最近我做了一件挺有意思的事：把 OpenClaw 接到了手机上。
视频演示地址：
3.56 复制打开抖音，看看【AI创绘🍭的作品】OpenClaw 真机实测：自动回微信、刷抖音、点... https://v.douyin.com/Goqsr2qRXuQ/ B@G.iC 04/11 Agb:/
不是让 AI 只会聊天，也不是只负责告诉你下一步该怎么点，而是让它真正去看懂手机界面，然后自己完成点击、滑动、输入、跳转等动作。
这次主要用到的项目，是智谱开源的 Open-AutoGLM。
它本质上是一个 Phone Agent 框架：通过视觉理解手机界面，再结合 ADB 控制设备，完成整套操作流程。
项目地址：https://github.com/zai-org/Open-AutoGLM
而我这次做的事情，是把它进一步和 OpenClaw🦞 接到一起。
这样一来，OpenClaw🦞 可以通过 微信、飞书，或者其它通讯_Bot 接收指令，再去控制已经连上的手机执行任务。
这套方案怎么工作？
简单说，它不是“把 OpenClaw🦞 装进手机里”，而是通过一套 通讯入口 + OpenClaw🦞 调度 + 手机执行 的协同方式来完成操作。
整个链路可以理解为：
- 用户通过 微信、飞书，或者其它通讯_Bot 发送指令
- OpenClaw🦞 接收并理解任务
- 接入 Open-AutoGLM
- 手机通过 ADB 与电脑连接
- 模型读取当前手机界面截图
- 判断下一步该执行什么操作
- 再由手机完成点击、滑动、输入、跳转等动作
- 执行结果再返回到通讯_Bot消息入口
也就是说，它不是传统那种写死坐标的脚本，而是更接近一种基于视觉理解的 手机代理（Phone Agent）。
它会先判断当前页面是什么、按钮在哪里、是否有弹窗干扰、操作有没有成功，然后再继续下一步。
这次演示跑通了什么？
我这次主要实测了几类场景：
1）微信自动操作
- 打开微信
- 找到指定联系人
- 发送消息
- 查看最后一条聊天内容
- 基于上下文生成回复并发送
2）抖音自动操作
- 打开抖音
- 刷到第 N 条视频
- 自动点赞
- 处理中途弹窗
- 流程被打断后继续恢复
3）手机基础控制
这些能力组合起来，说明它已经不只是“演示点几下按钮”，而是开始具备一些真实可落地的手机操作能力。
这套能力的想象空间，其实不止微信
如果只是把它理解成“微信自动回复”或者“抖音自动点赞”，那还是把这套能力看窄了。
一旦链路真正打通，OpenClaw🦞 相当于拥有了一台自己的“手机”。
它不只是能收消息、回消息，而是可以像真人一样，直接去操作手机上的各种 App。
比如，它可以：
- 在 大众点评 里搜索餐厅、查看结果、继续执行后续操作
- 在 小红书 里打开页面、整理内容、发布笔记
- 去操作你手机里已经安装的其它应用
- 通过消息入口接收任务，再到手机端完成整个执行过程
你可以把它理解成：
给 OpenClaw🦞 AI助手装上了一双真正能操作手机的手。
这样一来，AI的能力边界就不再只是“会聊天、会写字、会回答问题”，
而是进一步变成了：它能在手机这个终端上，替你完成一部分真实动作。
这件事真正有意思的地方在于，它给了 AI 一个更接近“数字分身”的形态。
比如最直接的一个想象就是：
可以给它单独创建自己的微信
也就是说，它可以作为一个独立微信账号加入群聊，像一个真人一样去参与对话。
你可以提前用自然语言给它设定规则，比如：
- 在什么情况下回应
- 在什么情况下保持安静
- 遇到什么话题该怎么说
- 应该扮演一个什么样的角色
- 回答的语气、边界和风格是什么
这样一来，它就不只是一个放在后台的工具，而更像一个真正可被调度、可被设定、可参与互动的智能体。
当然，微信只是其中一个入口。
真正的想象空间在于：只要手机上有对应的 App，理论上就存在被接入、被编排、被自动执行的可能。
项目本身的应用覆盖也比较广
这也是我觉得它不只是一个 Demo 的原因之一。
根据 Open-AutoGLM 项目介绍，Phone Agent 已支持 50+ 款主流中文应用，覆盖的类别包括：
| 分类 |
代表应用 |
| 社交通讯 |
微信、QQ、微博 |
| 电商购物 |
淘宝、京东、拼多多 |
| 美食外卖 |
美团、饿了么、肯德基 |
| 出行旅游 |
携程、12306、滴滴出行 |
| 视频娱乐 |
bilibili、抖音、爱奇艺 |
| 音乐音频 |
**云音乐、QQ 音乐、喜马拉雅 |
| 生活服务 |
大众点评、高德地图、百度地图 |
| 内容社区 |
小红书、知乎、豆瓣 |
这意味着它并不是只能在单个 App 里做孤立演示，而是已经具备了一定的跨应用执行基础。
这套工作流程的优势是什么？
我觉得这套方案最大的价值，不是单个功能有多炫，而是它代表了一种新的工作方式：
OpenClaw🦞 不只是会回答问题，而是开始具备执行能力。
相比传统手机自动化，这套方式有几个明显优势：
- 不依赖写死坐标，适应界面变化能力更强
- 能结合视觉理解做判断，不是机械执行
- 能处理一部分弹窗和中断场景
- 可接入微信、飞书、ClawBot 等通讯入口，远程下发任务更自然
- 更容易扩展到不同 App 和不同任务流程
说白了，它更像“让 OpenClaw🦞 AI成为手机操作员”，而不只是一个聊天机器人。
它的局限也很明显
当然，这套方案现在还不是万能的，局限也很现实：
- 依赖电脑端运行，不是纯手机独立方案
- 依赖 ADB 连接稳定性
- 手机最好保持亮屏
- 不同机型、不同 App 页面需要适配
- App 更新后可能要重新调
- 复杂场景下仍然会有误判概率
- 平台风控也会影响实际可用边界
所以它更适合的是：
流程明确、频率不高、允许人工兜底、可以持续维护优化 的自动化任务。
最后
从这次实测来看，这个方向我觉得是成立的。
它已经不是单纯的 Demo，而是一个可以继续往落地方案推进的雏形。
尤其是在 OpenClaw🦞 已经可以连接微信、飞书、等通讯入口 的前提下，这套能力的使用门槛会进一步降低：
你不一定非得坐在电脑前，也可以直接通过消息入口发指令，让已经连上的手机去执行任务。
如果你也想自己搭一套，或者想直接把 微信自动回复、抖音自动操作、手机基础控制、通讯入口远程调度 这类能力跑起来，我这边也可以提供 代部署、调试和适配支持。
如果你想自己部署，我可以继续整理完整流程和避坑清单；
如果你想直接落地，我也可以帮你 代搭、代调、代跑通。
👥 NAS 折腾交流群
如果你也在折腾 NAS / OpenClaw🦞 / AI自动化流程，欢迎关注私信微信公众号"纳斯派"进群一起交流。
