不用联网、不用API密钥、不用花钱，完全跑在手机本地的AI工具!

来源：htmlDecode("GitHubStore")

原文链接：https://mp.weixin.qq.com/s/7vjQhD6tTeqvyc2YLk5zUA

**
**

项目简介

** PokeClaw ** ，也称为 ** PocketClaw ** ，是一个开源的 Android 应用，用于 AI 手机自动化。

它可以在设备端运行 Gemma 4，实现本地、私密的手机控制。同时也支持在需要更强推理能力完成复杂任务时，选用可选的云端模型。
当前公开版本是一个本地优先的原型，旨在将 Android 手机转变为 AI 操作的设备。
在 ** 本地模式 ** 下，模型执行完全在您的设备内部进行。 ** 无需账号，也无需 API Key，不用联网、不用API密钥、不用花钱 ** ，就能让Gemma 4大模型帮你操控手机——自动回消息、刷App、读屏幕，数据全程不出设备， ** 仅支持安卓（原作者应该是还没来得及实现其他平台，从技术上是没有平台要求的） **
其他人：手机 → 互联网 → 云 API → 互联网 → 手机
💳需要信用卡，需要 API Key。每月账单随之而来。

PokeClaw 本地模式：手机 → LLM → 手机
想本地就本地，需要时再用云端。

** AI 可以控制您的手机，以本地优先执行，并可选使用云端辅助。 **
当前公开版本已开源，并且已经在 Android 上处理真实的聊天、任务和自动化流程。
请看下面视频的演示：

** 模型会自主选择正确的工具、填充参数并执行。您无需针对每个 App 进行配置。它只需要读取屏幕并采取行动。 **

已验证的快速任务

以下是在设备端 QA 测试中已端到端运行完成的任务。

本地模式

总结通知解释剪贴板内容分析存储/应用并建议清理目标检查是否需要充电报告已安装应用报告手机温度报告蓝牙状态报告电池、存储和 Android 版本从界面直接运行快速任务卡片并在聊天中返回结果正确路由特定联系人的发送/拨号任务，并在联系人不存在时干净地失败

云端模式

发送 WhatsApp 消息并自动返回到 PokeClaw 对话在真实 YouTube App 中搜索查看 Twitter / X 上的热门内容并总结从 Play Store 安装或打开 Telegram 打开 Reddit 并搜索 pokeclaw 复制最新邮件主题并用 Google 搜索起草一封说明要迟到的邮件在跨 App 执行中保持任务状态和会话历史并返回

工作原理

PokeClaw 为小型设备端 LLM 提供了一组工具（点击、滑动、输入、打开 App、发送消息、启用自动回复等），让它自主决定要做什么。LLM 会看到当前屏幕的文本表示，选择一个动作，观察结果，再选择下一个动作，直到任务完成。
本地执行通过 LiteRT-LM 运行，并支持原生工具调用。在本地模式下，模型完全在设备上运行。

工具

LLM 可以自主使用以下工具：工具功能描述 tap / swipe / long_press 触摸屏幕 input_text 在任意文本框中输入 open_app 启动任意已安装的 App send_message 完整消息流程：打开 App、找联系人、输入、发送 auto_reply 监控联系人并使用 LLM 自动回复 get_screen_info 读取当前 UI 树 take_screenshot 截取屏幕 finish 标记任务完成
这些工具是通用的——它们适用于任何 App、任何联系人、任何语言。LLM 会根据您的请求选择正确的工具并填充参数。

工具 + 技能

当给小型设备端模型提供强有力的“剧本”时，它们的表现会显著提升。因此，我们在通用工具之上为 PokeClaw 提供了可复用的技能。
自动回复功能就是一个很好的例子。它不是凭空实现的——背后有一个预定义的工作流：打开聊天 → 读取屏幕上所有可见消息 → 生成上下文相关的回复 → 发送 → 返回首页。模型会一步步按照这个流程执行。其中每一步使用的工具都是通用的。
我们将其称为 ** Skills（技能） ** —— 由通用工具组合而成的可复用工作流。我们正在积极设计一个受 Claude Code 技能架构启发的技能系统。理念是：任何人都可以写一个简单的文本文件来描述步骤，LLM 就会按照它执行。
技能可以实现的功能示例： ** 自动回复 ** ：监控通知 → 打开聊天 → 读取对话 → 生成回复 → 发送 ** 早间简报 ** ：打开天气 App → 读取温度 → 打开日历 → 读取今日事件 → 打开邮件 → 统计未读 → 汇总所有内容 ** 智能转发 ** ：捕获通知 → 打开消息 → 读取内容 → 转发给另一联系人并附上摘要 ** 自动预订 ** ：打开预订 App → 搜索时间段 → 填写信息 → 确认
每项技能都是相同通用工具（open_app、tap、type、read_screen、send_message 等）的特定组合。工具是积木，技能是配方。
两者都被设计为可扩展。我们目前正在内置前 8-10 个默认技能。如果系统运行良好，我们将开放给社区，让大家创建和分享自己的工具和技能。您比我们更了解自己的手机——您应该能够教会它新的技能。
随着设备端模型越来越聪明，越来越多的功能可以变成自由形式。目前，技能是我们让小型本地模型实现可靠自动化的方式，同时保持工具层面的通用性。

项目地址

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

扫码加入技术交流群，备注「 ** 开发语言-城市-昵称 ** 」
** 合作请注明 **

如果你觉得这篇文章不错，别忘了 ** 点赞、在看、转发 ** 给更多需要的小伙伴哦！我们下期再见！