PokeClaw 项目介绍

项目概述

PokeClaw (PocketClaw) 是一个设备端 AI 手机自动化工具，基于 Gemma 4 模型构建，是第一个能够自主控制 Android 手机的本地 AI 应用。

整个流程在您的设备内形成闭环，不需要 WiFi，不需要云 API，也不需要月度账单。

其他人：手机 → 互联网 → 云端 API → 互联网 → 手机
 💳需要信用卡、API key，还有月度账单

PokeClaw：手机 → LLM → 手机
 就是这样。没有网络。没有 API key。没有账单。

AI 控制您的手机。而且它永远不会离开您的手机。

目前 GitHub 星标：⭐ 200 stars

核心功能

• 🔒 完全本地运行：模型运行在设备上，不联网，隐私安全
• 🤖 自主手机控制：LLM 自主选择工具并执行操作
• 💬 上下文感知自动回复：读取聊天上下文，智能回复消息
• ⚙️ 无云依赖：不需要 API key，没有月度费用
• 🛠️ 完整工具集：点击、滑动、输入、打开应用、发送消息等
• 📱 通用技能系统：可复用的工作流，适用于任何应用
• ☁️ 可选云端支持：v0.3.0 新增支持 OpenAI、Anthropic、Google 等云端 LLM

工作原理

PokeClaw 为设备端 LLM 提供了一套工具（点击、滑动、输入、打开应用、发送消息、启用自动回复等），让 LLM 决定做什么。LLM 看到当前屏幕的文本表示，选择一个操作，看到结果，再选择下一个操作，直到任务完成。

一切都通过 LiteRT-LM 本地运行，支持原生工具调用。模型从不与云端通信。

可用工具

LLM 可以自主选择以下工具：

这些工具是通用的 — 它们适用于任何应用、任何联系人、任何语言。LLM 选择正确的工具并根据您的请求填写参数。

技能系统

2.3B 的设备端模型不是 GPT-4。它能很好地遵循指令，但不擅长自己想出使用哪些工具。所以我们给它一个剧本。

自动回复功能就是一个很好的例子。它不是靠魔法工作的 — 背后有一个预定义的工作流：打开聊天 → 读取屏幕上所有可见消息 → 生成上下文感知的回复 → 发送 → 返回主页。模型一步一步地遵循这个配方。该链中的每个工具都是通用的：open_app 适用于任何应用，read_screen 适用于任何屏幕，send_message 适用于任何联系人。工作流只是告诉模型使用哪些工具以及按什么顺序。

这就是我们所说的 技能 — 由通用工具构建的可复用工作流。我们正在积极设计一个受 Claude Code 技能架构 启发的技能系统。理念是：任何人都可以将技能编写为简单的文本文件来描述步骤，LLM 就会遵循它。

技能可以做的一些例子：

• 自动回复：监控通知 → 打开聊天 → 阅读对话 → 生成回复 → 发送
• 晨间简报：打开天气应用 → 读取温度 → 打开日历 → 阅读今天的事件 → 打开邮件 → 统计未读 → 总结一切
• 智能转发：捕捉通知 → 打开消息 → 阅读 → 转发给另一个联系人并附带摘要
• 自动预订：打开预订应用 → 搜索时间槽 → 填写详细信息 → 确认

每个技能只是相同通用工具（open_app、tap、type、read_screen、send_message 等）以特定顺序的组合。工具是构建块，技能是食谱。

两者都设计为可扩展的。我们正在构建前 8-10 个技能作为内置默认值。如果系统运行良好，我们将开放它，让社区创建和分享他们自己的工具和技能。您比我们更了解您的手机 — 您应该能够教它新的技巧。

随着设备端模型变得更智能，技能变得不那么必要。未来的 7B 或 13B 模型可能会自己找出正确的工作流。在那之前，技能是我们从小型本地模型获得可靠自动化的方式。把它想象成模型最终会长大的辅助轮。

技术栈

• AI 模型：Gemma 4 (2.3B)
• 推理引擎：LiteRT-LM
• 开发语言：Kotlin
• 平台：Android
• 可选云端 LLM：OpenAI、Anthropic、Google、OpenAI 兼容 API

快速开始

系统要求

⚠️ 8 GB 是最低要求，但在某些设备上可能仍会崩溃，具体取决于还在运行什么。12 GB+ 比较舒适。如果应用在模型加载期间崩溃，请关闭其他应用并重试。如果仍然崩溃，您的手机没有足够的可用内存来运行 2.3B 模型。这是硬件限制，不是 bug。

