[随想] 对”豆包手机”的一点点思考(偏一点技术向)
·
豆包手机的感想 最近豆包手机很火，恰好看到智谱开源的 AutoGLM ，在群里吹水聊了下，记录下一点点思考。 我虽然没有真机体验，看了 B 站很多真实用户分享的视频，还是挺激动。之前在 Github 看到过类似手机 ai 相关项目，大多技术路线差不多：通过 adb 、无障碍、root 等方式获取截图、ui 层级、设备运行信息等，然后调用远程模型(deepseek 、gpt 等)，搭配内置的提示词，实现自动化操作手机。比较出名的有：Operit AI，minitap-ai，droidrun 等，以及这几天智谱开源的Open-AutoGLM项目，智谱和其他不同的是使用了针对手机场景训练的 AutoGLM-Phone-9B 模型。 这些项目的原理和实现思路其实大同小异，前几个项目出来也有段时间了，我实际用过 Operit AI 。为啥选它呢？很简单，要是想体验舒服点，没人愿意一直用 adb 方式（总不能一直连电脑吧🤣），而 Operit AI 是独立 APP 方式，提供无障碍、root 等方式激活运行，能获取 UI 层级、截图、执行 shell 命令，有很多内置库和 mcp 。但我实测简单的任务可以，比如打开打开网易云音乐搜索某首歌播放、打开 B 站搜索关键词播放并点赞，整体效果比较慢，主要受模型、提示词、实现逻辑等影响。体验后就很少使用了，主要是容易出错、体验不够流畅，当时就觉得这东西应该由手机厂商去做，系统有”上帝权限”，根本不用靠无障碍或 adb 去拿设备信息，再加上端侧 ai 能力，也就是离线本地运行的模型，这样能避免很多问题：运行效率、隐私性等，就是肯定会更耗电。 豆包手机出来后，我觉得基本贴近我之前想的方案了，惊喜的是，它用了类似”虚拟屏”的技术方案，也就是 ai 操作可以放后台，后台应用能达到”前台效果”，还不影响前台用户操作手机，也就是可以轻松完成以下类似场景：打游戏的时候呼出豆包助手，及时给老婆回条消息(现在不让操作微信了)，B 站上好多视频都展示过类似场景，这里就不专门吹了。还有一点，豆包手机整体 ai 操作比较丝滑，但是看到有的视频里提到有使用服务器额度的提示，也没见过断网后离线使用的实测，所以猜测大概率还是远程模型+本地轻量模型的方案。 豆包手机被限制 发布没几天，微信、阿里这些大厂的软件就开始封禁或抵制豆包手机了，具体表现为警告、限制登录等。由于没摸到真机，网上也没有流出解锁 BL 或…