核心用法
ADB Claw 是一款专为 AI Agent 设计的 Android 设备控制 CLI 工具，将复杂的 adb 命令封装为结构化 JSON 接口。核心工作流遵循「观察→决策→执行→验证」循环：
- `observe` — 同时获取截图与带索引的 UI 元素树，为后续操作提供精确目标
- `tap/swipe/scroll/type` — 支持索引、资源 ID、文本、坐标四种定位方式，优先推荐索引定位以保证跨设备一致性
- `open` — 通过深度链接绕过 ADB 中文输入限制，对 CJK 应用自动化至关重要
- `wait` — 阻塞等待 UI 状态变化，替代脆弱的轮询逻辑
- `monitor` — 直连 Android 无障碍框架，实时读取视频播放期间的 UI 文本（如直播弹幕）
- `audio capture` — Android 11+ 系统音频捕获，输出 WAV 流供 ASR 工具处理
App Profiles 机制
预置应用知识库（深度链接、布局模式、设备适配），当前支持抖音、美团等，通过 skills/apps/ 目录扩展。
显著优点
| 维度 | 亮点 |
|------|------|
| **Agent 原生设计** | 全命令 JSON 输出，含 `ok/data/error/suggestion` 字段，LLM 可直接解析 |
| **感知能力** | `monitor` + `audio capture` 组合实现视听双通道数据采集，竞品工具（如 Appium、UI Automator）在视频场景下失效 |
| **CJK 兼容** | 深度链接方案彻底解决中文输入难题，无需键盘模拟或 OCR 回退 |
| **零持久化** | 仅 `monitor`/`audio` 推送临时 7KB DEX，执行后自动清理 |
| **跨平台** | 支持 macOS（Intel/Apple Silicon）与 Linux（x86_64/ARM64） |
局限性与风险
| 类别 | 说明 |
|------|------|
| **系统限制** | 音频捕获需 Android 11+，部分 OEM 定制 ROM 可能禁用 REMOTE_SUBMIX；无障碍服务需手动授权 |
| **安全边界** | 可截图、录音、控制任意应用，需确保物理设备可信；USB 调试开启期间设备暴露于主机攻击面 |
| **自动化边界** | 无密码解锁、无法处理复杂手势验证码；依赖 UI 稳定性，动态布局可能导致索引漂移 |
| **功能盲区** | `type` 仅支持 ASCII，CJK 必须走深度链接；部分 WebView 内容无法通过无障碍服务读取 |
适合人群
- AI Agent 开发者 — 构建需要真实设备交互的自动化工作流
- 移动端 QA/测试工程师 — 替代繁琐的手动回归测试
- 直播/电商数据运营 — 采集抖音等平台的实时商品与弹幕数据
- 无障碍辅助工具开发者 — 基于
monitor构建实时屏幕阅读扩展
常规风险
- 隐私泄露：截图与音频捕获可能记录敏感信息，需在受控环境使用
- 误操作风险：自动化点击可能触发购买、删除等不可逆操作，建议测试模式验证脚本
- 设备稳定性：高频 ADB 操作偶发导致服务崩溃，需实现指数退避重试
- 合规注意：抓取第三方平台数据需遵守服务条款，商业用途建议咨询法务
---
版本：1.6.0 | 开源地址：https://github.com/llm-net/adb-claw