安卓党让AI操控手机，早就有现成的路：adb一条命令，截图、点击全敞开。iPhone用户只能干看着——软件路线要Mac、Xcode、WebDriverAgent、开发者签名一整套，全是重装备。知乎
现在出现了一个7美元的答案。独立开发者Henry Yuan把开源项目esp32-iphone-agent丢上GitHub，建仓五天拿了2,584星、341个fork。知乎
它能让任何能"看图"的视觉模型用上一台真iPhone：不越狱、不开开发者账号，运行时也不用电脑。知乎哔哩哔哩
眼睛和手，全走"正门"
这个项目的聪明之处，是它不去调用iPhone内部的自动化API，而是把AI当成一个真正坐在手机前的人：走人用手机的同一条路。知乎
眼睛是AirPlay。Seeed XIAO ESP32S3板子烧上固件，自己开一个热点，以"ESP32 Agent"的名字出现在iPhone的屏幕镜像列表里，点一下，画面就进了板子。没有苹果认证芯片？固件里躺着一套FairPlay握手的开源重实现，照样能协商出镜像画面。知乎
手是USB。板子插在充电口上，一边收AirPlay投屏，一边装成USB键鼠，辅助触控一开就能替你点按滑动。这个苹果2011年为运动障碍用户做的无障碍功能，2026年成了AI的手：点按就是点击，拖动就是滑动，不装描述文件，不碰沙盒。哔哩哔哩知乎
大脑不挑，任何兼容OpenAI格式的视觉模型都行，云端API或本地部署均可。知乎
看不清，就先晃一晃再点
镜像画面只有480×1040、不到5fps——BLE带宽就这么大。作者的解法是"晃动复核"：每次精确点击前先晃一下指针，在画面里找到它、修正偏差再落点；点完等画面稳定，没变化就说明点空了，AI会立刻察觉并重试，而不是错上加错。全程留痕，可逐步回放。知乎知乎哔哩哔哩
成本低到可以忽略。有外部开发者实测：一个20到40步的任务，模型开销0.7到2.6美分，约合人民币几分到两毛。但也别忘了，便宜的是板子，AI是按次收费的。知乎哔哩哔哩
节奏也快。10月14日v0.1.0发布时，链路中间还得有台电脑收镜像；两天后电脑就被踢出局——投屏接收搬进板子，agent变成手机上的一个app，H.264流经BLE直传手机端，算力留在有算力的地方。迭代猛到v2至今没打tag。知乎
但先别把主账号交出去
冷水也要泼明白。iOS不镜像密码输入、Apple Pay和DRM视频——这些界面AI是盲的，锁屏即断链。键盘目前只认ASCII，中文拼音还在路线图上，横屏应用的坐标也没适配。手机Wi-Fi被板子热点占用，模型流量全走蜂窝。装那个agent应用到手机，仍需Mac加Xcode签名，免费Apple ID能用，代价是七天重签一次。知乎
外部评测的结论很直接：不敢无人值守跑在有钱的账号上。README也写得直白：只自动化你自己的设备，紧急停止放在够得着的地方。所以合理的玩法是：拿台备机烧一个，让AI跑冒烟测试、设闹钟、拖时钟转盘，当移动端自动化的入门标本正好；主力机和真金白银的账号，等它补上中文输入和横屏再说。知乎
从"AI能看屏幕"到"AI能摸屏幕"，中间隔着整个苹果生态。现在，这层墙被一块插在充电口上的小板子撬开了条缝。笨是笨了点，但足够让人心跳加速。
