FFeel.Trading
要聞列表›這款開源手機 AI Agent 能看、能聽、能行動——全程無需連接雲端
Decrypt2026-05-18 18:13:41

這款開源手機 AI Agent 能看、能聽、能行動——全程無需連接雲端

ORIGINALThis Open-Source Phone AI Agent Sees, Hears and Acts—All Without Touching the Cloud
AI 影響分析xAI Grok · medium 信賴度
TL;DR

方向偏多 — 開源手機 AI Agent 實現端側運算，無需雲端。

影響標的
FETTAORNDR
→
建議操作

關注 AI 與 DePIN 板塊龍頭

去 Chat 深入問看 即時訊號
📄完整原文· 由 trafilatura 自動擷取Gemini 翻譯5147 字
簡要摘要 - X-OmniClaw 是 Oppo 推出的開源 Android AI agent，核心邏輯保留在裝置端，僅在需要高階推理時才呼叫雲端。 - 此框架會從你的相簿與對話紀錄中建立長期語意記憶，使其能作為持續性的助理，而非一次性的聊天機器人。 - 行為複製（behavior cloning）功能讓使用者只需錄製一次導航路徑，agent 便可透過 Android deeplink 立即重播，省去未來操作中多步驟的 app 導覽。 你的手機已經有相機、麥克風與螢幕。它能看見你現實生活中正在注視的事物，也能看見自己螢幕上正在發生的內容。如今，中國智慧型手機製造商 Oppo 的 AI 團隊發現，那些大多閒置未用的硬體，正是打造真正實用的行動 AI agent 所需的一切。 這個專案叫做 X-OmniClaw，由 Multi-X Team 發表。它是一個針對 Android 的開源 AI agent 框架，能將你的手機變成免持、具情境感知能力的助理，可跨越各種實際 app 執行真正的任務，而不必將所有操作導向雲端上你裝置的副本。 大多數行動 AI 系統其實並不是在你的手機上執行。它們是在雲端伺服器上執行，伺服器內託管著 Android 的虛擬副本，讓 AI 遠端點擊與滑動 app。結果是：無法存取你真正的相機、實際的照片或本地檔案——只是一個陌生人在使用你手機的副本。 X-OmniClaw 採取相反的做法。根據技術報告，它引入了「一種 edge-native 架構，直接在使用者的實體裝置上執行，藉此消除模擬環境與真實互動情境之間的落差」。 報告以汽車作比喻：智慧型手機是「載具」，X-OmniClaw 是「負責控制與感知的內部引擎」，而雲端語言模型僅在需要大量推理時才作為「燃料」被呼叫。其餘所有運作都保留在本地。 Oppo AI 手機 agent 的運作方式 根據 Oppo 的說法，X-OmniClaw 的整體架構建立在三大支柱之上：Omni Perception、Omni Action 與 Omni Memory，三者構成一個連續循環運作，僅在需要高階推理時才呼叫雲端 LLM。 Omni Perception 涵蓋手機能感知的一切。它將相機畫面、螢幕內容與語音輸入整合進單一管線。在 agent 採取任何行動之前，先由一個 vision-language model 解讀場景。因此，若你將相機對準一個瓶子並問「這多少錢？」，agent 會先判斷你正在看的是什麼，再開啟相應的購物 app 並開始搜尋。無需猜測。 Omni Memory 是 X-OmniClaw 與一次性聊天機器人的差異所在。Agent 能在多個任務、app 切換與多次對話之間維持情境。它還會從你的相簿建立長期語意記憶，把原始圖像轉化為關於物件、場景與事件的結構化筆記。報告指出：「執行時的延續性，正是讓 X-OmniClaw 得以作為持續運作的裝置 agent，而非一次性回應系統的關鍵。」 Omni Action 負責執行。它結合 XML 介面資料、裝置端視覺模型與 OCR（一層字元辨識），即使在結構資訊不足、廣告充斥的畫面上，也能精準判斷該點擊何處。它也包含 behavior cloning：你只需錄製一次導航至某個深層 app 頁面的過程，下次 agent 就能透過 Android deeplink 捷徑立即重播該路徑。 Oppo AI agent 實際能做什麼 Oppo 分享了該模型可執行的一些案例。例如，agent 透過相機辨識實體商品，開啟 Taobao，滑動搜尋結果，並回傳價格摘要——完全無需輸入。 Oppo 也展示了一個浮動在螢幕上的伴隨助理，能逐步協助使用者完成數學練習：自主讀取螢幕內容、處理每一道題目，並在完成後自動推進。 另一個範例是使用者請 agent 用鸚鵡主題的照片組成一段精華影片。系統會掃描相簿，運用語意記憶找出符合的照片，透過 deeplink 開啟 CapCut 影片編輯器，批次選取檔案並生成影片。過去需要「數分鐘或更久」的工作，如今變成寥寥數個自動化步驟。 2026：agentic AI 之年 AI agent 已成為科技界最常被討論的類別之一。OpenClaw——這個開源 agent 框架在 GitHub 上獲得超過 373,000 顆星、最終得到 OpenAI 的支持——透過展示持續性、本地執行的 agent 能在 PC 上做到什麼，掀起了當前這波浪潮。Nous Research 推出的 Hermes Agent 更進一步，引入能隨時間累積能力的自我改進學習循環。 兩者主要都在桌面硬體上運行。X-OmniClaw 則將相同架構延伸到你每天隨身攜帶的裝置。團隊在開源的 HermesApp 程式碼基礎上開發，論文也明確指出 OpenClaw 的結構化技能模型是基礎靈感來源，並將其改造以適應智慧型手機多模態、永遠在線的特性。 程式碼現已上架 GitHub。Oppo 表示將釋出所有資源，並隨系統演進持續更新此專案。
資料狀態✓ 已擷取全文閱讀原文（Decrypt）
🔍歷史類似事件· 關鍵字 + 標的比對6 則
2026-05-26
AI 護欄移除引發外界對開源模型監管界線的質疑
相似度 130%關鍵字 open/source
2026-05-15
X 演算法程式碼庫在開源承諾四個月後仍停留在單一 commit
相似度 130%關鍵字 open/source
2026-05-13
Tea Protocol 宣布將於 6 月 4 日啟動主網並在 Aerodrome 進行 TGE，旨在 AI 時代保障開源開發。
相似度 130%關鍵字 open/source
2026-05-10
BTC 未平倉合約爆發式增長，超越 2025 年歷史新高水平
相似度 130%關鍵字 all/open
2026-04-30
Mistral AI 發布全新開源模型。網際網路反應冷淡，唯獨一點除外
相似度 100%關鍵字 open/source
2026-04-27
Bernstein 認為 IREN 正從 Bitcoin 挖礦轉向價值 37 億美元的 AI 雲端業務
相似度 100%關鍵字 cloud/sees
💡 目前用關鍵字 + 標的比對（MVP）· 之後會升級為 embedding 語意搜尋
原始資訊
ID：af1cf43ad1
來源：Decrypt
發佈：2026-05-18 18:13:41
分類：一般 · 導出分類 neutral
標的：未指定
社群投票：+0 / −0 · ⭐ 0 重要 · 💬 0 留言