PokeClaw是什么
PokeClaw（全称 PocketClaw）是开源 Android AI 自动化应用，由开发者 Nicole 独立打造。是首个实现完全本地离线运行的手机 AI 代理，基于 Google Gemma 4 模型通过 LiteRT-LM 运行时直接在设备端推理，无需联网、账户或 API 密钥即可自主控制手机。通过 Android 无障碍服务读取屏幕 UI 树，AI 可执行点击、滑动、输入文字、发送消息等操作，实现真正的闭环代理。所有数据处理均在本地完成，彻底保护隐私；同时可选配 OpenAI、Anthropic 等云端模型增强复杂任务能力。支持 WhatsApp 上下文感知自动回复、通知汇总、跨应用操作等功能，仅需 Android 9+ 和 8GB 内存即可运行。
PokeClaw的主要功能
完全本地离线 AI 运行：基于 Google Gemma 4 模型在设备端推理，无需联网、账户或 API 密钥，数据不离开手机。
云端模型可选增强：支持连接 OpenAI、Anthropic、Google 等 API 获得更强推理能力，实时显示 token 消耗和成本。
手机自动化控制：通过 Android 无障碍服务读取屏幕 UI 树，自主执行点击、滑动、输入文字、发送消息、打开应用等操作。
上下文感知自动回复：监控 WhatsApp 等应用的消息通知，自动打开聊天界面阅读历史对话后生成智能回复。
技能系统（Skills）：提供预设可复用工作流，将通用工具组合成特定任务序列，如自动回复、晨间简报、智能转发。
系统信息查询：实时报告电池状态、存储空间、手机温度、蓝牙状态、已安装应用、Android 版本等。
多语言与设备兼容：界面支持英语、印地语、日语、德语、繁体中文，适配 Tensor G3/G4、骁龙 8 Gen 2+、天玑 9200+ 等芯片。
如何使用PokeClaw
下载安装：从 GitHub Releases 获取 APK 文件安装 https://github.com/agents-io/PokeClaw，首次启动时自动下载约 2.6GB 的本地模型。
授予权限：开启无障碍服务权限（必需，用于屏幕读取和操作）和通知访问权限（推荐，用于后台消息监控）。
选择运行模式：本地模式无需任何配置即可使用，云端模式需在设置中填入 OpenAI、Anthropic 或 Google 的 API 密钥。
聊天交互：在底部输入框用自然语言发送指令。
任务卡片：在任务界面点击技能卡片（如”监控 WhatsApp 消息”或”发送消息”），填写联系人名称和内容后执行。
后台运行：启用自动回复监控后保持应用在后台运行，AI 会自动检测新消息并执行回复流程。
PokeClaw的核心优势
完全本地离线运行：基于 Google Gemma 4 模型在设备端直接推理，无需联网、无需账户、无需 API 密钥即可使用核心功能，所有数据处理均在手机内部完成，从根本上杜绝隐私泄露风险。
隐私优先架构：本地模式下用户的屏幕内容、聊天记录、个人数据不会传输到任何外部服务器，敏感信息始终保留在设备端，实现真正的数据主权。
上下文感知智能：自动回复功能不仅监控消息通知，还会主动打开聊天界面阅读完整对话历史，基于前文语境生成恰当回复，而非简单触发固定模板。
技能系统（Skills）：将通用工具（点击、滑动、输入等）组合成可复用的工作流（如自动回复、晨间简报），让小模型也能可靠执行复杂多步任务，同时支持用户自定义技能扩展。
成本透明可控：云端模式实时显示 token 消耗和运行费用，支持设置软/硬预算上限，用户在复杂任务执行过程中可随时掌握资源使用情况。
零门槛部署：不需要 root 权限，不需要开发者账号，APK 安装后即可使用，支持 Android 9+ 和 8GB 内存以上的主流设备，兼容 Tensor、骁龙、天玑等多种芯片平台。
PokeClaw关键信息和使用要求
项目性质：开源 Android AI 自动化应用，采用 Apache 2.0 协议，由开发者 Nicole 独立开发并维护，代码托管于 GitHub（agents-io/PokeClaw）
核心定位：全球首个实现完全本地离线运行的手机 AI 代理（On-device AI Agent），无需云端连接即可自主控制 Android 设备执行复杂任务
技术基础：基于 Google Gemma 4 模型（通过 LiteRT-LM 运行时推理），支持原生工具调用（Tool Calling），模型大小约 2.6GB，纯本地推理无需 GPU 加速（CPU 可运行）
