MobiAgent：一套面向移动设备的可定制智能体系统最新版

MobiAgent 是一个开源的移动端智能体（Agent）系统，专注于在真实安卓设备上执行复杂的、多步骤的用户任务。它由三个核心组件构成：

• MobiMind：支持任务推理与决策的智能体模型家族
• AgentRR（Agent Record & Replay）：高效的任务录制与回放加速框架
• MobiFlow：基于里程碑 DAG（有向无环图）的智能体评测基准

整个项目采用模块化设计，目录结构如下：

agent_rr/        # Agent Record & Replay 框架
collect/         # 数据收集、标注、处理与导出工具
runner/          # 智能体执行器，通过 ADB 连接手机、执行任务并记录轨迹
MobiFlow/        # 评测基准实现
app/             # MobiAgent 安卓客户端
deployment/      # 服务部署方案

它能做什么？

MobiAgent 可帮助用户在手机上自动完成日常操作，例如：

• 在携程自动预订一间大床房
• 在饿了么下单一杯酸奶西米露
• 在 B 站播放“伊丽莎白鼠”的第一个视频

目前，系统已在以下主流应用中验证可用性：QQ、B站、高德地图、饿了么、淘宝、知乎、网易云音乐 等。支持的基本交互包括：点击按钮、输入文字、滑动页面等标准 UI 操作。

• GitHub：https://github.com/IPADS-SAI/MobiAgent
• 模型：https://huggingface.co/collections/IPADS-SAI/mobimind

当前使用限制与注意事项

为确保安全与可控性，请注意以下几点：

• 每次启动 MobiAgent 前，需在系统设置中手动开启无障碍服务权限
• 可随时点击“终止”按钮，立即中断 Agent 的执行
• Agent 仍在持续优化中，可能出现异常行为（如误下单、误发消息），请保持关注并及时手动接管
• 网络延迟较高时，部分操作响应较慢
• 出现“应用等待”提示通常属正常，无需干预，除非反复发生
• 微信的文字输入功能存在兼容性问题，建议按提示手动完成输入
• 小米手机自带输入法可能存在 Bug，可能导致输入失败
• 遇到广告或弹窗干扰时，Agent 可能提前终止或误触界面元素