droidrun
droidrun 是一款强大的开源框架,旨在通过自然语言指令自动化控制 Android 和 iOS 移动设备。它充当了一个与大模型(LLM)无关的智能代理,让用户只需像与人对话一样发出命令,即可驱动手机完成复杂操作,从而解决了传统移动端自动化脚本编写门槛高、灵活性差以及难以应对动态界面变化的痛点。
这款工具特别适合开发者、测试工程师及 AI 研究人员使用。开发者可以利用其易用的命令行界面和可扩展的 Python API 快速构建自定义自动化流程;研究人员则能借助其对多步骤任务的规划能力和执行追踪功能,深入探索移动智能体技术。此外,需要批量处理重复性手机任务的高级用户也能从中获益。
droidrun 的技术亮点在于其广泛的兼容性与智能化水平。它不仅支持 OpenAI、Anthropic、Gemini、Ollama 等多种主流大模型提供商,还具备截图分析能力,能“看懂”屏幕内容以做出精准决策。框架内置的任务规划引擎可拆解复杂的多步指令,而集成的 Arize Phoenix 执行追踪功能则为调试提供了透明化的视角。无论是预订住宿、追踪热点还是维护应用打卡记录,droidrun 都能让手机操作变得像对话一样简单高效。
使用场景
某跨境电商运营团队每天需要监控多个竞品在移动端 App 内的价格变动、促销活动及用户评论,并整理成日报。
没有 droidrun 时
- 测试人员必须手动连接真机或模拟器,逐台点击屏幕进行截图和记录,耗时且容易出错。
- 面对复杂的跨页面操作(如搜索、筛选、进入详情页),编写传统的 UI 自动化脚本(如 Appium)代码量大且维护困难,一旦 App 界面微调脚本即失效。
- 无法灵活应对动态内容,例如当促销弹窗随机出现时,硬编码的脚本往往直接崩溃,缺乏视觉理解能力。
- 多设备并行测试成本高,难以同时覆盖 Android 和 iOS 不同版本的真实表现,数据收集效率极低。
使用 droidrun 后
- 运营人员只需输入自然语言指令(如“打开竞品 App,搜索跑鞋,记录前三个商品的价格和评分”),droidrun 即可自动规划并执行多步操作。
- 依托大模型的视觉分析能力,droidrun 能智能识别并处理随机弹窗、广告干扰等突发状况,无需预先编写复杂的异常处理逻辑。
- 支持同时调度多台 Android 和 iOS 设备并行任务,自动完成截图分析与数据提取,将原本数小时的工作压缩至几分钟。
- 通过内置的执行追踪功能,团队可清晰复盘每一步操作逻辑,快速调整指令而非重写代码,大幅降低了自动化门槛。
droidrun 将繁琐的移动端人工操作转化为简单的自然语言交互,让非技术人员也能轻松构建高鲁棒性的手机自动化工作流。
运行环境要求
- 未说明
未说明
未说明

快速开始
Mobilerun 是一个基于 Droidrun 的云解决方案,Droidrun 是一个强大的框架,可通过 LLM 代理控制 Android 和 iOS 设备。它允许您使用自然语言命令自动化设备交互。查看我们的基准测试结果
- 🤖 使用自然语言命令控制 Android 和 iOS 设备
- 🔀 支持多个 LLM 提供商(OpenAI、Anthropic、Gemini、Ollama、DeepSeek)
- 🧠 具备复杂多步骤任务的规划能力
- 💻 易于使用的 CLI,具有增强的调试功能
- 🐍 可扩展的 Python API,用于自定义自动化
- 📸 截图分析,以视觉方式理解设备状态
- 使用 Arize Phoenix 进行执行跟踪
📦 安装
注意: 目前不支持 Python 3.14,请使用 Python 3.11–3.13。
pip install droidrun
🚀 快速入门
请阅读我们的文档,了解如何在几秒钟内启动并运行 droidrun:点击这里!
🎬 演示视频
💡 示例用例
- 移动应用的自动化 UI 测试
- 为非技术人员创建引导式工作流程
- 自动化移动设备上的重复性任务
- 为技术能力较弱的用户提供远程协助
- 使用自然语言命令探索移动 UI
👥 贡献
欢迎贡献!请随时提交 Pull Request。
📄 许可证
本项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。
安全检查
为确保代码库的安全性,我们集成了 bandit 和 safety 工具进行安全检查。这些工具可以帮助识别代码和依赖项中的潜在安全问题。
运行安全检查
在提交任何代码之前,请运行以下安全检查:
Bandit:用于查找 Python 代码中常见安全问题的工具。
bandit -r droidrunSafety:用于检查已安装依赖项是否存在已知安全漏洞的工具。
safety scan
版本历史
v0.5.82026/04/02v0.5.72026/04/02v0.5.62026/04/02v0.5.52026/04/02v0.5.32026/03/28v0.4.262026/02/02v0.4.252026/02/02v0.4.242026/02/02v0.4.222026/01/17v0.4.212026/01/13v0.4.202026/01/13v0.4.192026/01/09v0.4.182025/12/25v0.4.172025/12/17v0.4.162025/12/17v0.4.152025/12/11v0.4.142025/12/10v0.4.132025/11/22v0.4.122025/11/22v0.4.102025/11/20常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。



