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!
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!
来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 办公效率, 编程, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/7vjQhD6tTeqvyc2YLk5zUA
摘要
** ** ## 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...
核心内容
**
**
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 Appsend_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！
本页由自动化脚本生成，待人工审核补充