astron-rpa

GitHub
7.4k 812 中等 1 次阅读 今天Apache-2.0语言模型Agent开发框架图像
AI 解读 由 AI 自动生成,仅供参考

AstronRPA 是一款面向个人与企业的企业级开源机器人流程自动化(RPA)桌面应用。它通过可视化设计器支持低代码甚至无代码开发,让用户能快速构建工作流,自动操作各类桌面软件和网页,从而将重复、繁琐的日常办公任务交给“数字员工”处理,显著提升工作效率并降低人为错误。

无论是需要批量处理报表的财务人员、希望整合多系统数据的运营专员,还是寻求构建自动化生态的技术团队,都能从中受益。业务人员可通过直观的拖拽方式轻松上手,而开发者则能利用其高度组件化的架构进行深度定制与扩展。

AstronRPA 的独特亮点在于其原生的"Agent 就绪”能力。它与 Astron Agent 平台深度集成,实现了自动化流程与智能体系统的双向调用:既能在智能体中直接执行 RPA 节点,也能在 RPA 流程中嵌入 AI 决策逻辑。这种融合打破了传统自动化仅能执行固定规则的局限,让系统具备更强的推理与适应能力。此外,它还提供了超过 300 个预建组件,全面覆盖主流办公软件、ERP 系统及浏览器,并内置了完善的企业级权限管理与协作机制,是构建现代化智能自动化体系的得力助手。

使用场景

某中型制造企业的财务专员每周需花费半天时间,手动从金蝶 ERP 系统导出销售报表,整理后录入 Excel 并发送邮件给各部门经理。

没有 astron-rpa 时

  • 重复劳动耗时严重:员工需机械性地重复点击、复制、粘贴操作,每周耗费数小时在处理低价值数据搬运上。
  • 人工操作易出错:面对大量数据,手动录入难免出现数字抄写错误或遗漏行,导致后续财务分析偏差。
  • 跨系统协作困难:金蝶 ERP 与 Office 软件之间缺乏自动接口,数据流转依赖人工中转,无法实现端到端自动化。
  • 响应业务需求慢:一旦报表格式调整或增加新的接收人,重新培训员工适应新流程需要额外时间成本。

使用 astron-rpa 后

  • 全流程自动执行:通过可视化拖拽构建工作流,astron-rpa 可自动登录金蝶系统抓取数据、清洗并填入 Excel,全程无需人工干预。
  • 数据准确率提升至 100%:机器严格执行预设逻辑,彻底消除了人为抄写错误,确保财务数据的严谨性。
  • 无缝打通异构系统:利用其内置的 300+ 原子能力,astron-rpa 轻松连接金蝶、WPS 及邮件客户端,实现跨应用的数据闭环。
  • 敏捷应对业务变更:当报表规则变化时,业务人员仅需在低代码界面微调流程节点,几分钟即可完成迭代上线。

astron-rpa 将财务人员从繁琐的“数据搬运工”角色中解放出来,使其能专注于高价值的财务分析与决策支持。

运行环境要求

操作系统
  • Windows
GPU

未说明

内存

>= 8 GiB

依赖
notes客户端主要支持 Windows 10/11;服务端推荐使用 Docker 部署。构建时需准备干净的 Python 3.13.x 环境(无第三方包),并安装 SWIG 用于连接 Python 与 C/C++。客户端安装后需修改配置文件中的服务器地址。
python3.13.x
Node.js >= 22
Java JDK 8+
pnpm >= 9
UV >= 0.8
7-Zip
SWIG
Docker (服务端部署)
astron-rpa hero image

快速开始

AstronRPA

AstronRPA Logo

🤖 开源企业级桌面RPA应用的先驱

Astron RPA 官网 · 部署指南 · 用户文档 · 常见问题解答

许可证 版本 Python GitHub Star数

English | 简体中文

📋 概述

AstronRPA 是一款企业级机器人流程自动化(RPA)桌面应用。通过可视化设计器,它支持低代码/无代码开发,使用户能够快速构建工作流并自动化桌面软件和网页操作。

Astron Agent 是本项目所支持的原生智能体平台。用户可以直接在 Astron Agent 中调用 RPA 工作流节点,也可以在 AstronRPA 中使用 Agent 工作流,从而实现自动化流程与智能体系统之间的高效协同,赋能更广泛的业务自动化场景。

🎯 为什么选择 AstronRPA?

