港大开源 PhoneGo,一句话驱动安卓跨 App 执行多步任务,操作步骤省 47%
据 AIGCLINK 2026 年 11 月 19 日的介绍,PhoneGo 是香港大学开发的开源 Android 应用,用一条自然语言指令即可驱动手机完成跨 App 的多步任务,例如先在小红书搜酒店、再去携程查价格。它的核心思路是 CLI+GUI 混合执行:先离线探索 App、把页面和导航路径编译成可执行命令,熟悉界面直接走命令,只有遇到未知界面才调用视觉模型;按文中转述的官方数据,比纯视觉 Agent 少 47% 操作步骤、少 56% 执行耗时、少 55% Token 消耗(该数字未经独立验证)。需要提醒的是,本条目目前仅有一篇自媒体博客作为信源,没有可核验的 GitHub 星数、社区讨论量或权威报道,热度证据不足,建议先「留意」而非立刻投入复刻。
rss · BestBlogs 精选 · 11月19日 23:18
「为什么值得现在关注」 它踩中的痛点很明确:纯视觉手机 Agent 每一步都要截图让模型「猜」怎么点,慢、贵且不稳定,而 PhoneGo 通过无障碍服务配合预编译导航命令处理熟悉界面、视觉模型只做兜底,主打省时省 Token。差异点在于「先把 App 摸熟再执行」的导航图思路,与主流截图驱动的 Agent 路线形成对照。但目前的热度只来自单一自媒体推荐,尚未获得社区验证,属于值得跟踪的新项目,还不能算「已爆火」。
「上手与复刻路径」 按文章说法,上手门槛很低:项目提供可直接安装的 APK,配置一个模型 API Key 即可使用,设备要求 Android 14+ 和 ARM64 架构,通过系统无障碍服务在后台执行操作,基本不干扰正常使用。本文未给出具体开源仓库地址,动手前建议先在 GitHub 搜索「PhoneGo」核实仓库真实性与星数增长。今晚可以做的第一件事:找一台 Android 14+ 的 ARM64 真机(或模拟器)装上 APK、填入 API Key,复现文中的跨 App 示例任务——先在小红书搜酒店、再去携程查价格——亲自验证其宣称的效率优势;复刻时可参考的架构线索:离线探索构建 App Navigation Map、把导航路径编译成可执行命令、视觉模型仅在未知界面兜底。
做AI项目,先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →