通过自然语言控制手机，让 AI 自己看屏幕、点按钮、完成任务，但现有的自动化工具要么需要写脚本，要么只能执行固定流程。
有一位开发者开源了 PhoneDriver 项目，基于 Qwen3-VL 视觉大模型，来看懂手机屏幕，并模拟人类操作。
只需简单描述任务，比如 “打开设置开启 WiFi”，模型就会自动分析界面元素，通过 ADB 指令执行点击、滑动或输入。
GitHub：http://github.com/OminousIndustries/PhoneDriver
提供了可视化网页界面，可以实时查看手机截图和执行日志。
并且支持自动检测屏幕分辨率，还能自定义模型参数、操作延迟、重试次数等。
部署主要依赖 Python 和 ADB 环境，需要显卡有足够显存运行 4B 或 8B 的视觉模型，同时手机得开启 USB 调试模式。
如果想体验 AI Agent 如何操控真机，或者有自动化测试需求，这个项目非常值得一试。
@https1024
有一位开发者开源了 PhoneDriver 项目，基于 Qwen3-VL 视觉大模型，来看懂手机屏幕，并模拟人类操作。
只需简单描述任务，比如 “打开设置开启 WiFi”，模型就会自动分析界面元素，通过 ADB 指令执行点击、滑动或输入。
GitHub：http://github.com/OminousIndustries/PhoneDriver
提供了可视化网页界面，可以实时查看手机截图和执行日志。
并且支持自动检测屏幕分辨率，还能自定义模型参数、操作延迟、重试次数等。
部署主要依赖 Python 和 ADB 环境，需要显卡有足够显存运行 4B 或 8B 的视觉模型，同时手机得开启 USB 调试模式。
如果想体验 AI Agent 如何操控真机，或者有自动化测试需求，这个项目非常值得一试。
@https1024