了子任務之間的依賴關系。該任務圖由LLM一次性合成。在Execution layer中，根據每個任務調用LLM來合成具體的執行行為和工具調用。
多步合并優化：當Eko檢測到兩次執行都是對LLM的調用時，會觸發框架的自動合并機制，將兩次調用的system prompt自動整合，合并成一次調用。從而加快推理速度。
視覺-交互要素聯合感知（Visual-Interactive Element Perception）
視覺-交互要素聯合感知框架（VIEP）是一種先進的瀏覽器自動化解決方案，通過將視覺識別與元素上下文信息相結合，顯著提升了在復雜網頁環境中自動化任務的準確性和效率。該技術的核心在于提取網頁中的交互元素和相關數據，優化了自動化過程，極大地提高了任務執行的成功率。
具體來說，首先VIEP通過識別網頁上的關鍵交互元素——如按鈕、輸入框、鏈接等——來聚焦用戶可能進行操作的核心區域。
接著，每個可交互的元素都被分配唯一的標識符，并通過彩色框標記，確保精確定位。隨后，系統通過結合截圖和偽HTML的方式構建元素信息，利用文本和視覺數據的結合，幫助自動化模型更好地識別和操作這些元素，尤其在復雜網頁結構中尤為重要。
與傳統瀏覽器自動化方法不同，通過提取并簡化網頁中與交互相關的元素，生成一個小巧高效的偽 HTML 結構，避免了直接處理龐大的 HTML 內容所帶來的資源消耗和處理難度。
Google 首頁的原始HTML長達22萬多字符，但VIEP技術，HTML內容可以精簡至僅1,058個字符，大幅提升了自動化操作的處理速度和精準度。這一技術的優勢不僅體現在降低成本和提高準確性上，還在于性能優化和跨環境適應性。
生產級的可干預機制
在構建AI驅動的自動化系統時，開發者常常需要監控任務的執行情況，隨時調整行為，或在必要時進行干預。
雖然“鉤子”是軟件開發中的常見概念，但在Eko中，它們承擔了獨特的角色——在AI自動化和人工監督之間架起了一座橋梁。簡單來說，你可以在 Workflow 執行前后插入自己的邏輯，比如驗證輸入、處理結果、甚至重試失敗的任務。代碼如下：
// Javascript
await eko.execute(workflow, {
hooks: {
beforeToolUse: async (tool, context, input) => {
console.log(`準備執行工具：${tool.name}，輸入參數：`, input);
return input;
},
afterToolUse: async (tool, context, result) => {
console.log(`工具執行完成：${tool.name}，輸出結果：`, result);
return result;
}
}
});Eko提供三種不同層級的鉤子，每個層級都具有獨特的作用：
- 工作流鉤子（Workflow Hooks）這些鉤子位于工作流的最上層，用于整體控制和監控自動化流程的啟動和結束。例如，你可以在工作流開始之前進行資源初始化，或在工作流結束后進行清理和處理最終結果。
- 子任務鉤子（Subtask Hooks）這些鉤子位于工作流的中間層，允許你在每個子任務開始前和結束后進行監控和處理。例如，你可以在每個子任務前記錄日志，或在任務完成后對中間結果進行處理。
- 工具鉤子（Tool Hooks）這是最細粒度的鉤子，允許你在每個工具執行前后進行驗證和修改。例如，你可以在工具執行前驗證輸入參數，或在工具執行后處理返回結果。
鉤子可以幫助開發者實時優化工作流，提高自動化系統的精度和效率。例如，在執行某些任務時，開發者可以通過鉤子對輸入數據進行驗證，防止錯誤信息傳入系統；或在任務完成后，處理和轉化結果，以便更好地利用輸出。鉤子還能幫助開發者收集執行數據，進行性能分析，識別瓶頸并優化自動化流程。
除了常規的監控和調試功能，Eko的鉤子系統還支持更創新的使用場景。例如，在一些關鍵任務執行時，鉤子可以暫停工作流并等待人工審批；在AI決策出現問題時，開發者可以通過鉤子進行人工干預或覆蓋AI的判斷，確保業務流程的順暢。
展望
無論你是AI開發者還是自動化使用者，Eko為你提供了更靈活、高效的工具，幫助你將虛擬員工部署到實際生產環境中，提升工作效率和質量。立即關注 Eko，讓 AI 自動化為你的生產力加速！
作者介紹
陸逸文，清華大學博士生，研究興趣為具身智能平臺和智能體。
羅卓偉，FellouAI 首席工程專家，目前從事人工智能相關領域工作。
馬驍騰，清華大學自動化系博士后，博士畢業于清華大學。主要研究興趣為強化學習和智能體。
陳家棋，復旦大學碩士生，斯坦福大學訪問學生學者。主要研究領域為計算機視覺和智能體。
