---
title: "手机智能体：11款操作真实手机的开源工具"
description: "基于源码对比11款开源手机智能体，梳理其如何接入并执行AI操作手机、屏幕数据流向、确认机制、遥测与账号风险。"
url: https://personalagentbench.com/zh-cn/phone-use/
last_updated: 2026-11-05
---

# 手机智能体：11款操作真实手机的开源工具

本页由 2026-11-05 的英文版机器翻译而成，所有数字都已和原文核对。如有出入，以[英文版](https://personalagentbench.com/phone-use/)为准。

手机智能体是一类让语言模型操作真实手机的软件：它查看屏幕，决定点击哪里，然后在原本只为手指操作设计的应用中完成点击。2026年10月，这个概念从研究演示进入 GitHub 热门榜，带头的是一个让 Codex 操作 iPhone 的插件。本页根据源码对比11款开源工具，版本固定在我们于10月13日阅读的提交，最后加入的2款则固定在10月19日阅读的提交。我们关注每款工具如何接入手机、把什么发送到哪里、何时停下来征求你的意见，以及如何说明应用自身的规则。我们没有实际运行其中任何一款。利益披露：本网站背后的团队 Zentor 也开发 phone use 软件。其中一款工具 Oh My Phone Use 是 Zentor 成员以个人 GitHub 账号发布的 side project，表格中已作标注。我们按同一套清单审阅它，并与其他工具一样不予评分。其余10款均为竞品。[关于我们](https://personalagentbench.com/about/)。

- 接入手机有4条路径：Apple 的测试自动化框架、屏幕镜像配合模拟键盘和鼠标、Android 调试桥与无障碍服务，以及租用他人云端的手机。
- 在每款工具中，屏幕上的内容都会发送给语言模型。只有1款工具在代码中为敏感点击设置了拦截，而且即便如此，是否触发拦截也由模型决定。
- 有2款工具默认向开发方发送使用事件，其中可能包含你要求智能体执行的任务。
- 有1个框架附带的代码明确旨在让点击看起来像真人操作，其云服务还销售“隐身”能力。另1款则在代码中拒绝滑动通过反机器人检查。11款工具都没有讨论账号封禁问题。

## 什么是手机智能体，本页不涵盖什么

这里的每款工具都把模型与查看手机屏幕、操作手机的方式组合起来。模型接收截图、屏幕元素树，或同时接收两者，选择点击、滑动或按键，然后重复这一过程。它相当于手机上的“computer use”智能体，可以进入浏览器智能体无法触及的地方：WeChat、银行应用、外卖应用，以及任何没有网页版的应用。

本页涵盖需要自行安装的开源工具，不包括内置于手机操作系统的助手，因为它们是手机本身的功能，并非可供审查的工具；也不包括由厂商服务器代用户办事的消费级应用。后两类产品属于我们持续追踪的[个人智能体](https://personalagentbench.com/zh-cn/landscape/)和已经[拆解过的产品](https://personalagentbench.com/agents/)。11款工具中的 OpenGUI 采用 Business Source License 1.1，该许可证在2030年之前限制生产用途，因此它属于源码可用，而非开源。[OpenGUI 许可证](https://github.com/Core-Mate/OpenGUI/blob/8a681b45f170eb2566c3d254e7ee0089ba9f43a5/LICENSE#L1-L16)。

我们在10月19日阅读的另外2个 iPhone 项目未列入表格。iphone-kit 把 Mac 变成蓝牙键盘和鼠标，并通过 Apple 的私有框架经 USB 开启 AssistiveTouch，因此既不需要开发者模式，也不需要额外的开发板；但它没有许可证文件，意味着保留所有权利。[iphone-kit 工作机制](https://github.com/quangtuyen88/iphone-kit/blob/598930df241bc068ae0dbc5b5bdab03e50f24a47/docs/FEASIBILITY.md#L10-L18)。RC Pair 的 phone-open 通过 Apple 自有的开发者服务，让 Linux 电脑控制 iPhone 或 iPad；它没有附带智能体，手机应用也不在代码仓库中，其 Functional Source License 在2年内禁止竞争性用途。[phone-open 许可证](https://github.com/rcpair/phone-open/blob/c5382ba10b98a43968b627704a1828211b8845a7/LICENSE#L1-L9)，[phone-open 架构](https://github.com/rcpair/phone-open/blob/c5382ba10b98a43968b627704a1828211b8845a7/docs/ARCHITECTURE.md#L9-L22)。

