刷到一段手机自己动的视频，扒出了 Google 的 ARTEMIS

，一部手机自己在动，没人碰它，先在高德地图里查了条路线算出耗时，紧接着切到 YouTube 放了首 Coldplay。

我盯着看了两遍，以为是录屏剪辑，结果扒了下来源，发现是个叫 ARTEMIS 的开源项目，Google 放出来的，专门让 AI 操作真机。

先说说它是干嘛的

一句话形容就是，给你雇了个不知疲倦的测试员，而且这个测试员只听人话。

你不用写脚本，不用告诉它某个按钮在第几行第几列，直接说"打开系统设置，找到电池选项，告诉我当前电量"，它就自己在手机上点点点，跨几个 App 都没问题。

背后的定位逻辑挺讨巧，优先读无障碍树里的元素索引，遇到 Canvas、Compose、Flutter 这种自己画界面的 App，再用 OCR 和视觉模型兜底。相当于既认识路牌，也能在没路牌的地方靠认地标找路。

它在 Google Research 的 AndroidWorld 基准上跑出了 99%+ 的完成率，这个评测有 100 多个多步骤任务，覆盖 20 多款 App，不是随便糊弄的成绩单。

老问题被换了个解法

做过自动化测试的人应该都懂那种烦，脚本写死了元素选择器，App 一改版，测试全崩，维护起来比写新功能还累。

这种脚本有点像让人闭着眼睛按记忆走一条路，路上的招牌换了个位置，人就直接撞墙。

ARTEMIS 的思路是让模型去"看"屏幕再做判断，招牌换了地方也能认出来，这才是真正能扛住版本迭代的自动化。

更实际的一点是它把 MCP 协议原生接进去了，Antigravity、Claude Code、Windsurf 这些 IDE 可以直接调用它操作设备，实时收日志、截图，写测试和跑测试、定位 Bug 被塞进了同一个流程里，不用在工具之间来回倒腾。

怎么装到自己电脑上

前提是手机开了 USB 调试连上电脑，或者备好一个模拟器。

macOS 和 Linux 下：

# 克隆代码仓库并进入目录
git clone https://github.com/google/artemis.git && cd artemis

# 一键启动，自动装好 ADB、scrcpy、FFmpeg 和 uv 运行环境
./start.sh

Windows PowerShell 下：

# 克隆代码仓库并进入目录
git clone https://github.com/google/artemis.git
cd artemis

# 一键启动
.\start.bat

这里有个小坑，PowerShell 默认不会从当前目录找可执行脚本，所以必须写成 .\start.bat，末尾别多打反斜杠。用 CMD 的话直接 start.bat 就行，不用加前缀。

启动完会自动弹出一个本地网页控制台，地址是 http://localhost:8000，里面能看设备连接向导、实时投屏、任务演练。嫌麻烦的话命令行也能直接跑：

uv run artemis run "打开系统设置,找到电池选项并告诉我当前电量" --profile flash

有个细节值得说一下，第一次在某台设备上跑任务，它会装一个叫 Artemis Accessibility Helper 的无障碍服务，专门读屏幕布局用的。这个服务只监听手机本机的回环地址，不会把任何东西发出去，通知栏会挂一条折叠提示，想卸载随时能卸。对在意隐私的人来说，这个边界画得算清楚。

Flash 和 Pro，两种不太一样的搭档

Flash 模式单步大概 3 到 5 秒，像是临时喊来的跑腿小哥，看一眼屏幕，想一下，立刻动手，速度快，适合日常那种确定性强的操作。缺点也直白，没有任务计划，没有执行前的安全检查，不能跑 ADB 命令，图的就是个快。

Pro 模式单步要 15 到 40 秒，更像请了个带计划书的项目经理。Planner 先列好带里程碑的任务清单，Operator 照着清单干活，每一步动手前都要过一遍安全校验，出岔子了会留一条事故记录挂在上下文里，直到后续操作成功才算翻篇。任务结束前，只读的 Checker 还会对照最初的目标做一次终审，支持 100 步以上的长链路测试，也能选择性输出书面报告。

简单说就是，日常操作让 Flash 跑一趟就够，真要做严肃的长流程回归测试，还是得靠 Pro 兜底。

说说我的感受

先说不足，路线图里 Android Studio 深度集成、iOS 支持、端侧轻量模型、语音交互这几项都还没落地，现在能用的只是这套体系的一部分，想完整覆盖移动端场景还得再等等。

但抛开这些还没交付的部分，ARTEMIS 已经把"让 AI 像人一样操作手机"这件事做到了能落地的程度，而且没有把自己做成一个孤立的测试工具，是往 Antigravity、Claude Code 这些日常在用的 IDE 里嵌，这个选择比单纯堆模型能力更实际。

Flash 和 Pro 这套双模式拆分也挺务实，大部分操作用不上计划、校验、报告这套重流程，但正经测试又确实需要这些保障，一套流程硬套所有场景反而不合理。

工欲善其事，必先利其器，这句老话放在这次的 ARTEMIS 上挺贴切，手里的活越来越复杂，能省下的重复劳动，就该交给不知疲倦的那一个。$