个人业余项目，做了一个可以物理操作 iPhone 的 agent，不知道有商业前景吗？

fzuccq

淘宝美团常用的 app ，都没有 API ，agent 没法直接调用。走 ADB 容易被风控，豆包手机那条路似乎也很坎坷不好走。

我想，如果能用硬件直接托管 iPhone ，用摄像头观察屏幕，用机械臂点击，或许能绕过大部分风控检测。搞了几个月，agent 跑通了，使用起来还可以。

目前，最大的问题不是可行性的问题，是 token 太贵，点击一次 token 花费 0.2 元。

大家觉得这种 agent 有商业前景吗？

项目地址： https://github.com/physiclaw/PhysiClaw

硬件组装手册和代码都开源，硬件 DIY 成本 1000 元左右。

sillydaddy

有没有钱景不知道，不过我一直在找呢：  /t/1004095
另外问下，耗费贵是因为图片太耗 token 吗？

network127001

你这种大规模应用后不就是主板机，恶意刷单

bwnjnOEI

我刚在 x 上刷到这个东西叫 lumi 吧

flyqie

这种感觉得考虑法律风险。

fzuccq

@sillydaddy 每一次点击动作，agent 都需要观察屏幕才能决策，prompt 需要把图片放到 context 里面，当然 context 做了很多优化，但 token 还是很贵。

fzuccq

@flyqie 法律风险肯定要考虑，不过这是开源软件，我只做 harness ，不运营。

bwnjnOEI

@bwnjnOEI https://x.com/saameeey/status/2081422451418743066?s=61

fzuccq

@network127001 只是觉得日常点外卖、买火车票、挂号，这些事，应该 AI 来做，人们只需要交代一声就行了。

sillydaddy

我记得看到过 Google 有 Gemini Live API ，也就是流式处理图片和声音，延迟很低。价格不知道怎么样。