DroidRun

DroidRun 是一个开源框架，核心思路是让大语言模型代理去操作 Android 设备：你用自然语言下指令，它负责把指令翻译成点击、滑动、输入这类具体动作。它结合了截图识别和界面结构提取两种方式来判断屏幕上的元素，定位比单靠一种手段更稳一些。这篇文章面向开发者、做移动端自动化测试的人，以及想搞清楚”AI 直接操作手机”到底走到哪一步的读者，梳理一下它的能力边界和上手成本。

使用体验与适用人群

从项目文档和仓库信息来看，DroidRun 的流程大致是：在电脑上装好运行环境，连上 Android 设备，配置一个模型服务，然后用自然语言下达指令。它一边截图、一边读取 UI 控件树，把画面和结构信息合起来判断下一步该点哪里。这个双通道设计是它比较实在的地方——纯截图容易认错位置，纯读控件树又经常看不懂自定义控件，两种信息互补，容错空间会大一点。

整体看，它并不是装上就能用的消费级工具，更像一套给开发者准备的脚手架。官方提供了命令行界面和 Python API 两个入口，单条指令走 CLI 就够了，重复流程多半要落成脚本。

• 做 Android UI 自动化测试的开发者，希望用自然语言描述用例，而不是逐个写选择器；
• 已经在折腾 LLM agent，想把实验场景从浏览器搬到手机上的人；
• 需要处理重复点击流程的小团队，愿意自己搭环境、维护脚本；
• 对”手机自动操作”好奇、也接受调试成本的个人用户。

几点上手前值得留意的：

• 安装包建议优先从 官方开源仓库或官网获取，下载后先做一次安全扫描；
• 核对版本号与最近更新时间，活跃项目和停更半年的项目，踩坑成本差很多；
• 设备权限和数据读取范围在不同地区可能有合规要求，团队内使用前最好先确认清楚；
• 模型接口是否收费、额度是否够用，取决于你选择的提供商，以实际页面为准；
• 项目目前处于等待列表阶段，功能开放程度和服务形态可能会变，仍以实际页面为准。

常见问题 FAQ

• DroidRun 是免费的吗？代码本身采用 MIT 许可证开源，但调用 LLM 通常需要你自己准备模型服务和密钥，费用情况以实际页面为准。
• 不会编程能直接用吗？门槛不低。命令行能跑通简单指令，稍微复杂的流程基本都要写 Python 脚本。
• 支持哪些模型？文档提到 OpenAI、Anthropic、Gemini、Ollama、DeepSeek 等，本地跑 Ollama 也可以，具体支持列表建议看仓库最新说明。
• 现在就能用吗？项目处于等待列表阶段，注册和开放节奏以官网实际页面为准，建议同时关注 GitHub 的更新。
• 主要能干什么？常见方向是 UI 自动化测试和执行重复性操作任务，本质上替代的是手工点屏幕的那部分工作。

DroidRun 的价值在于把”用自然语言指挥手机”这件事做成了可以复用的开源框架，模型可换、接口开放，适合拿来做实验和自我验证。局限也摆在那儿：环境搭建和指令调试都要花时间，稳定性受设备、模型和界面复杂度影响。更合适的定位是补充性渠道，配合既有的测试流程和合规工具一起用，而不是指望它一步到位替代人工。