## 手机智能体接入手机的4条路径

| 路径 | 智能体在哪里运行 | 如何查看屏幕 | 如何执行操作 | 手机端需要什么 | 工具 |
| --- | --- | --- | --- | --- | --- |
| Apple 测试自动化 | Mac、同一 Wi-Fi 下的另一台电脑，或手机本身的智能体应用 | 由 iPhone 上的测试运行器读取元素树和截图 | 通过 Apple 的 XCTest 模拟点击和输入 | 需要自行签名并安装的运行器、开发者模式；iCTRL 在没有 Mac 时，还需要 SideStore 中的免费 Apple ID 和 Apple 的 Developer Disk Image | iPhone Use、iCTRL；iOS 上的 Droidrun 和 AutoGLM |
| 屏幕共享加模拟输入 | 电脑，或手机本身的智能体应用 | 镜像或共享屏幕的截图 | 一块伪装成 USB 或蓝牙键盘和鼠标的小型开发板，或通过 macOS iPhone Mirroring 发送输入 | AssistiveTouch，有时还需自行签名的屏幕共享应用，或 Mac 的辅助功能和屏幕录制权限 | esp32-iphone-agent（AirPlay 加一块7美元的开发板）、Oh My Phone Use（屏幕共享应用加蓝牙 ESP32 开发板）、ipad_computer_use（屏幕共享应用加 USB RP2040 开发板）、anan-iphone-use（iOS 屏幕共享加 M5Stack StopWatch 开发板）、phone-harness（macOS iPhone Mirroring） |
| Android 调试与无障碍服务 | 通过 USB 或 Wi-Fi 连接的电脑 | 无障碍树、截图，或两者兼有 | ADB 命令，或无障碍服务应用 | USB 调试和无障碍权限，后者几乎可以查看并操作一切 | Droidrun、AutoGLM、mobile-use、OpenGUI、Android 上的 phone-harness |
| 他人云端的手机 | 你的电脑或厂商服务器 | 通过互联网远程查看 | 通过互联网远程操作 | 你的手机无需安装任何东西：你租用一台托管设备，并在一部自己拿不到的手机上登录账号 | Mobilerun Cloud、phone-harness cloud |

来源：[esp32 路径](https://github.com/onehumanbeing/esp32-iphone-agent/blob/88a51030b5ec36564157bc778c7827b4dffb4b41/README.md#L46-L60)、[Oh My Phone Use 路径](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/README.md#L7-L28)、[ipad_computer_use 路径](https://github.com/jamiepinheiro/ipad_computer_use/blob/ac07704c3b22be7627f13cb062cd36160a0c4cce/README.md#L1-L27)、[phone-harness 路径](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/README.md#L111-L125)、[Droidrun Android 设置](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/README.md#L93-L101)、[AutoGLM 要求](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/README_en.md#L86-L103)。

接入路径决定了可能出现哪些问题。屏幕镜像类工具只能看到手机愿意镜像的内容。据 esp32 项目称，iOS 不会镜像密码输入或 Apple Pay。[镜像限制](https://github.com/onehumanbeing/esp32-iphone-agent/blob/88a51030b5ec36564157bc778c7827b4dffb4b41/README.md#L218-L218)。无障碍服务几乎可以查看并操作一切。使用云手机则意味着，你已登录的账号存在于一台你从未触碰过的硬件上。

