Eko 是一个强大的 Agent 开发框架，开发者能用自然语言和简单代码快速构建「虚拟员工」，完成从简单指令到复杂工作流的任务，如股票分析、自动化测试等；通过混合智能体表示、跨平台架构和生产级干预机制等创新技术，实现高效、灵活且安全的自动化工作流程。
OpenAI 的首席执行官 Sam Altman 最近宣布，2025 年将推出「虚拟员工计划」，代号 Operator，AI 智能体能够自主执行任务，如写代码、预订旅行等，成为企业中的「数字同事」。
抢在 OpenAI 发布 Operator 之前，清华、复旦和斯坦福的研究者联合提出了名为 Eko 的 Agent 开发框架，开发者可以通过简洁的代码和自然语言，快速构建可用于生产的「虚拟员工」。AI 智能体能够接管用户的电脑和浏览器，代替人类完成各种任务，为工作流程提供自动化支持。
核心技术创新有三点：
混合智能体表示：提出了 Mixed Agentic representation，通过无缝结合表达高层次设计的自然语言（Natural Language）与开发者低层次实现的程序语言（Programming Language）。
跨平台 Agent 框架：提出环境感知架构，实现同一套框架和编程语言，同时支持浏览器使用、电脑使用、作为浏览器插件使用。
生产级干预机制：现有 Agent 框架普遍强调自治性（Autonomous），即无需人类干预，而 Eko 框架提供了显性的生产级干预机制，确保智能体工作流可以随时被中断和调整，从而保障人类对生产级智能体工作流的有效监管和治理。
Homepage: https://eko.fellou.ai
Github link：https://github.com/FellouAI/eko
Docs：https://eko.fellou.ai/docs
Eko：革新生产级智能体开发的框架
用实际的例子来感受一下这个 Agent 框架的开发难度：只需要一句话，就可以让 Eko 生成一个全 Agent 帮你做股票分析。这不就是妥妥的生产力工具吗！真是解放双手！
在雅虎财经上收集纳斯达克的最新数据，包括主要股票的价格变化、市值、交易量，分析数据并生成可视化报告。
当前登录页面自动化测试：
1. 正确的账户和密码是：admin / 666666
2. 请随机组合用户名和密码进行测试，以验证登录验证是否正常工作，例如：用户名不能为空、密码不能为空、用户名不正确、密码不正确
3. 最后，尝试使用正确的账户和密码登录，验证登录是否成功
4. 生成测试报告并导出
清理当前目录下大于 1MB 的所有文件
环境感知架构（Environment-Aware Architecture）
主要场景
i）浏览器使用：主要专注于通过图形用户界面（GUI）来操作网页和浏览器中的元素，常见的实现方式包括截图和网页提取技术。
ii）电脑使用：与浏览器不同，Node.js 自动化则主要面向命令行界面（CLI）操作和文件系统管理，未来还会引入 GUI 感知能力。
架构介绍
Eko 的跨平台开发是通过其环境感知架构（Environment-Aware Architecture）实现的，架构由三个关键层次构成：通用核心（Universal Core）、环境特定工具（Environment-Specific Tools）和环境桥接（Environment Bridge）。
通用核心：这一层提供了与环境无关的基本功能，如工作流管理、工具注册管理、LLM（大语言模型）集成和钩子系统。
环境特定工具：每种环境（如浏览器扩展、Web 环境、Node.js 环境）都提供了优化的工具集。
环境桥接：这一层负责环境的检测、工具注册、资源管理和安全控制，确保不同平台之间能够顺利互动和通信。
安全性和访问控制：Eko 针对不同环境实施了适当的安全措施。浏览器扩展和 Web 环境都采用了严格的权限控制和 API 密钥管理，而 Node.js 环境则允许更广泛的系统级访问，基于用户权限进行文件操作和命令执行，在需要时会在执行前请求用户确认。
自动工具注册：通过 loadTools () 等工具，Eko 自动注册适用于当前环境的工具，这使得开发者可以在多个环境中无缝地切换，并确保工具的正确加载。
层次化规划（Hierachical planning）
研究人员提出层次化感知框架，将任务的拆解分为两层，包括 Planning layer 和 Execution layer。其中 Planning layer 负责将用户的需求（自然语言或代码语言表示）和现有工具集拆解成一个有领域特定语言（Domain-specific language）表示的任务图（Task graph）。