  • 🛠️ 全面的自动化支持:全面覆盖 Windows 桌面应用程序和网页自动化。支持 WPS、Office 等常用办公软件,金蝶、用友等财务及 ERP 系统,以及 IE、Edge、Chrome 等多种浏览器,实现端到端的跨应用自动化。
  • 🧩 高度组件化:内置 300 多种原子能力,涵盖 UI 操作、数据处理和系统交互。支持可视化编排和自定义组件扩展,具有高度灵活性和可维护性。
  • 🏭 企业级安全与协作:内置卓越中心和团队市场,并配备企业模块。提供终端监控、调度模式、机器人团队共享与协作功能。通过流程安全、权限控制和跨团队协作,构建完整的企业自动化管理生态。
  • 👨‍💻 开发者友好体验:低代码、可视化的流程设计与调试环境。通过直观的拖拽方式快速构建自动化流程,降低开发门槛,提升开发效率,使业务用户也能参与自动化创建。
  • 🤖 原生智能体赋能:与 Astron Agent 平台深度集成,支持自动化流程与 AI 智能体之间的双向调用,实现能力融合。达成任务推理、决策制定与自动化执行之间的无缝衔接,拓展自动化边界。
  • 🌐 多渠道触发集成:支持直接执行、定时任务、调度模式、API 调用和 MCP 服务。灵活的集成能力可快速响应第三方系统集成需求,轻松嵌入复杂业务场景。

🚀 快速开始

系统要求

  • 💻 客户端操作系统:Windows 10/11(主要支持)
  • 🧠 内存 >= 8 GiB

服务器:使用 Docker 部署

推荐快速部署方法:

# 克隆仓库
git clone https://github.com/iflytek/astron-rpa.git
cd astron-rpa

# 进入 docker 目录
cd docker

# 复制 .env 文件
cp .env.example .env

# 修改 .env 中的 casdoor 服务配置(8000 为默认端口)
CASDOOR_EXTERNAL_ENDPOINT="http://{YOUR_SERVER_IP}:8000"

# 🚀 启动所有服务
docker compose up -d

# 📊 检查服务状态
docker compose ps
  • 所有服务启动后,打开浏览器访问:http://{YOUR_SERVER_IP}:32742/api/rpa-auth/user/login-check(32742 为默认端口,若修改过配置则相应调整)。
  • 若显示 {"code":"900001","data":null,"message":"unauthorized"},则表示部署正确且连接正常。
  • 打开浏览器访问:http://{YOUR_SERVER_IP}:8000(8000 为默认端口,若修改过配置则相应调整)。
  • 若出现 Casdoor 登录页面,则说明 Casdoor 部署成功。
  • 如需生产环境部署及安全加固,请参考 部署指南

客户端:源码部署/二进制部署

环境依赖

工具 版本 说明
Node.js >= 22 JavaScript 运行时
Python 3.13.x RPA 引擎核心
Java JDK 8+ 后端运行时
pnpm >= 9 Node.js 包管理工具
UV 0.8+ Python 包管理工具
7-Zip - 创建部署压缩包
SWIG - 连接 Python 与 C/C++

具体安装说明及常见问题,请参阅 构建指南

直接下载(推荐)