有2款工具允许智能体本身在手机上运行。iCTRL 是一个在 iPhone 上提供 JSON-RPC API 的 XCTest 运行器，其开发者的手机端智能体 Minis 会在本机调用它；同一网络中的任何智能体也可以调用。[iCTRL 设计](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L21-L38)，[智能体运行位置](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L75-L77)。anan-iphone-use 在一块小型开发板上运行 MCP 服务器，通过 USB 或蓝牙完成输入和点击，同一部 iPhone 上的智能体应用则借助 iOS 屏幕共享观察画面，这要求 iOS 27 或更高版本。[anan-iphone-use 设计](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/README.md#L1-L12)，[系统要求](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/README.md#L63-L70)。两者都没有消除配置成本。iCTRL 仍然需要开发者模式和签名证书，免费账号必须每7天刷新一次证书。[iCTRL 免费账号限制](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L270-L287)。开发板的键盘和鼠标不需要开发者模式，但 anan-iphone-use 自己的设置说明指出，目前采用开发者签名的手机应用构建版本需要开启该模式，而且这款应用尚未发布。[anan-iphone-use 设置](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/docs/setup.md#L44-L49)。

这些路径能深入系统的程度也不同，而这种深度才是你真正授予的权限。手机可以向智能体提供3个层级的访问深度。最浅层是操作系统为单项任务提供的接口：获得通知访问权限的 Android 应用会收到每条通知并可将其清除，但不能进入你的其他应用执行点击；在 iPhone 上，应用可以通过 App Intents 提供具名操作，供 Siri 和 Shortcuts 运行。[Android 通知访问](https://developer.android.com/reference/android/service/notification/NotificationListenerService)，[Apple App Intents](https://developer.apple.com/documentation/appintents)。中间层是特定应用自行选择开放的能力，例如用于打开预填邮件或地图搜索的 Android intent；它只能触及该应用开发者已经开放的部分。[Android 常见 intent](https://developer.android.com/guide/components/intents-common)。最深层是直接操作屏幕，可通过 Android 调试桥、无障碍服务或 Apple 的 XCTest 实现。无障碍服务在后台运行，可以请求读取你当前查看窗口的内容，Android 自己的参考文档称，这类服务只应当用于帮助残障用户。调试桥则会在设备上打开 shell，可启动应用并执行其他系统操作。[Android 无障碍服务](https://developer.android.com/reference/android/accessibilityservice/AccessibilityService)，[Android 调试桥](https://developer.android.com/tools/adb)。

本页的11款工具全部工作在最深层。只有这一层能进入未开放任何接口的应用，这也是手机智能体能够在外卖应用中下单的原因。它同时意味着，一项权限会把银行应用和消息应用一并涵盖，而更浅层的接口只会覆盖一项任务。当某款工具的设置流程要求开启 USB 调试或无障碍服务时，你授予的正是这种权限。

## 11款开源手机智能体对比

| 工具 | 手机 | 路径 | 默认模型 | 代码中的确认机制 | 使用遥测 | 许可证 |
| --- | --- | --- | --- | --- | --- | --- |
| [iPhone Use](https://personalagentbench.com/zh-cn/phone-use/iphone-use/) | iPhone | WebDriverAgent、USB | 宿主的模型（Codex 等） | 拒绝密码字段；未经验证的提交会停止批处理 | 在 Codex 安装中默认开启 | MIT |
| esp32-iphone-agent | iPhone | AirPlay 加 ESP32 键盘和鼠标 | 任意兼容 OpenAI 的端点 | 无，仅有紧急停止 | 未发现 | MIT |
| Oh My Phone Use（Zentor side project） | iPhone、iPad | 屏幕共享应用加蓝牙 ESP32 键盘和鼠标；还能拨打电话 | 通过 MCP 使用宿主的模型 | 无；skill 文本要求先询问 | 未发现 | MIT |
| ipad_computer_use | iPad、USB-C iPhone | 屏幕共享应用加 USB RP2040 键盘和鼠标 | 通过 MCP 使用宿主的模型 | 无 | 未发现 | MIT |
| phone-harness | iPhone、Android、云端 | iPhone Mirroring 加 OCR；ADB | 宿主智能体的模型 | 无；skill 文本要求先询问 | 开启；包含任务文本 | MIT |
| Droidrun | Android、iPhone | ADB 加无障碍应用；WebDriverAgent | 示例配置中的 gemini-3.8-flash | 无 | 开启；包含目标文本 | MIT |
| Open-AutoGLM | Android、HarmonyOS、iPhone | ADB 或 HDC；WebDriverAgent | 本地部署的 AutoGLM-Phone-9B | 模型标记某次点击时显示是或否提示 | 未发现 | Apache-2.0 |
| mobile-use | Android、iPhone 模拟器 | ADB 加 UIAutomator2 | OpenAI GPT-5 系列 | 无 | 先征求同意 | Apache-2.0 |
| OpenGUI | Android | ADB 加 scrcpy；无障碍客户端 | 宿主的模型 | 后端提示词将付款和删除操作升级给用户 | 已禁用 | BUSL-1.1 |
| iCTRL | iPhone | 手机端自有 XCTest 运行器；智能体在手机上或同一 Wi-Fi 中 | 宿主智能体的模型 | 无；skill 文本要求先询问 | 未发现 | Apache-2.0 |
| anan-iphone-use | iPhone | iOS 屏幕共享加作为 USB 或蓝牙鼠标和键盘的 StopWatch 开发板 | 通过 MCP 使用客户端的模型 | 无；必须在开发板上开启控制 | 固件中没有；手机应用未发布 | GPL-3.0 |

