phone-harness

App 不开放 API，Agent 就只能在浏览器里打转——打车、点外卖、发消息这些真正长在手机上的事碰不了。phone-harness 换了条路：让 Claude Code、Codex 或任何智能体像人一样用一台真实的 iPhone 或安卓手机，看屏幕、点按、打字、读结果。最巧的是它的实现——iPhone 直接把 macOS 的「iPhone 镜像」窗口当眼睛，不越狱、不装 Xcode、手机端什么都不装。公众号「开源先锋」9 月 29 日推荐过它（仓库 2026-08-07 创建，查于 2026-09-29 已有 3,084 星）。

核心功能

• 手机零改动：iPhone 走 Mac 上的「iPhone 镜像」窗口，安卓走 adb（USB 或 Wi-Fi）；不越狱、不装 Xcode、手机上不装任何自动化 App。
• 屏幕当眼睛：iPhone 用苹果 Vision 框架做 OCR，find_text("Weather") 直接返回 (400, 468) 这样的可点击坐标，tap(400, 468) 一点即中；安卓读系统无障碍树，文字比 OCR 还准。
• 双平台一套函数：助手函数两边通用，phone-harness config set platform ios|android 一条命令切默认设备。
• Agent Skill 注册：phone-harness skill 生成 SKILL.md，注册进 Claude Code / Codex 后随时调用；README 还给了一段让智能体自己安装自己的 setup 提示词。
• 花钱前先请示：官方演示任务是「从我现在的位置叫一辆 Waymo 去 Delah Coffee」——智能体自己开 App、输目的地，查完车费停下来向用户确认，而不是自作主张付款。
• 云端租手机：phone-harness cloud start 租一台专属云安卓，App 和登录状态保留，前 100 分钟免费；cloud stop 停止计费，start --temp 用完即弃。

典型使用场景

1. 没有 API 的 App 自动化：打车、订餐、银行类操作，智能体照着屏幕一步步替你点。
2. 批量重复操作：给一串联系人发消息、逐条整理应用里的内容，写几行 Python 循环交给它。
3. 跨平台测试：只有 iPhone 的开发者可以租一台云安卓，把同一套脚本跑在另一端。

和 OpenMausBot 让智能体操控一台完整电脑、动手前在聊天里审批是同一个思路，phone-harness 把活动半径进一步缩到了你的口袋里。

快速上手

前置：Python 3.10+；iPhone 方案需要一台 Mac，安卓方案 macOS / Linux / Windows 都行。最省事的装法是把 README 的 setup 提示词丢给 Claude Code 或 Codex，让它自己装自己；手动装法按 README 走 install.md。装完先体检：

phone-harness --doctor

它逐项检查依赖链：iPhone 需要在「系统设置 → 隐私与安全性」给终端开辅助功能和屏幕录制权限，安卓需要开发者选项加 adb 授权。通过后写几行 Python 就是一次完整操作：

phone-harness <<'PY'
open_app("Notes")
tap_text("New Note")
type_text("hello from the harness")
print([o["text"] for o in ocr()][:10])
PY

小结

想让 Agent 把「手」伸进手机 App 的开发者和自动化玩家，Mac + iPhone 或任意一台安卓机今天就能跑起来；只想点点链接、抓抓网页的没必要上真机，浏览器方案更省事。MIT 协议、Python 实现，仓库 2026-08-07 创建、2026-09-27 还在推送，项目还年轻（查于 2026-09-29，3,084 星）。局限在 README 里写得诚实：iPhone 解锁会暂停镜像、安卓输 PIN 得你来；OCR 只认文字不认图标，无标签控件要靠视觉模型看截图；没有多点触控、相机和 Face ID 流程，DRM 视频一片黑。另外云手机是它的收费服务，重度使用会变成一笔订阅开支。