- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
目前市面上大部分开源的手机AI自动化方案需要连电脑。
流程是这样的：手机用数据线连PC → PC上跑Python脚本 → 通过ADB远程截屏 → 大模型分析后再通过ADB发送点击指令给手机。
也就是说，你的手机只是个"提线木偶"，真正的大脑在电脑上。
我觉得这不够优雅。
所以我花了一点时间，把整套Agent架构完整搬到了Android端，做成了一个独立App：
MobileAgent-Android
装上就能用。不需要电脑，不需要数据线，不需要ADB，不需要root。
打开App → 输入一句话 → AI自动截屏、看图、规划、点击、滑动、打字 → 任务完成。
整个过程手机自己搞定。
核心架构：
- 截屏识别UI元素
- Manager 拆解任务计划
- Executor 选择下一步操作
- Reflector 对比前后截图判断是否成功
- Notetaker 记录关键信息
支持 GPT-4o / Claude / 豆包 / 通义千问等主流视觉大模型。
完全开源，MIT协议。
灵感来自阿里通义实验室的 Mobile-Agent论文，向原作者致敬。但原版需要PC+ADB，我把它重写成了手机端原生Ap
项目地址在这里
github.com
GitHub - GiggleWang/MobileAgent-Android: An Android-native autonomous agent that uses...
An Android-native autonomous agent that uses vision-language models to see and operate your phone — no PC or ADB required. Inspired by X-PLUG/MobileAgent.
求个 Star 支持一下！
3 个帖子 - 3 位参与者
来源: LinuxDo 最新话题查看原文