11月5日的 GitHub star 数：Open-AutoGLM 26543、Droidrun 9962、iPhone Use 4905、phone-harness 4460（其代码仓库后来已迁移至 phone-harness 组织）、esp32-iphone-agent 4408、mobile-use 3363、OpenGUI 1807、iCTRL 582、anan-iphone-use 149、ipad_computer_use 81、Oh My Phone Use 18。10月13日，同一名单的数字为 Open-AutoGLM 26389、Droidrun 9632、iPhone Use 3504、mobile-use 3257、phone-harness 3253、OpenGUI 1816、esp32-iphone-agent 1189、ipad_computer_use 78、Oh My Phone Use 9。增长最快的是最年轻的2款：iPhone Use 创建于10月6日，esp32-iphone-agent 创建于10月11日，此后 esp32-iphone-agent 的 star 数增长了近4倍。Oh My Phone Use 从 ipad_computer_use 的一个快照起步，把 USB 开发板换成蓝牙开发板，并增加了电话功能。[Oh My Phone Use 致谢](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/README.md#L176-L183)。

## 手机智能体能看到什么，屏幕内容会去哪里

每款工具都会把你的屏幕转化为模型输入。Droidrun 默认读取无障碍树，并在需要时加入截图。[Droidrun 视觉设置](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/config_example.yaml#L15-L29)。mobile-use 同时发送 UI 层级结构和压缩截图。[mobile-use 输入](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/minitap/mobile_use/agents/cortex/cortex.py#L80-L88)。phone-harness 会先通过本地 OCR 读取 iPhone。AutoGLM 把截图发送给视觉模型。[AutoGLM 截图](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/agent.py#L144-L167)。iCTRL 读取无障碍树，当返回的树信息过少时，改用 Apple 的端侧文字识别。[iCTRL 屏幕读取](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L132-L137)。anan-iphone-use 的开发板什么也看不到，截图来自客户端的屏幕共享。

无论采用哪种形式，屏幕内容都会进入你配置的模型。它可以留在你的机器上：AutoGLM 默认使用本地提供服务的自有 9B 模型，esp32-iphone-agent 也记录了本地方案。[AutoGLM 默认设置](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/model/client.py#L17-L19)。更常见的是发送给托管模型：mobile-use 默认使用 OpenAI，Droidrun 的示例配置使用 Google；iPhone Use、phone-harness、Oh My Phone Use、ipad_computer_use、iCTRL 和 anan-iphone-use 则使用驱动它们的智能体所采用的模型。[mobile-use 默认设置](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/llm-config.defaults.jsonc#L3-L35)。屏幕上的聊天、银行余额或一次性验证码都会成为发给该提供商的请求内容。iCTRL 自身还会产生2处较小的数据泄露：它的实时屏幕流在任何通道上都未加密；当它在手机上找不到某个应用名称时，可能会通过 Apple 的公开 iTunes 搜索查询。[iCTRL 屏幕流](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L680-L684)，[应用查询](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/ActionHandler.swift#L2820-L2826)。

