核心用法
android-agent 是一个基于 DroidRun 和 GPT-4o 视觉能力的 Android 手机自动化控制框架。用户只需将旧 Android 手机通过 USB 连接到运行 OpenClaw 的网关设备（Mac Mini、Raspberry Pi 或 PC），即可让 AI 助手直接操控手机完成各类任务。
技术架构：GPT-4o 视觉模型分析手机屏幕截图 → 决策点击/滑动/输入操作 → 通过 ADB 命令执行 → 持续循环直至任务完成。
两种部署模式：
- Direct Mode：手机直插网关设备，零网络依赖
- Node Mode：手机连接远程节点，网关通过网络控制，支持 WiFi ADB 或 SSH 隧道
使用流程：启用开发者选项和 USB 调试 → 安装依赖和 DroidRun Portal APK → 配置 OpenAI API 密钥 → 运行自然语言任务指令。
---
显著优点
1. 硬件复用价值高：将闲置旧手机转化为功能完整的 AI 执行终端，无需额外硬件投入
2. 自然语言驱动：用日常语言描述任务，如"叫 Uber 去机场""给妈发微信说晚点到家"
3. 真实设备执行：在真实 Android 系统上运行，可操作任何 App，不受模拟器限制
4. 覆盖场景广泛：出行、支付、社交、购物、日程管理、系统设置等均可自动化
5. 灵活网络拓扑：支持本地 USB 直连和远程 WiFi/节点模式，适应不同网络环境
6. 开源可扩展：基于 MIT 许可的 DroidRun 项目，可自定义和二次开发
---
潜在缺点与局限性
1. 依赖外部 AI 服务：核心决策依赖 GPT-4o，需要 OpenAI API 密钥，存在成本和可用性风险
2. ADB 权限门槛高：需要开启 USB 调试并安装 Portal APK，部分银行/金融类 App 会检测并拒绝运行
3. PIN 解锁兼容性差：不同设备的数字键盘坐标差异大，自动解锁功能可能失效
4. 视觉识别瓶颈：复杂 UI、动态加载内容、弹窗干扰可能导致 AI 决策失误
5. WiFi ADB 稳定性问题：网络模式在设备重启后需重新配置，且默认无加密
6. 隐私数据外流：屏幕截图持续上传至 LLM 提供商，敏感信息（银行界面、私人消息）存在泄露风险
---
适合人群
- 智能家居极客：希望将旧手机整合进 Home Assistant 或 OpenClaw 自动化工作流
- 自动化测试开发者：需要真实设备执行端到端 App 测试的工程师
- 多账号运营者：需自动化管理多个社交媒体/电商账号的用户
- 无障碍辅助需求者：肢体障碍用户通过语音指令操控手机
- AI 实验爱好者：探索 LLM 与物理世界交互边界的开发者和研究者
---
常规风险
| 风险类别 | 具体描述 | 缓解建议 |
|---------|---------|---------|
| 数据隐私 | 屏幕内容持续发送至 OpenAI，含敏感信息 | 避免操作银行/医疗类 App；考虑本地部署多模态模型替代 |
| 设备安全 | ADB 授予 shell 级权限，恶意指令可造成数据丢失 | 仅用可信设备；生产环境隔离网络；限制 ADB 网络暴露 |
| 账号封禁 | 自动化操作可能触发 App 反作弊机制 | 控制操作频率；避免高频点击和异常行为模式 |
| 网络中间人 | WiFi ADB 明文传输，节点模式存在被窃听风险 | 优先 USB 直连；远程场景强制 SSH 隧道 |
| 误操作损失 | AI 错误点击可能导致意外下单或资金操作 | 任务设计加入确认环节；金融操作人工复核 |