推荐 4 个 yyds 的 AI 控制安卓手机的 GitHub 项目。

逛逛在 11 月发了一篇文章,盘点了 GitHub 上 AI 操纵手机的开源项目。

获得了 3 万多阅读,3000 多人转发收藏:

没想到那篇文章发布 5 天后,豆包就官宣推出了 AI 手机,紧接着智谱 AI 就开源了 AutoGLM 模型。

我又搜罗了几个 AI 操作手机的开源项目,再加上我之前发的那篇。整个 GitHub 上关于 AI 控制手机的项目算是被逛逛搜刮干净了。

欢迎收藏转发👏

01、智谱开源:Open-AutoGLM

这个开源项目太顶了,不到一周就 1.3 万的 Star 了。

基于这个开源框架,就能让 AI 可以像人眼一样看手机屏幕,然后像人手一样去点击。

你给它一个任务,比如:帮我总结下长春的景点,到高德地图上收藏一下这几个景点,特别是具体看看博物馆门票价格,再去12306上订一张上午十点从北京去长春的高铁票,把相关信息整理好给我。

AutoGLM 会先把手机屏幕截个图,模型会分析截图,通过视觉定位找到当前要点击哪个按钮或者做啥操作。

并通过 ADB(Android Debug Bridge)工具,直接向手机发送点击、滑动、输入文字的指令。

最终这样一步步模拟人看手机、操纵手机的行为,完成你给的任务。

arduino 复制代码
开源地址:https://github.com/zai-org/Open-AutoGLM

而且这个开源可以本地部署,而且如果你有显卡,大约需要 24GB+ 显存,你可以把这个 Agent 跑在本地。

隐私数据,比如聊天记录、支付画面啥的不上传到云端也能自动化的你的安卓手机了。

如何使用

你可以使用Claude Code,配置 GLM Coding Plan 后,输入以下提示词,快速部署本项目。

bash 复制代码
访问文档,为我安装 AutoGLM :https://raw.githubusercontent.com/zai-org/Open-AutoGLM/refs/heads/main/README.md

02、通过 MCP 控制手机:DroidMind

DroidMind 这个开源项目的的核心逻辑是不自己训练一个新模型,而是做一个 超级适配器。

它通过 MCP 协议,把你的 Android 手机 直接挂载到 Claude Desktop 、Cursor 或者 Claude Code 上。

你不需要运行一个沉重的本地模型。

你直接用最聪明的 Claude 或 Gemini,通过 DroidMind 这个翻译官,直接操控你的安卓手机。

arduino 复制代码
开源地址:https://github.com/hyperb1iss/DroidMind

03、微软开源:UFO

这个叫 UFO 的开源项目其实是微软开源的 AI 操作 Windows 系统的开源项目。

只不过 11 月推出的 UFO³ Galaxy 已经演变成了一个跨设备、跨平台的编排框架。

UFO³ Galaxy 涉及到操纵 Android 手机设备 的部分是这次更新的核心亮点之一。它也是通过引入 MCP 架构来实现的,这使得 UFO 不再局限于 Windows,而是能像指挥官一样控制安卓手机。
UFO³ Galaxy 是一个多设备编排系统。它的核心理念包含两个部分。

  • Galaxy (星系):整个控制中枢,负责分发任务。
  • Constellation (星座):它将一个复杂的用户指令,比如把手机上的刚拍的照片传到电脑并用 Photoshop 编辑,拆解成一个 DAG(有向无环图)。

Windows 电脑、Linux 服务器、Android 手机 等都作为独立的节点接入这个网络。

arduino 复制代码
开源地址:https://github.com/microsoft/UFO

04、字节开源:UI-TARS

字节跳动开源的一个基于视觉-语言模型(VLM)的 GUI 智能体(Agent)项目。

它的核心目标是让 AI 像人类一样,通过视觉识别屏幕和操作鼠标/键盘/触控,直接控制手机、计算机或网页。

安卓手机设备操纵, UI-TARS 采用了一种端到端、纯视觉驱动、基于 ADB 的控制方案。

也是截取手机屏幕画面,把截图输入给视觉模型,模型结合用户的指令分析屏幕上的元素,决定下一步做什么。

最后模型输出具体的动作指令,转化为底层的 Android ADB 命令发送给手机执行。

arduino 复制代码
开源地址:https://github.com/bytedance/UI-TARS

另外之前发布的另外一个盘点 AI 控制手机开源项目的链接如下,感兴趣的可以去看看:

5 个 AI 操纵手机的 GitHub 项目,牛逼了。

相关推荐
杨凯凡5 小时前
IT日报|2026-11-20:欧盟 AI 网络攻击、Valkey 9.2、GitHub 企业迁移
人工智能·github
TunerT_TQ6 小时前
Terraform OCI Provider 2026:工具链的骨架清晰可见,CRUD 的肌肉必须由你亲自验证
github
prince_zxill6 小时前
把 17 个散文件装进一个文件夹:拆解 claude-plugins-official 的插件打包术(47,413 Star 实测)
python·github·agent·mcp·claude code
wflynn6 小时前
GitHub 日榜趋势速报 | 2026-11-20
开源·github
TunerT_TQ8 小时前
【开源评测】google-labs-code/stitch-skills:从设计交接到可检查的组件产物
github
一条Go10 小时前
探测规则:为什么它是告警规则的一种,而不是独立的任务体系
后端·架构·github
一条Go10 小时前
开源新生代雷达 · 第 17 期
github
怕浪猫10 小时前
2026 GitHub 最火的 10 个视频制作与剪辑开源项目:AI 出片、代码生视频、无损剪辑怎么选(附实测截图)
github
dong_junshuai1 天前
每天一个开源项目#162 NGINX:流式响应背后的缓冲、背压与重试
github
测试员周周1 天前
【agent评测】:真实系统演示工具调用长什么样,用例怎么设计,怎么测
前端·后端·github