运行模式：本地优先架构，默认离线运行保障隐私；可选接入 OpenAI、Anthropic、Google 等云端 API 增强复杂任务处理能力，支持会话中无缝切换模型
控制方式：通过 Android 无障碍服务（Accessibility Service）获取屏幕 UI 树信息，AI 自主决策并执行点击、滑动、输入、发送消息等操作，形成闭环代理流程
核心功能：上下文感知自动回复（支持 WhatsApp）、通知汇总、剪贴板分析、系统信息查询、跨应用操作，以及基于 Skills 架构的可复用工作流系统
系统要求：Android 9.0 及以上版本，arm64 架构芯片，最低 8GB RAM（推荐 12GB+），至少 3GB 空闲存储空间（首次下载模型），无需 root 权限
硬件性能：纯 CPU 设备可运行但启动约需 45 秒；推荐搭载 Tensor G3/G4（Pixel 8/9）、骁龙 8 Gen 2+、天玑 9200+ 等芯片的设备以获得秒级响应
必要权限：必须授予无障碍服务权限（用于屏幕读取和自动化操作），建议授予通知访问权限（用于后台消息监控和自动回复功能）
首次配置：安装 APK 后首次选择本地模式时自动下载约 2.6GB 模型文件；选择云端模式需在设置中配置对应 API 密钥（OpenAI、Anthropic、Google 等）
语言支持：界面支持英语、印地语、日语、德语、繁体中文，技能系统支持任意语言的指令输入和应用操作
网络需求：本地模式完全离线运行无需网络；云端模式需要联网连接对应 API 服务；模型下载需要稳定网络连接（支持断点续传）
PokeClaw的同类竞品分析
| 对比维度 | PokeClaw | HeyBro | Google Project Astra |
|---|---|---|---|
| 开发方 | Nicole / agents.io（独立开发者） | iamvaar-dev（独立开发者） | Google DeepMind（大厂） |
| 开源协议 | Apache 2.0 | 未明确标注（Flutter/Kotlin 项目） | 闭源（Google 内部项目） |
| 运行模式 | 本地优先（Gemma 4 离线运行）+ 可选云端 | 仅云端（需 Google AI Studio API 密钥） | 云端为主（集成 Gemini）+ 端侧推理 |
| 手机控制方式 | Android 无障碍服务读取 UI 树并执行操作 | 悬浮窗权限 + 无障碍服务控制屏幕 | 系统级深度集成，自主控制应用和设置 |
| 模型支持 | Google Gemma 4（本地）+ OpenAI/Anthropic/Google（云端） | 依赖 Google AI Studio 云端模型 | Gemini 系列模型（云端+端侧） |
| 隐私保护 | 本地模式完全离线，数据不出设备 | 需上传屏幕数据至 Google AI Studio | 数据上传至 Google 云端处理 |
| 功能范围 | WhatsApp 自动回复、通知汇总、跨应用操作、技能系统 | 通用设备自动化（基于自然语言指令） | 实时环境理解、视觉辅助、跨应用任务、主动建议 |
| 硬件要求 | Android 9+，8GB+ RAM，arm64，3GB 存储 | Android 设备（Flutter 跨平台），需悬浮窗权限 | 未公开具体配置，需较新 Android 设备 |
PokeClaw的应用场景
消息自动化管理：监控 WhatsApp 等应用特定联系人消息自动上下文感知回复，支持错过电话后自动发送跟进短信，适用于驾车、会议等无法手动回复的场景，或帮助用户管理高频社交沟通。
设备状态智能监控：实时检查电池健康度、存储空间占用、手机温度、蓝牙状态及已安装应用情况，自动分析并建议清理目标，适用于设备维护、性能优化和故障排查。
跨应用信息检索与整合：在 YouTube 应用内搜索视频、查看 Twitter/X 趋势话题、在 Reddit 查找内容、复制邮件主题进行 Google 搜索，适用于需要快速获取多平台信息的调研和信息收集场景。
个人日程与信息简报：执行晨间简报流程，自动打开天气应用读取温度、查看日历获取当日事件、统计未读邮件数量并生成摘要，适用于每日开始时的信息汇总和行程规划。
隐私敏感数据处理：在完全离线模式下分析剪贴板内容、汇总通知信息、处理个人敏感数据，适用于对隐私要求极高的商务、医疗或法律场景，确保敏感信息不离开设备。
无障碍操作辅助：通过自然语言指令让 AI 自主完成点击、滑动、输入等操作，帮助行动不便或视觉障碍用户更便捷地控制手机应用，降低智能手机使用门槛。
相关文章
