想让 AI Agent 真正“用手机”，不必再为每个按钮单独写脚本。Google 开源的 ARTEMIS，可以直接操作 Android 真机和模拟器。
你只需用自然语言描述任务，例如“打开地图查路线，再播放一首歌”，它会识别屏幕上的文字和控件，在不同应用之间完成连续操作。
它的识别链路分层处理：
1. 优先读取 Android 无障碍树，并结合 OCR 理解界面；
2. 遇到 Flutter、Compose、Canvas 等自绘页面时，再用视觉语言模型补足识别；
3. 基准测试中的任务完成率超过 99%。
还提供两种执行模式：
• 极速模式：几秒完成一次点击，适合简单日常操作。
• 深度模式：先规划，再逐步校验；遇到弹窗或异常时会尝试自行处理，适合较长、较复杂的流程。
GitHub：https://github.com/google/artemis