个人业余项目，做了一个可以物理操作 iPhone 的 agent，不知道有商业前景吗？

[fzuccq]

淘宝美团常用的 app ，都没有 API ，agent 没法直接调用。走 ADB 容易被风控，豆包手机那条路似乎也很坎坷不好走。

我想，如果能用硬件直接托管 iPhone ，用摄像头观察屏幕，用机械臂点击，或许能绕过大部分风控检测。搞了几个月，agent 跑通了，使用起来还可以。

目前，最大的问题不是可行性的问题，是 token 太贵，点击一次 token 花费 0.2 元。

大家觉得这种 agent 有商业前景吗？

项目地址： https://github.com/physiclaw/PhysiClaw

硬件组装手册和代码都开源，硬件 DIY 成本 1000 元左右。

[sillydaddy]

有没有钱景不知道，不过我一直在找呢： /t/1004095
另外问下，耗费贵是因为图片太耗 token 吗？

[network127001]

你这种大规模应用后不就是主板机，恶意刷单

[bwnjnOEI]

我刚在 x 上刷到这个东西叫 lumi 吧

[flyqie]

这种感觉得考虑法律风险。

[fzuccq]

@sillydaddy 每一次点击动作，agent 都需要观察屏幕才能决策，prompt 需要把图片放到 context 里面，当然 context 做了很多优化，但 token 还是很贵。

[fzuccq]

@flyqie 法律风险肯定要考虑，不过这是开源软件，我只做 harness ，不运营。

[bwnjnOEI]

@bwnjnOEI https://x.com/saameeey/status/2081422451418743066?s=61

[fzuccq]

@network127001 只是觉得日常点外卖、买火车票、挂号，这些事，应该 AI 来做，人们只需要交代一声就行了。

[sillydaddy]

我记得看到过 Google 有 Gemini Live API ，也就是流式处理图片和声音，延迟很低。价格不知道怎么样。

[timethinker]

黑灰产自动化可能会有用，可以将一些常规且重复的操作流程，利用 AI 烘培为基于 OCR 的程序化操作，类似于生成一次性的中间脚本，这样就不用经过 AI ，也不用消耗 Token ，只在某些意外情况无法解决的时候，再由 AI 介入进行修复，然后更新 Case 。

[jayeli]

本地部署的大模型可以跑吗？

[fzuccq]

@bwnjnOEI 不知道他这多少钱一套？

[fzuccq]

@jayeli 本地模型，一是太慢，二是能力不行，容易在陌生界面卡住。

[fzuccq]

@timethinker 你这烘培称 OCR 的程序化操作思路非常不错，我看看能不能加进来，减少 token 消耗，速度还快。

[DeadLion]

感觉没有前景，中间产物。
未来“豆包手机”这种更可能是主流。
或者再进一步没有 app 了，都是 xx-cli ，自己部署一个 xxclaw 就能用了。

[fzuccq]

@DeadLion 豆包也是命途多舛，agent 是大厂必争之地，能让豆包这没有硬件基础的公司垄断吗？

[network127001]

系统自带的 ai agent 才是趋势，有厂家兜底，这玩意最大的问题就是安全隐私了吧，豆包手机不就被下架了。万一模型投毒 给你钱包刷爆就完了 ：（
@fzuccq

[fzuccq]

@network127001 安全性是很大的问题，给 agent 权限越大，越方便，出了问题越严重，咱们的许多身家可都在手机上呢。

[nilaoda]

极客湾测续航似乎也是这种

[kulove]

没有前景 自己做也做不到完美 而且手机厂商会自己做的