开源PhoneDriver：用Qwen3-VL视觉模型自动操控安卓手机
tom_doerr · x · 2026-08-12
GitHub 开源项目 PhoneDriver 利用 Qwen3-VL 视觉语言模型和 ADB 命令，实现对 Android 设备的自动化控制。用户可用自然语言描述任务，系统通过视觉分析屏幕并执行操作。项目提供 Gradio Web UI，支持实时截图和日志反馈。要求 Python 3.10+、开启 USB 调试的 Android 设备及 ADB，推荐 24GB 显存 GPU 运行 Qwen3-VL-8B 模型。
「编程与Agent」频道最新
- 亚马逊卖家 MCP：用 Claude 实现广告与销售数据分析 — Vivid-Door87 · 2026-08-12
- 放任 AI 编程 Agent 越久越易作弊：开发者如何设防？ — dunstemplea · 2026-08-12
- 开源记忆运行时 Statewave：解决智能体的信任问题 — Shruti_0810 · 2026-08-12
- 实测 AI 智能体：自主运行 2 小时完成排查与修复 — sujingshen · 2026-08-12
- 用Agent实时生成交互式HTML图表：可视化新范式 — capetorch · 2026-08-12
- 用 Claude 打造交互式 WebGL 流体模拟应用 — vinishkapoor · 2026-08-12