droidclaw — 把旧手机变成 AI Agent

> 一句话版本：装在你旧安卓手机上的 AI 机器人，你用自然语言告诉它想干什么（"打开 YouTube 搜 lofi hip hop"），它自己看屏幕、思考、点击、输入，像人一样操作手机，直到任务完成。

核心内容

droidclaw 的核心极其简单：感知 → 推理 → 行动 循环，通过 ADB 控制安卓手机。

工作原理

你的目标："在 WhatsApp 给妈妈发早安"
        │
        ▼
  1. 感知（Perceive）
  ├── 通过 ADB 导出无障碍树（Accessibility Tree）
  ├── 解析 XML → 识别可交互的 UI 元素
  ├── 与上一帧对比（检测屏幕变化）
  └── 必要时截图
        │
        ▼
  2. 推理（Reason）
  ├── 屏幕状态 + 目标 + 历史发送给 LLM
  └── LLM 返回 {think, plan, action}
      "我看到搜索图标在 (890, 156)，应该点击它"
        │
        ▼
  3. 行动（Act）
  ├── 通过 ADB 执行：tap / type / swipe
  ├── 结果反馈给 LLM
  └── 目标完成？→ 是 → 退出 | 否 → 回到感知

容错机制（这是亮点）

LLM 控制 UI 听起来脆弱，droidclaw 用 6 种机制处理失败模式：

三种模式

Workflow 示例——查天气发 WhatsApp：

{
  "name": "weather to whatsapp",
  "steps": [
    { "app": "com.google.android.googlequicksearchbox", "goal": "search for chennai weather today" },
    { "goal": "share the result to whatsapp contact Sanju" }
  ]
}

35 个现成 Workflow

按类别分：

• 消息：WhatsApp/Telegram/Slack/邮件（发消息、群播、邮件摘要、standup）
• 社交：Instagram/YouTube（发帖、互动、收藏）
• 效率：日历、笔记、GitHub PR、通知清理、晨间简报
• 研究：搜索、比价、监控

最酷的功能：免 API Key 委托

Agent 可以直接在手机上打开 ChatGPT、Gemini、Google Search 完成任务，把结果带回来。不需要这些服务的 API Key——它像人一样用这些 App。

分析

优势：

• 创意极好：把旧手机废物利用变成 AI Agent
• 不需要任何 API 集成——直接操控 UI，任何 App 都能用
• 免 API Key 委托（用 ChatGPT/Gemini App 而非 API）
• 容错机制完善（6 种失败模式处理）
• 35 个现成 workflow，开箱即用
• 支持本地 LLM（Ollama），完全离线可用
• Groq 免费额度就能跑

风险：

• ADB 需要物理连接或无线 ADB，远程控制受限
• 无障碍树依赖 App 实现，部分 App（游戏、Flutter）可能不兼容
• 速度慢：每步都需要 LLM 调用，简单任务也要 5-30 步
• 安卓独占，不支持 iOS
• 最后更新 2026-02-28，可能已停更
• 安全风险：Agent 有完整的手机控制权（读屏、点击、输入）
• 没有权限模型，无法限制 Agent 操作范围

与 Jay 的关联：

• Jay 有 Mac M3 Air，但如果有旧安卓手机可以当"物理 Agent"用
• 与小虾 Local Agent 对比：droidclaw 是手机级自动化，小虾是电脑级，互补
• 可以把旧手机变成"专属社交 Agent"——自动发消息、刷帖子、检查通知
• 与 OpenClaw Node 类似思路（感知→推理→行动循环），但 droidclaw 用 ADB 而非 exec

评分