AI控制手机实操指南
2026年7月28日 · mobilerun开源框架 · IT中华技术日记
对着手机说一句话，它就自己操作了——打开设置关掉深色模式、给张三发微信、找附近火锅店。这不是科幻，这是 mobilerun 正在做的事。IT中华 本文介绍这款 9000 star 的开源 Agent 框架。
它是什么
mobilerun 是一款用自然语言控制 Android 和 iOS 设备的开源 Agent 框架。MIT 协议，Python 编写，GitHub 近 9000 star。
三行命令上手：
uv tool install mobilerun # 安装 mobilerun setup # 安装 Portal 到手机 mobilerun configure # 配置 LLM mobilerun run "打开设置，关闭深色模式" # 执行
不需要写脚本，不需要 XPath，不需要定位元素——只需要说人话。
为什么能冲到 9000 star
1. 它是 Agent，不是工具
同类项目（如 agent-device）定位是「给 Codex/Claude Code 当手脚」，需要一个外部 AI Agent 来驱动。mobilerun 自己就是 Agent——给它一个 prompt，它自己看屏幕、理解界面、规划步骤、执行操作。门槛直接砍掉一半。
2. LLM agnostic——什么模型都能接
OpenAI、Anthropic、Gemini、DeepSeek、Ollama、OpenRouter 全支持。可以用 DeepSeek 白嫖，也可以用 Ollama 跑本地模型保护隐私。国内用户非常友好。
3. Portal 机制——真正的巧妙设计
传统手机自动化依赖 USB 调试 + ADB，得插着线。mobilerun 在手机上装一个 Portal App，通过无障碍服务控制。手机不需要插线、不需要在手边——只要 Portal 在跑，就能远程控制。这直接打开了 Cloud 模式的想象力。
两个核心功能
reasoning 模式：管理者-执行者架构
简单任务直接执行。复杂任务（如订机票：搜索→比价→填信息→支付）用 --reasoning 模式：管理者负责规划，执行者逐步完成，管理者实时纠偏。
mobilerun run "帮我找联系人张三，给他发邮件" --reasoning
vision 模式：纯视觉理解
有些 App 没做无障碍适配，界面元素全是「button」「view」，Agent 分不清谁是谁。--vision 模式把截图直接发给 LLM，让它像人一样「看」屏幕。还有 --vision-only 完全不依赖无障碍树，纯靠视觉理解。
三个现实问题
| 问题 | 说明 |
|---|---|
| 效果取决于模型 | 顶尖模型和免费模型执行效果天差地别 |
| 稳定性待打磨 | 本质是概率性的，同一任务跑十次可能两次失败 |
| 安全风险 | AI 直接操作手机——读消息、翻相册、操作支付，权限管控尚无标准答案 |
IT中华 观点：mobilerun 代表了一个方向——手机交互方式正在被重新定义。从「人适应机器」到「机器适应人」，这个方向不会变。现在还处在早期，稳定性、安全性、准确性都有提升空间，但趋势已经出来了。
关于IT中华
IT中华（www.itzh.vip）持续关注 AI Agent 与移动端自动化前沿。本文转载改写自博客园狂师的技术文章。关注IT中华，探索更多 AI 实践可能。
IT中华 · www.itzh.vip · 技术日记