港大开源手机 Agent PhoneGo:操作步骤省 47%、耗时省 56%
aigclink · x · 2026-11-20
港大 HKUDS 团队开源了可直接装在 Android 上的手机 Agent「PhoneGo」,用户用自然语言下达任务,它就能自主跨 App 操作,无需电脑、也无需逐步截图让模型猜。例如让它查「小红书上港大附近的酒店,再去携程比价」,它会先搜笔记提取酒店名,再切换携程查可订日期和房价,最后汇总反馈;App 跑在虚拟屏幕里,不占用你自己的手机。
核心创新是 CLI+GUI 混合执行:对已知 App 直接调用编译好的命令行路径,遇到陌生界面才让视觉模型接管。工作流分两步——离线探索 App 并构建「App Navigation Map」,把页面与导航路径编译成可执行命令;在线执行时 AI 理解意图、优先走命令路径。
相比纯视觉手机 Agent,操作步骤减少 47%、执行耗时减少 56%、Token 消耗减少 55%。项目 MIT 协议开源,已获 1.3k star。
所属事件:港大开源手机 Agent PhoneGo:跨 App 自然语言操作(2 条相关)→
「编程与Agent」频道最新
- Cognition 评测 Gemini 4 Neon:46.2% 得分逼近 Opus 5.5,成本仅三分之一 — scaling01 · 2026-11-20
- 港大开源手机 Agent PhoneGo:CLI+GUI 混合执行,步骤省 47%、耗时省 56% — aigclink · 2026-11-20
- Anthropic 代码审查变革:AI 审查后实质问题检出率从 16% 升至 54% — dotey · 2026-11-20
- Modular 重建 MAX Module API:类 PyTorch 语法+即时调试 — clattner_llvm · 2026-11-20
- 曝 Apple 正研发可操控设备、上网与写码的 AI 智能体 — Polymarket · 2026-11-20
- comfy-ts 开源:一条命令给 ComfyUI 工作流补全类型 — rvion · 2026-11-20