大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



GitHub 地址：https://github.com/agents-io/PokeClaw

PokeClaw（原名 PocketClaw）是一个开源的 Android 自动化应用，它的目标不是让你“聊”AI，而是让 AI 真正“操控”你的手机。它基于 Gemma 4​ 模型，主打本地优先（Local-First）​ 的隐私保护理念，能将你的手机变成一台能自主执行任务的智能设备。

与依赖云端 API 的自动化工具不同，PokeClaw 的核心推理完全在设备端运行。它让 AI 具备了“看屏决策”的能力——读取屏幕内容，自主选择工具（点击、滑动、输入），并完成跨应用的复杂流程。对于追求数据隐私、需要离线自动化或想体验真正“手机智能体”的用户来说，这是目前极少数能跑通全流程的开源方案。

1. 本地优先的 AI 决策引擎

• On-Device 模型：内置 Gemma 4 模型，所有推理均在手机端完成，无需联网，不消耗 API 费用，数据绝对私有。
• 屏幕理解（OCR + UI）：AI 能读取当前屏幕的文本内容和 UI 结构，基于上下文决定下一步操作，而非死板的坐标点击。
• 工具调用（Tool Calling）：模型自主调用底层工具，如 tap（点击）、swipe（滑动）、type（输入）、open_app（打开应用）等，实现真正的自主交互。

2. 可复用的“技能”（Skills）系统

• 预制技能：项目内置了经过验证的自动化流程（Skills），如“WhatsApp 上下文自动回复”、“相册整理”等。
• 技能即流程：技能本质是由通用工具组合成的“配方”（Recipe）。例如“自动回复”技能 = open_app→ read_screen→ generate_reply→ send_message。
• 未来可扩展：开发者可编写文本格式的技能文件，教会 AI 新的复杂流程，无需修改 App 源码。

3. 混合模式与灵活架构

• 云端辅助（可选）：对于复杂任务，可切换至 Cloud 模式（支持 OpenAI/Anthropic 等），利用更强的大模型提升成功率，本地模式仍是默认首选。
• 移动智能体底座：作者将其定位为“移动智能体框架”（Mobile Agent Harness），而非简单的自动化脚本工具，旨在构建通用的手机 AI 控制层。

硬件与前置要求

• Android 设备：推荐 Pixel 8 Pro 或同等性能的旗舰机型。
• 内存要求：8GB RAM 为入门门槛，12GB+ 为流畅体验甜点区。Gemma 4 模型加载较吃内存。
• 系统权限：需开启无障碍服务（Accessibility Service）​ 和悬浮窗权限，这是 AI 操控屏幕的基础。

安装步骤

1. 获取 APK：从 GitHub Releases 页面下载最新版 PokeClaw.apk。
2. 安装与覆盖：若手机已存在旧版调试包，必须先卸载旧版，再安装新版（0.6.x 起为稳定签名版，不兼容旧数据）。
3. 权限配置：
   • 安装后打开 App，跟随引导开启“PokeClaw”的无障碍服务。
   • 授予必要的悬浮窗和通知读取权限。
4. 模型与模式：
   • 本地模式：无需任何配置，默认使用内置 Gemma 4，即装即用。
   • 云端模式：在设置中填入 OpenAI API Key 等（仅当需要更强推理时使用）。

基础交互：对话与任务

1. 启动服务：确保 PokeClaw 无障碍服务处于 ON状态。
2. 下达指令：在聊天框输入自然语言指令，如“帮我给妈妈发一条 WhatsApp，说我今晚回家吃饭”。
3. 观察执行：AI 会自行打开 WhatsApp，定位到指定联系人，输入文本并发送。整个过程无需你手动点击。

高级使用：技能与自动化

• 启用技能：在设置中开启如 whatsapp_auto_reply（WhatsApp 自动回复）技能。
• 配置触发条件：设置监听的联系人（如“妈妈”）。
• 全自动运行：当收到新消息时，AI 会自动读取聊天记录，生成上下文相关的回复并发送，全程无需人工干预。

性能与预期管理

• 速度感知：本地模式在 CPU 上较慢（复杂任务需 3-5 分钟），在带 NPU 的旗舰机上仅需数秒。这是本地隐私与速度的权衡。
• 任务边界：目前模型擅长基于屏幕信息的决策流（如“找到设置里的 Wi-Fi 并关闭”），对于极度复杂的多步逻辑，建议使用云端模式或拆解任务。

场景一：隐私安全的“智能秘书”（本地模式）

痛点：你希望手机能自动处理日常通知（如回复家人消息），但担心聊天记录上传至云端泄露隐私。

PokeClaw 方案：

1. 在手机端部署 PokeClaw，开启本地模式。
2. 设置“消息自动回复”技能，绑定至“家庭群”和“伴侣”。
3. 当你在会议中时，AI 自动读取微信/WhatsApp 消息，判断是否为紧急或需回复内容，并代你发送“正在开会，稍后回复”。
4. 价值：实现了 7×24 小时的智能响应，且所有对话数据从未离开你的手机。

场景二：无障碍辅助与老年关怀

痛点：长辈不熟悉智能手机操作，经常找不到功能或误触。

PokeClaw 方案：

1. 在长辈手机安装 PokeClaw，配置语音唤醒或简化界面。
2. 通过远程指导或预设指令，让 AI 协助操作。例如：“打开微信，找到儿子的头像，发起视频通话”或“把手机音量调到最大”。
3. AI 通过屏幕阅读逐步执行，解决了“不会用”的痛点。
4. 价值：将复杂的 GUI 操作转化为简单的语音指令，降低数字鸿沟。

场景三：开发者的“自动化测试助手”

痛点：App 开发者需要在不同机型上重复进行 UI 回归测试，人工操作耗时且易漏。

PokeClaw 方案：

1. 在测试机上部署 PokeClaw，切换至 Cloud 模式以获得更稳定的逻辑推理。
2. 编写技能文件，描述测试路径：“打开 App → 点击登录 → 输入测试账号 → 验证首页元素”。
3. 让 AI 自动遍历核心流程，并记录屏幕异常。
4. 价值：将 UI 测试从“手动点按”升级为“语义化验证”，大幅提升回归效率。

PokeClaw 是开源移动 AI 智能体领域的一次重要实践。它证明了在终端设备上运行具备“工具使用能力”的模型是可行的。对于普通用户，它是实现隐私安全自动化的利器；对于开发者，它是研究On-Device AI Agent的绝佳样板。

⚠️ 注意事项：该项目仍处于快速迭代期，部分复杂任务成功率依赖模型性能。请务必在授权范围内使用自动化功能，遵守平台规则。

GitHub 地址：https://github.com/agents-io/PokeClaw