手机版openclawd来了，无需Root，让 AI 像人类一样使用你的手机

手机AI助手Andclaw来了！无需Root和电脑，动动嘴就能让AI帮你操作手机，真正解放双手。

核心内容：
1. Andclaw的核心功能：AI驱动+自然语言交互
2. 四大技术亮点：无需Root/独立运行/屏幕感知/拟人操作
3. 典型应用场景：视频搜索播放等自动化任务

之前分享过不少手机自动化工具，最近又挖到一个有点意思的——

。

一句话说清楚：它能让AI像人一样操作你的手机，做完任务还知道停下来。

不用Root，不用连电脑，手机上装个App就能用。

项目简介

是一个由个人开发者开源的Android自动化工具，核心理念简单直接——“让AI像人类一样使用你的手机”。

它完全在设备上运行，既不需要Root权限，也无需连接电脑。底层通过无障碍服务（Accessibility Service）读取屏幕内容，然后交由AI分析界面、决定操作步骤并自动执行。整个过程几乎是“端到端”的，用户只需要给出指令就行。

—— 完全在设备上运行，无需 Root，无需电脑。

能做什么？

举几个官方文档里的例子：

• “打开bilibili，搜索AI学习相关的视频，并播放” → AI会自动识别B站图标 → 点击 → 进入搜索页 → 输入“AI学习” → 点击搜索 → 选择视频 → 播放

动静之间，你要做的就是动动嘴，或者打打字，剩下的事AI就帮你办了。

跟其他工具对比

方案	需要Root	需要电脑	独立运行	AI驱动
Andclaw	❌	❌	✅	✅
Auto.js	❌	❌	✅	❌
ADB+Python	❌	❌	❌	可选
Frida+脚本	❌	❌	❌	❌
Appium	❌	❌	❌	可选
UI Automator	❌	❌	❌	❌

Andclaw的核心优势十分清晰：完全在设备上运行 + 大模型决策 + 自然语言交互。从现有工具来看，这种“端上AI独立决策”的能力，暂时还不太常见。

主要功能

1. 无需Root

纯无障碍服务（Accessibility Service）实现，不需要任何系统级权限。换句话说，你不用再折腾什么Magisk、KernelSU那一套。

2. 独立运行

任务执行全过程都在手机上独立完成，无需ADB或PC端配合。哪怕你躺在沙发上玩手机，也能随时指挥它干活。

3. AI驱动

支持Kimi（月之暗面，国内可直接访问）和任意兼容OpenAI的API。AI会自动分析当前屏幕内容，并据此决策下一步该做什么。

4. 屏幕感知

• 实时读取UI层次结构（通过无障碍服务）
• 浏览器/WebView场景下自动截图，辅助视觉分析

这一点相当实用——因为有些App的界面无障碍服务读不出来，AI就会自动截图，用“看”的方式来弥补信息缺失。

5. 拟人操作

官方文档里列出的操作类型包括：

• click - 点击屏幕坐标(x,y)
• swipe - 滑动（滚动、翻页），支持自定义时长
• long_press - 长按，支持自定义时长
• text_input - 向输入框注入文本（先尝试SET_TEXT，失败则用剪贴板粘贴）
• intent - 启动应用、打开网页、拨号、发信息、设闹钟等系统Intent
• global_action - 系统级操作：返回、Home、最近任务、通知栏、快捷设置
• screenshot - 截图，保存到 Pictures/Andclaw/
• download - 通过DownloadManager直接下载文件（不用先打开浏览器）
• wait - 等待页面加载，最长10秒
• camera - 拍照、开始录像、停止录像
• screen_record - 录屏，保存到 Movies/Andclaw/
• volume - 音量控制：设置、调高/调低、静音/取消静音、查询当前音量
• dpm - Device Owner模式专用：应用管理、设备控制等
• finish - 任务完成，停止Agent

其中值得特别注意的是

功能：如果同一个操作连续重复了5次，AI会截图并利用视觉信息重试，最多3轮，15次后若仍无进展则自动停下。不会出现那种死命点击同一处几十次的情况。

6. Telegram远程控制

人在外面也能遥控手机。通过Telegram Bot远程下发指令，截图、拍照、录像完成后，会自动回传到Telegram。

常用操作：

• 直接发送文字 → 作为指令下发给Agent执行
• /status → 查询Agent状态（运行中/空闲、当前任务、Chat ID）
• /stop → 停止当前正在执行的任务

7. 企业级管控（可选）

如果你愿意折腾，启用

模式可以实现更强管控。但需要注意：由于Android的安全限制，设备必须先才能启用这种模式。

如果不启用，AI操作手机的权限会大幅受限。

启用后的能力：

• 应用管理
  ：静默安装/卸载应用、隐藏/显示/挂起应用、阻止卸载、自动授予权限、查询已安装应用列表

• 设备控制
  ：远程锁屏、重启、恢复出厂设置、禁用摄像头/状态栏/锁屏、USB数据传输控制、定位开关

• Kiosk模式
  ：单应用锁定（Lock Task）、替换默认桌面、禁止安全模式/恢复出厂

详细能力清单可以参考GitHub上的 ACTIONS.md。

AI是怎么干活的？

下面这张流程图能说清楚整个闭环逻辑：

用户指令
    ↓
[1.5s] → 捕获屏幕 UI 树（无障碍服务）
    ↓
浏览器/WebView？──是──→ 自动截图（视觉分析辅助）
    ↓
发送给 LLM（系统提示 + 最近 12 条历史 + 屏幕数据 [+ 截图]）
    ↓
AI 返回 JSON 操作决策
    ↓
解析失败？──是──→ 纠正提示重试（1 次）
    ↓
执行操作（点击/滑动/输入/Intent/DPM/拍照/录屏/...）
    ↓
[2.5s] → 重新捕获屏幕  ←──────────────┐
    ↓                                    │
循环检测（同一操作连续 5 次？）              │
    ↓是→ 截图 + 视觉重试（最多 3 轮，15 次后停止）
    ↓否
任务完成？──否→ 继续循环
    ↓
是 → 结束

简单来说就是：AI看屏幕 → 思考下一步 → 执行操作 → 观察效果 → 继续或停下。整个过程形成一个闭环，完全不需要你一直盯着屏幕。

支持的AI模型

官方文档里列出了两种接入方式：

提供商	API格式	配置示例
Kimi	Anthropic Messages	Base URL: https://www.kimi.com/code/console，Model: kimi-k2.5
OpenAI兼容	OpenAI Chat Completions	Base URL: https://api.openai.com/v1，Model: gpt-4o

两者都支持多模态输入（文本 + 截图base64），可以携带图片进行分析。

环境要求

• Android 12 (API 31) 或更高版本
• 需要手动在系统设置里启用无障碍服务
• 需要悬浮窗权限（显示紧急停止按钮）
• 需要自己准备API Key（Kimi或OpenAI兼容）

安装方式

：用Chrome浏览器访问 andclaw.app/#/install，按提示操作即可。

：

1. git clone https://github.com/andforce/Andclaw.git
2. 创建 local.properties，配置 kimi_key 和 tg_token（可选）
3. ./gradlew :app:installDebug
4. 打开App，按提示开启无障碍服务和悬浮窗权限
5. 可选：通过ADB激活Device Owner（adb shell dpm set-device-owner com.andforce.andclaw/.DeviceAdminReceiver）

其他一些信息

• 许可证
  ：MIT（开源）

• 技术栈
  ：Ja va 89.4%、Kotlin 7.8%、TypeScript 2.2%

• 致谢
  ：TestDPC（Device Owner功能参考）、Kimi API