下载最新 发布包

一键构建

  1. 准备 Python 环境

    # 准备一个 Python 3.13.x 的安装目录(可以是本地文件夹或系统安装路径)
    # 脚本会复制该目录以创建 python_core
    
  2. 运行构建脚本

    # 从项目根目录进行完整构建(引擎 + 前端 + 桌面应用)
    ./build.bat --python-exe "C:\Program Files\Python313\python.exe"
    
    # 或使用默认配置(若 Python 在默认路径下)
    ./build.bat
    
    # 等待完成
    # 控制台显示“Full Build Complete!”即构建成功。
    

    注意:请确保指定的 Python 解释器为纯净安装,不含额外的第三方包,以最小化包体积。

    构建过程包括:

    1. ✅ 检测/复制 Python 环境至 build/python_core
    2. ✅ 安装 RPA 引擎依赖
    3. ✅ 将 Python 核心压缩至 resources/python_core.7z
    4. ✅ 安装前端依赖
    5. ✅ 构建前端 Web 应用
    6. ✅ 构建桌面应用
  3. 📦 安装打包好的客户端

⚙️ 安装完成后,请在安装目录下的 resources/conf.yaml 中修改服务器地址:

```yaml
# 32742 为默认端口,若修改过配置则相应调整
remote_addr: http://YOUR_SERVER_ADDRESS:32742/
skip_engine_start: false
```

🏗️ 架构概览

该项目采用前后端分离的架构。前端使用 Vue 3 + TypeScript 构建,并结合 Electron 实现桌面应用;后端则分别采用 Java Spring Boot 和 Python FastAPI 搭建微服务,支持业务与 AI 能力。引擎层基于 Python,集成了20余种 RPA 组件,具备图像识别和 UI 自动化能力。整个系统通过 Docker 部署,具有高可观测性和可扩展性,专为复杂的 RPA 场景设计。

架构概览

📦 组件生态

核心组件包

  • astronverse.system: 系统操作、进程管理、截图
  • astronverse.browser: 浏览器自动化、网页操作
  • astronverse.gui: GUI 自动化、鼠标键盘操作
  • astronverse.excel: Excel 表格操作、数据处理
  • astronverse.vision: 计算机视觉、图像识别
  • astronverse.ai: AI 智能服务集成
  • astronverse.network: 网络请求、API 调用
  • astronverse.email: 邮件收发
  • astronverse.docx: Word 文档处理
  • astronverse.pdf: PDF 文档操作
  • astronverse.encrypt: 加密解密功能

执行框架

  • astronverse.actionlib: 原子操作定义与执行
  • astronverse.executor: 工作流执行引擎
  • astronverse.picker: 工作流元素选择引擎
  • astronverse.scheduler: 引擎调度器
  • astronverse.trigger: 引擎触发器

共享库

  • astronverse.baseline: RPA 框架核心
  • astronverse.websocketserver: WebSocket 通信
  • astronverse.websocketclient: WebSocket 通信
  • astronverse.locator: 元素定位技术

📚 文档

🤝 贡献

我们欢迎任何形式的贡献!请查看贡献指南

开发规范

  • ✅ 遵循现有代码风格
  • ✅ 添加必要的测试用例
  • ✅ 更新相关文档
  • ✅ 确保所有检查通过

贡献步骤

  1. 🍴 分支仓库
  2. 🌿 创建你的特性分支 (git checkout -b feature/AmazingFeature)
  3. 💾 提交你的更改 (git commit -m 'Add some AmazingFeature')
  4. 🚀 推送到分支 (git push origin feature/AmazingFeature)
  5. 📝 打开一个 Pull Request

🌟 星标历史

星标历史图

💖 赞助

📞 获取帮助

企业微信工作群

📄 许可证

本项目遵循开源许可证开放源代码。


由科大讯飞开发并维护

关注 星标 叉子 观看

AstronRPA - 让 RPA 开发简单而强大!

如果您觉得这个项目有帮助,请为我们点亮 ⭐ 星标吧!

版本历史

v1.1.62026/02/25
v1.1.52026/01/29
v1.1.2-nightly2025/12/01
v1.0.02025/10/17
v0.1.0-alpha2025/10/09

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架