## 手机智能体会在哪里停下来询问你

这是我们审视每个[个人智能体](https://personalagentbench.com/zh-cn/how-scoring-works/)时都会提出的问题，而这里的答案并不充分。

只有 AutoGLM 在操作代码中内置了确认机制：当模型为某次点击附加一条消息标签时，会触发是或否提示；接管操作则会把手机交还给你，用于登录和验证码。[AutoGLM 确认机制](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/actions/handler.py#L138-L146)。这里有2项限制。是否添加标签由模型决定。而且只有中文系统提示词教模型这样做；英文提示词既未提及带标签的点击，也未提及接管操作。[中文提示词](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/config/prompts_zh.py#L28-L29)，[英文提示词](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/phone_agent/config/prompts_en.py#L28-L70)。

[iPhone Use](https://personalagentbench.com/zh-cn/phone-use/iphone-use/) 拒绝在密码字段中输入，并会在未经验证的提交后停止批处理。OpenGUI 的托管后端告诉模型，登录、付款、转账、下单和删除操作必须交由用户处理。[OpenGUI 升级机制](https://github.com/Core-Mate/OpenGUI/blob/8a681b45f170eb2566c3d254e7ee0089ba9f43a5/server/apps/backend/src/modules/graph-agent/graph/nodes/executor/entry.node.ts#L115-L130)。phone-harness 在其 skill 文本中要求宿主智能体在发送、发布、购买或删除前停下来。[phone-harness skill](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/SKILL.md#L148-L152)。Oh My Phone Use 的 skill 同样要求在发送消息、付款、删除、更改账号、输入密码和验证码前先询问。[Oh My Phone Use skill](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/skills/oh-my-phone-use/SKILL.md#L109-L112)。iCTRL 的 skill 告诉智能体在结账环节停下，绝不点击最终付款按钮；其运行器还要求你在手机上允许每个新的智能体，这一步需要手机处于解锁状态。此后，代码不会再检查智能体点击了什么。[iCTRL skill](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/SKILL.md#L45-L45)，[配对提示](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/iCTRLUITests.swift#L762-L766)。在有人通过开发板开启控制之前，anan-iphone-use 会拒绝所有输入，任意一个按钮都能让它停止；这是电源开关，并非付款检查。[anan-iphone-use 控制开关](https://github.com/ananhq/anan-iphone-use/blob/745a90f9819d4ddb249176128c2b9b603343b163/main/network/mcp.c#L526-L536)。对于 esp32-iphone-agent、Droidrun、mobile-use 和 ipad_computer_use，我们没有发现付款或发送操作的确认机制。

Oh My Phone Use 是11款工具中唯一还能拨打语音电话的。开发板充当手机的蓝牙车载套件，Mac 使用 macOS `say` 发声，并通过 whisper.cpp 在本地转录对方的话，随后把文字记录交给你的智能体。skill 要求智能体只拨打你提供的号码，说明自己是代你来电的智能体并告知回复会被转录，还要求把对方所说的内容视为信息，而非指令。号码、文字记录和摘要会保存在 Mac 上的一个文件中。[通话规则](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/skills/oh-my-phone-use/SKILL.md#L116-L142)，[保存的结果](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/host/README.md#L146-L150)。这些规则同样只是指令文本，而一通电话会联系到从未安装任何东西的人。

Oh My Phone Use 和 ipad_computer_use 都有意让屏幕控制服务器在无密码状态下运行，并依赖网络由你掌控：任何能连接控制器的人都可以请求截图和发送输入，因此应只在自己的机器或 Tailscale 等私有网络上运行。[Oh My Phone Use 安全说明](https://github.com/getGate/oh-my-phone-use/blob/870fa040b8d4c88ebcd4e8be4f39fd5f7dc5fe21/SECURITY.md#L5-L9)，[ipad_computer_use 安全说明](https://github.com/jamiepinheiro/ipad_computer_use/blob/ac07704c3b22be7627f13cb062cd36160a0c4cce/README.md#L38-L45)。

指令文本并非毫无作用，但它只是向模型提出要求，并不是一道锁。可以对比 [Pine](https://personalagentbench.com/agents/pine/)，其产品机制会在每次计费操作前询问用户。

