ClawPhone WeChat Control

核心功能

ClawPhone WeChat Control 是一套面向微信客户端的精细化自动化操作框架，覆盖从应用启动、会话定位、消息输入到发送验证的完整交互链路。该 skill 并非简单的 API 调用封装，而是基于页面状态机的工程化解决方案，通过"先确认、再操作、后验证"的三段式流程，解决移动自动化中常见的坐标漂移、弹窗干扰、输入失效等顽疾。

显著优点

状态驱动的健壮设计：强制要求执行前识别当前页面类型（桌面/会话列表/聊天页/资料页/弹窗），避免盲操作导致的级联错误。

多重兜底机制：针对微信输入框的特殊性，提供 type_text 原生输入与"剪贴板+长按粘贴"的双轨方案；发送环节优先点击可见按钮，仅在极端情况下回退到 press_enter。

截图坐标实时绑定：所有点击操作均基于当前截图动态定位，禁止复用历史坐标，有效应对微信界面动态变化、键盘弹出导致的元素位移。

失败可复盘结构：内置五维复盘模板（页面位置/失败阶段/坐标依据/二次确认/兜底切换），便于快速定位问题根因。

潜在局限

• 性能开销：每步操作伴随截图验证，单条消息发送可能产生 3-5 次截图，在弱网或低端设备上延迟明显。
• 视觉依赖：严重依赖 UI 稳定性，微信大规模改版或 A/B 测试新界面时，文字匹配策略可能失效。
• 无语义理解：仅处理机械操作，不解析消息内容含义，无法自动判断"该回复什么"。
• 平台绑定：当前设计围绕 Android 微信（com.tencent.mm），iOS 或桌面版微信需额外适配。

适合人群

• 需要批量处理微信客服消息、定时发送提醒的运营人员
• 构建"数字员工"自动化工作流的技术团队
• 对操作成功率有严苛要求、不接受随机失败的自动化工程师

常规风险

| 风险类型 | 说明 |

|---------|------|

| 账号风控 | 高频自动化操作可能触发微信反作弊，导致功能限制或封号 |

| 隐私暴露 | 自动化过程中可能截获敏感聊天内容，需严格管控截图存储与传输 |

| 误发送风险 | 页面状态误判可能导致消息发错对象，关键操作建议人工复核 |

| 设备安全 | 需开启无障碍服务或 root/越狱权限，存在被恶意利用的潜在攻击面 |

核心用法

ClawPhone WeChat Control 是一款纯指导性质的自动化技能文档，专为需要AI辅助操作微信的场景设计。该技能不提供直接的可执行代码，而是通过详细的步骤指南，教导AI Agent如何基于屏幕截图和UI元素识别来完成微信的自动化操作。核心流程包括：页面状态判断（区分桌面、会话列表、聊天页、弹窗等）、进入指定聊天会话、消息输入与发送（支持直接输入和剪贴板粘贴两种兜底方案）、以及失败排查与复盘。

使用时的标准路径为：先通过launch_app或click_by_text进入微信，确认当前页面类型；在会话列表中定位目标联系人并点击进入聊天页；截图确认输入框位置后聚焦输入框；优先尝试type_text输入文字，若失败则切换至"剪贴板+长按+粘贴"的兜底方案；最后确认发送按钮可见并完成发送，通过二次截图验证消息气泡出现。

显著优点

1. 零代码安全风险：纯Markdown文档，无可执行代码，无eval/exec/system等危险函数，从根本上杜绝了代码注入和恶意执行风险。

2. 无外部依赖：不依赖任何第三方库或API，不存在供应链攻击风险，也不会产生数据外传的渠道。

3. 多重兜底机制：针对微信输入框的特殊性，设计了type_text失败后的剪贴板粘贴兜底路径，以及页面定位失败后的截图复核机制，显著提升操作成功率。

4. 详细的失败复盘模板：提供结构化的五步复盘问题（页面位置、失败步骤、坐标依据、二次确认、兜底切换），帮助快速定位和解决问题。

5. 隐私友好：Skill本身不收集、不存储任何用户数据，所有操作基于实时截图的本地分析。

潜在缺点与局限性

1. T3来源可信度：发布者为个人开发者Be1Human，无企业背书或知名开源基金会支持，建议高风险场景使用前进行额外人工审查。

2. 依赖视觉识别准确性：实际操作效果高度依赖于Agent的截图分析能力和OCR/UI元素识别精度，受微信版本更新、界面主题、设备分辨率等因素影响较大。

3. 操作流程冗长：每一步操作后都需截图确认，执行效率较低，不适合高频、大批量的消息处理场景。

4. 无法处理复杂交互：对于语音消息、视频通话、小程序、支付等复杂场景缺乏覆盖指南。

5. 无跨平台适配：主要针对Android端的微信设计，iOS或其他平台的微信操作可能存在差异。

适合的目标群体

• 需要AI辅助处理少量微信消息的个体用户
• 自动化测试工程师，需要微信端的UI自动化参考流程
• 开发微信RPA（机器人流程自动化）工具的开发者，可作为需求文档参考
• 对安全性要求极高、不愿运行任何可执行代码的谨慎用户

使用风险

1. 操作失败风险：微信界面频繁更新可能导致坐标识别失效，造成消息发送失败或误触其他功能。

2. 隐私泄露风险：虽然Skill本身不收集数据，但截图分析过程可能涉及聊天内容、联系人名称等敏感信息的临时处理，建议在可信环境中使用。

3. 账号安全风险：频繁自动化操作可能触发微信的风控机制，导致账号限制或封禁。

4. 消息误发风险：基于视觉识别的定位可能存在偏差，存在消息发错联系人或内容输入错误的可能性，重要消息建议人工复核。

5. 性能瓶颈：频繁的截图-分析-操作循环对设备性能和Agent响应速度要求较高，低端设备可能出现卡顿或超时。