安装步骤

1. 安装 APK：从 最新发布 下载
2. 授予权限：提示时授予无障碍权限
3. 下载模型：首次启动时模型会自动下载（约 2.6 GB）
4. 开始使用：切换到任务模式，输入您想要做的事情

没有 API key。没有云端配置。没有账户。

项目演示

自动回复演示

PokeClaw 监控来自妈妈的消息，读取她说了什么，并使用设备端 LLM 根据上下文回复。

上下文感知演示

妈妈问「我让你带什么了？」—— AI 打开聊天，阅读屏幕上的完整对话，看到之前关于酒的消息，并正确回复。这就是上下文感知回复和无上下文回复的区别。

开发故事

我是一名独立开发者。当 Gemma 4 在 4 月 2 日发布，带有 LiteRT-LM 上的原生工具调用时，我熬了两个通宵，从零开始构建了这个项目。这是第一个可以在手机上运行的本地 LLM，并且足够强大来处理真正复杂的任务 — 对话、根据上下文自动回复妈妈、自主导航应用。这对我来说很令人兴奋。

它并不完美。本地 LLM 不如云端模型聪明，而且有很多粗糙的边缘。硬件就是这样 — 我们无法让您的 CPU 变快。但在软件方面，我们正在积极改进架构、工具系统和整体设计。云端 LLM 支持将作为可选功能推出，供想要更多能力的人使用。

而且它是完全免费的。没有每月向您收费的 API key。没有订阅。没有使用限制。模型在您的硬件上运行，不花您一分钱。

我们正经历着历史性的转变。本地 LLM 现在足够聪明，可以在手机上真正做有用的工作。6 个月前还不是这样。设备端模型快速变得更聪明，我们希望不久之后它们就能完全弥合与云端模型的差距。当那一天到来时，PokeClaw 已经准备好了。

这个项目有很多问题。这是预期的。请打开它们。 每个错误报告都让这变得更好。

版本更新

v0.3.1 (2026-04-07)

• 安全修复：LAN 配置服务器绑定到所有网络接口，向同一 WiFi 上的任何人暴露 API key。现在仅绑定到 localhost。
• 移除未使用的频道：移除了钉钉、飞书和 QQ 频道集成。更小的 APK，更干净的代码库。
• 死代码清理：移除了旧的基于 View 的聊天 UI、未使用的布局和孤立资源。

v0.3.0 (2026-04-07)

• 云端 LLM 支持：聊天和任务模式现在支持 OpenAI、Anthropic、Google 和任何 OpenAI 兼容 API。在新的标签式 LLM 配置屏幕中一键切换提供商。
• 实时 token 和成本显示：在聊天时在聊天标题中查看您的 token 数量和运行成本。随着使用量攀升，颜色从灰色变为蓝色变为琥珀色变为红色。没有其他移动 AI 应用向您显示这一点。
• 每个提供商的 API key：为每个提供商存储不同的 API key。切换标签会自动加载正确的 key。
• 会话中途模型切换：用 GPT-4o 开始对话，在聊天中途切换到 Claude，并保留您的整个历史记录。新模型从旧模型停止的地方继续。
• 3 层管道路由器：简单命令（打电话、闹钟、打开应用）现在立即执行，零 LLM 调用。技能匹配的任务运行确定性步骤序列。只有复杂任务才会进入完整代理循环。
• 8 个内置技能：应用内搜索、关闭弹窗、滚动阅读、发送 WhatsApp、导航到标签等。每个技能通过运行硬编码的工具序列而不是从头推理，节省了 3-10 轮 LLM。
• 任务标签中的技能 UI：快速操作部分显示所有可用技能，带有分类图标。点击以预填充输入栏。
• Token 预算系统：为每个任务设置软限制和硬限制。浮动药丸显示实时 token 数量和成本，您可以点击以停止失控的任务。
• 卡住检测：五个信号检测代理何时陷入循环：重复操作、未更改的屏幕、上升的 token 数量。三级恢复从提示升级到策略切换再到自动终止。
• Enter 和 Tab 键支持：技能现在可以按 Enter 提交搜索查询，按 Tab 在表单字段之间移动。

总结

PokeClaw 是一个开创性的设备端 AI 手机自动化项目，具有以下优势：

• 隐私安全：完全本地运行，不联网
• 免费使用：无 API key，无月度费用
• 功能强大：自主选择工具，完成复杂任务
• 技能系统：可复用的工作流，适用于各种场景
• 持续发展：活跃开发，快速迭代

项目链接

• GitHub 仓库
• 官方网站
• 最新发布

许可证

PokeClaw 使用 Apache License 2.0