## 手机智能体遥测：这些工具会向开发方发送什么

有4款工具会向分析服务报告使用情况，所含内容差异很大。

- **phone-harness** 默认开启并向 PostHog 发送数据。每个事件都可能携带你通过管道传入的脚本，最多20000个字符，以及输出末尾的内容。在 iPhone 上，输出可能包含从屏幕读取的文字。其安装指南称这些数据是匿名的。[默认开启](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/src/phone_harness/config.py#L78-L78)，[事件字段](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/src/phone_harness/telemetry.py#L128-L156)。可通过 `PHONE_HARNESS_TELEMETRY=0` 关闭。
- **Droidrun** 默认开启，并在第1个事件中发送你输入的目标。其文档称不会收集“任何个人或敏感数据”。[初始化事件中的目标](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/agent/droid/droid_agent.py#L847-L850)，[文档声明](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/docs/features/telemetry.mdx#L13-L13)。无论从何种角度看，“把钱还给我妹妹”这样的目标都属于个人信息。
- **iPhone Use** 在 Codex 安装中默认开启，只会通过与文档一致的允许列表发送工具名称、结果和耗时。自10月16日发布的0.3.14版本起，同一批事件除 PostHog 外还会发送至 Google Analytics；[其独立页面](https://personalagentbench.com/zh-cn/phone-use/iphone-use/)涵盖了后续版本。
- **mobile-use** 会在启用任何遥测前征求同意。[同意提示](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/minitap/mobile_use/main.py#L303-L339)。

对于 AutoGLM、esp32-iphone-agent、Oh My Phone Use、ipad_computer_use 和 iCTRL，我们没有发现遥测；OpenGUI 的分析功能只有未实现的占位代码。anan-iphone-use 的固件没有遥测，但负责观察屏幕的手机应用尚未发布，因此我们无法确定它会发送什么。

## 隐身、账号封禁与AI操作手机

应用会察觉自动化。总是落在正中央的点击、速度完全均匀的输入和一模一样的设备指纹，都是典型信号；WeChat、Instagram 和外卖应用等平台也有自己的风控机制。11个代码仓库都没有说明账号被标记后会发生什么。

Droidrun 走向了另一个方向。其开源代码包含一种默认关闭的隐身模式，并直白说明了目的：随机化点击位置，“避免那些暴露自动化行为、可预测的正中央点击”，同时加入类似真人的操作间隔和输入速度。[隐身状态](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/tools/ui/stealth_state.py#L1-L6)，[隐身设置](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/mobilerun/config_manager/config_manager.py#L233-L233)。其托管服务 [Mobilerun](https://mobilerun.ai/) 宣传“隐身输入与滑动”，以及能被识别为真实设备的手机。phone-harness 的 README 则宣传“带隐身、真实号码、2FA”的托管手机。[phone-harness README](https://github.com/ShawnPana/phone-harness/blob/7e3ea6cff1377db4d4f37e852c59493120aa52b6/README.md#L21-L21)。

另一端，AutoGLM 的条款禁止批量账号、群控和虚假互动，并称该项目用于研究和学习。[AutoGLM 条款](https://github.com/zai-org/Open-AutoGLM/blob/86f55382982fb054e8fc98ca80609dff8a2cdc3c/resources/privacy_policy_en.txt#L91-L100)。esp32-iphone-agent 要求用户遵守相关应用的条款。[esp32 负责任使用说明](https://github.com/onehumanbeing/esp32-iphone-agent/blob/88a51030b5ec36564157bc778c7827b4dffb4b41/README.md#L226-L229)。

iCTRL 是唯一在代码中避开应用防御机制的工具。如果它刚刚读取到的滑块或拼图检查区域是一次滑动或拖动的起点，操作会被拒绝，并向智能体显示消息，要求关闭该检查或将这一步报告为受阻；如果某个应用在10分钟内阻止操作3次，智能体会被要求停止使用它。其 README 还指出，模拟点击并不能保证绕过应用自身的机器人检测。[拒绝验证码操作](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/ActionHandler.swift#L449-L459)，[触发风控后的退避](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/iCTRLUITests/ActionHandler.swift#L4986-L4993)，[检测警告](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L692-L695)。