任务图是一个有向无环图，描述了子任务之间的依赖关系。该任务图由 LLM 一次性合成。在 Execution layer 中，根据每个任务调用 LLM 来合成具体的执行行为和工具调用。
多步合并优化：当 Eko 检测到两次执行都是对 LLM 的调用时，会触发框架的自动合并机制，将两次调用的 system prompt 自动整合，合并成一次调用。从而加快推理速度。
视觉-交互要素联合感知（Visual-Interactive Element Perception）
视觉-交互要素联合感知框架（VIEP）是一种先进的浏览器自动化解决方案，通过将视觉识别与元素上下文信息相结合，显著提升了在复杂网页环境中自动化任务的准确性和效率。该技术的核心在于提取网页中的交互元素和相关数据，优化了自动化过程，极大地提高了任务执行的成功率。
具体来说，首先 VIEP 通过识别网页上的关键交互元素 —— 如按钮、输入框、链接等 —— 来聚焦用户可能进行操作的核心区域。
接着，每个可交互的元素都被分配唯一的标识符，并通过彩色框标记，确保精确定位。随后，系统通过结合截图和伪 HTML 的方式构建元素信息，利用文本和视觉数据的结合，帮助自动化模型更好地识别和操作这些元素，尤其在复杂网页结构中尤为重要。
与传统浏览器自动化方法不同，通过提取并简化网页中与交互相关的元素，生成一个小巧高效的伪 HTML 结构，避免了直接处理庞大的 HTML 内容所带来的资源消耗和处理难度。
Google 首页的原始 HTML 长达 22 万多字符，但 VIEP 技术，HTML 内容可以精简至仅 1,058 个字符，大幅提升了自动化操作的处理速度和精准度。这一技术的优势不仅体现在降低成本和提高准确性上，还在于性能优化和跨环境适应性。
生产级的可干预机制
在构建 AI 驱动的自动化系统时，开发者常常需要监控任务的执行情况，随时调整行为，或在必要时进行干预。
虽然“钩子”是软件开发中的常见概念，但在 Eko 中，它们承担了独特的角色 —— 在 AI 自动化和人工监督之间架起了一座桥梁。简单来说，你可以在 Workflow 执行前后插入自己的逻辑，比如验证输入、处理结果、甚至重试失败的任务。代码如下：
// Javascriptawait eko.executeworkflow { hooks { beforeToolUse async (tool context input = { console.log`准备执行工具：${tool.name}，输入参数：` input return input afterToolUse async (tool context result = { console.log`工具执行完成：${tool.name}，输出结果：` result return result }Eko 提供三种不同层级的钩子，每个层级都具有独特的作用：
工作流钩子（Workflow Hooks）这些钩子位于工作流的最上层，用于整体控制和监控自动化流程的启动和结束。例如，你可以在工作流开始之前进行资源初始化，或在工作流结束后进行清理和处理最终结果。
子任务钩子（Subtask Hooks）这些钩子位于工作流的中间层，允许你在每个子任务开始前和结束后进行监控和处理。例如，你可以在每个子任务前记录日志，或在任务完成后对中间结果进行处理。
工具钩子（Tool Hooks）这是最细粒度的钩子，允许你在每个工具执行前后进行验证和修改。例如，你可以在工具执行前验证输入参数，或在工具执行后处理返回结果。
钩子可以帮助开发者实时优化工作流，提高自动化系统的精度和效率。例如，在执行某些任务时，开发者可以通过钩子对输入数据进行验证，防止错误信息传入系统；或在任务完成后，处理和转化结果，以便更好地利用输出。钩子还能帮助开发者收集执行数据，进行性能分析，识别瓶颈并优化自动化流程。
除了常规的监控和调试功能，Eko 的钩子系统还支持更创新的使用场景。例如，在一些关键任务执行时，钩子可以暂停工作流并等待人工审批；在 AI 决策出现问题时，开发者可以通过钩子进行人工干预或覆盖 AI 的判断，确保业务流程的顺畅。
展望
无论你是 AI 开发者还是自动化使用者，Eko 为你提供了更灵活、高效的工具，帮助你将虚拟员工部署到实际生产环境中，提升工作效率和质量。立即关注 Eko，让 AI 自动化为你的生产力加速！
作者介绍
陆逸文，清华大学博士生，研究兴趣为具身智能平台和智能体。
罗卓伟，FellouAI 首席工程专家，目前从事人工智能相关领域工作。
马骁腾，清华大学自动化系博士后，博士毕业于清华大学。主要研究兴趣为强化学习和智能体。
陈家棋，复旦大学硕士生，斯坦福大学访问学生学者。主要研究领域为计算机视觉和智能体。
参考资料：
https://github.com/FellouAI/eko
本文来自微信公众号：新智元（ID：AI_era）