让应用看起来像由真人操作的软件，本质上就是为绕过该应用规则而设计的软件。无论你对此持何种看法，它都把风险转移到了你的账号上。

## 手机智能体基准测试：你看到的是谁的数据

有2个项目公布成功率，而且都是自行评测。mobile-use 称其在2026年1月率先完成 AndroidWorld 的全部任务，即116项中的116项。[mobile-use 声明](https://github.com/minitap-ai/mobile-use/blob/62913c933e21b27da353a89316a09f60525af496/README.md#L49-L49)。Droidrun 的 README 徽章显示91.4%，其网站则称 AndroidWorld 上为100%，iOSWorld 与 AndroidWorld 合计为98.34%，但没有说明模型、日期或评测执行者。[Droidrun 徽章](https://github.com/droidrun/mobilerun/blob/1935ada390f4e82c93daa97bd2c58f4794fc1699/README.md#L25-L25)。

iCTRL 公布的是速度而非成功率：每次点击约280毫秒，在8个应用中读取可见屏幕的耗时中位数为416毫秒。[iCTRL 速度](https://github.com/OpenMinis/iCTRL/blob/d88bbf0b3a5addead31b4298d605d7ac7a87d6e7/README.md#L126-L130)。

据我们所知，这些数字均未得到独立复现，而且2个“100%”的说法不可能都算新消息。由厂商自行运行的[基准测试](https://personalagentbench.com/benchmarks/)只是起点，不是结论。我们没有在自己的测试中运行任何手机智能体；它们在本站都没有得分。

## 常见问题

**什么是手机智能体？** 它是连接到真实手机的语言模型：以截图或元素树的形式查看屏幕，选择点击、滑动或按键，并重复操作直至任务完成。它可以在没有网页版或 API 的应用中工作。

**AI无需越狱就能控制 iPhone 吗？** 可以。iPhone Use、Droidrun 和 AutoGLM 使用由你自行完成开发者签名的 Apple WebDriverAgent；iCTRL 附带自有 XCTest 运行器，可使用免费 Apple ID 签名；esp32-iphone-agent 伪装成 USB 键盘和鼠标；Oh My Phone Use、ipad_computer_use 和 anan-iphone-use 把屏幕共享与小型开发板组合起来，通过蓝牙或 USB 实现同类操作；phone-harness 则控制 macOS iPhone Mirroring。它们都不需要越狱。

**哪款手机智能体会在付款前询问用户？** 从代码看，只有 AutoGLM，而且仅在其模型标记这次点击时才会询问，英文提示词并未教模型这样做。OpenGUI 的后端、phone-harness、Oh My Phone Use 和 iCTRL 通过给模型的指令提出这一要求。对于其他工具，我们没有发现付款确认机制。

**在主力手机上使用手机智能体安全吗？** 我们不建议这样做。手机解锁期间，智能体通常可以打开任何应用并点击任何位置；你的屏幕会发送给模型提供商；没有项目解释账号封禁风险。请使用备用手机和即使失去也能承受的账号。

**手机智能体会把我的数据发送到其他地方吗？** 你的屏幕会发送给你配置的模型。此外，phone-harness 和 Droidrun 默认发送可能包含任务文本的使用事件；iPhone Use 只发送工具名称和耗时；mobile-use 会先征求同意。

**哪款开源手机智能体最好？** 我们不做排名，也没有实际运行这些工具。上表展示了各自的取舍：AutoGLM 是唯一在代码中设置确认步骤的工具；iPhone Use 将默认遥测限制为工具名称和耗时；Droidrun 覆盖的平台最多，但附带隐身功能，并默认发送你的目标文本；iCTRL 则会拒绝对抗应用的反机器人检查。这是一项基于2026年10月13日和19日固定提交版本的源码审查，[iPhone Use](https://personalagentbench.com/zh-cn/phone-use/iphone-use/)另有独立页面。

---

Published by Personal Agent Bench (https://personalagentbench.com), run by the Zentor team. Zentor builds agent software of its own, so its products are not on the scorecard and will not be added.
