夜雨聆风有点意思。昨天中午在一个 OpenClaw 的饭局上，有个哥们提到手机版的 OpenClaw，这概念还挺新鲜的。
我花时间研究了下，今天写写。
给不太了解的朋友解释两句。OpenClaw 可以模拟用户的真实行为来操作浏览器，这套方案在 PC 端已经相对成熟了，最近 Chrome 也更新了版本来进一步支持这种玩法。
但手机上我们操作浏览器意义不大，因为手机端有各种各样的 App，订外卖、打车、买票，这些干活的场景都在 App 里。
所以如果能直接操作 App，那就是一次大的突破。之前豆包手机火，也是这个原因。
手机版的 OpenClaw 到底是什么？
我当时看到后第一反应是，这不就跟之前的豆包手机差不多吗？
后来打开一看，才理解了怎么回事。
它和豆包手机的关键区别在于执行环境。豆包手机走的是端侧路线，直接接管我们手上这台实体手机来执行操作。
这就意味着它必须跟厂商合作，拿到系统层面的授权。
但 RedClaw 选择了另一条路。它操作的是云端的一台虚拟安卓，不会接管我们本地的手机。
说白了，打开这个应用之后，它会在云端给我们分配一台手机。就有点像现在 OpenClaw 在云端给我们开一台电脑，理念是一模一样的。
云端有一台安卓手机，我们在本地手机上下指令，云端通过截图或者画面流把界面推回来，然后基于 VLA 模型来理解手机界面，把点击、滑动、输入这些动作注入云端那台手机。
涉及账号登录、支付确认这些敏感步骤的时候，可以切换成用户接管，让用户自己来操作。
举个例子，这么空说不好理解。
我告诉 RedClaw，帮我去爱奇艺上搜索预约一下《飞驰人生 3》。可以看到，理解了任务之后，它会像人一样，推理出正确的操作步骤。
任务过程中，RedClaw 发现我没有装爱奇艺 App，然后它说：未找到爱奇艺应用，需要去应用市场搜索安装。接着它就先去应用市场帮我搜索去了。
找到爱奇艺应用后，它开始安装。右下角有个查看截图的链接，点击可以看到每个步骤的具体截图。
下载安装完成后，他就会去主屏幕上识别并点击爱奇艺图标，打开后在顶部搜索框中输入《飞驰人生 3》。
紧接着它会点击预约，这一步就需要登录爱奇艺了。所以它会弹出“接管手机”的窗口，我们点击接管，登录自己的账号后，就会显示预约成功了，视频如下：
我们想要看它是怎么操作云手机的，可以点击界面右上角的预览，然后我们就能暗中观察 RedClaw 了，视频如下：
整个任务的执行过程还是蛮顺畅的。我以为 AI 会来回找按钮，结果人家可以一步到位。
手机版 OpenClaw 的原理
最底下是云计算层，相当于地基。
这一层基于百度的 ARM 云服务，在云端服务器上虚拟出一台安卓手机，跟我们手上的真机一样，能装 App、能联网、能操作，只不过它跑在云上。
而且它能同时跑很多台，每个用户分配一台，彼此隔离互不干扰。说到这里，也就能理解为什么这个产品是百度智能云团队做的。
中间是 AI 模型层，相当于大脑。这里用的是 VLA 多模态大模型，VLA 是 Vision-Language-Action 的缩写，视觉、语言、行动三合一。
它能听懂我们说的话，看懂手机屏幕上的内容，然后规划出该怎么一步步操作。
最上面是执行操作层，相当于双手。大脑想好了怎么做，得有人去执行。
这一层是通过 MCP 和 ADB 来实现的。
MCP 就是标准化的控制接口，去年的时候很火，它把屏幕操作、应用管理、文本输入这些能力全部封装成工具，方便 AI 调用。
ADB 则是安卓的调试通道，负责把点击、滑动、安装卸载这些动作真正注入到云端手机里。
整体看，三层串起来是这样的：
我们在本地手机上用自然语言下任务，任务发到云端大脑，大脑理解之后规划操作步骤。
双手在云端手机上执行，执行完把画面推回来，大脑看一眼再判断下一步该干嘛。
这个循环一直转，直到任务完成。涉及账号登录、支付确认这些敏感步骤，系统会提示用户接管，让我们自己来操作。
这条路的好处是它绕过了手机厂商，而且对用户来说足够简单。
你想，豆包手机那个方案，必须得厂商配合，必须得系统层面给授权。
但 RedClaw 就不一样。它在用户手机上就是一个普通的 App，点开之后连接到云端的虚拟安卓，然后让 AI 去操作那台云端手机。
用户手机只承担显示、输入、授权的角色，真正的执行发生在云端。
这意味着理论上它完全可以支持 iOS。只需要在 iOS 上上架一个能连接云端虚拟机的 App 就行了。云端跑的是安卓，用户自己用什么手机无所谓。
而且云手机里如果需要用摄像头、麦克风，它可以调用用户本地手机的硬件，通过客户端转发上去。
再看一个案例。我让它帮我订一张 3 月 23 日从北京飞深圳的机票，限定条件是要最便宜的。咱们看看它能不能找到。
和刚才的操作逻辑一样，RedClaw 还是先看我装没装订票 App，发现我没安装后，帮我下载安装了携程旅行 App。
之后按照我提出的要求选好对应的机票，就等我选乘机人付款了。
可以看到它默认用的是携程来订票。那如果我习惯用美团或者飞猪怎么办？直接告诉它就行。
但问题是，每次订票都要说一遍吗？说到这里，我立马又联想到了 OpenClaw 的现成解法：Skill 加记忆能力。
其实只要把这套思路平移到 RedClaw 这个产品上就行。
比如顺利跑完一次订票的流程后，我可以告诉它把刚才这套流程固化为一个订票 Skill。这样下次我再说订票，它就知道该打开美团了。
看电影也一样。假如我喜欢用腾讯视频。同样可以把这套流程和偏好沉淀为 Skill，或者放到长期记忆里。
熟悉 OpenClaw 的朋友应该知道，我们管这个叫养虾。你不断地跟它互动，告诉它你的偏好，它就越来越懂你。
现在在手机端，我们同样可以养，只不过是在云端的一台虚拟安卓手机里养自己的虾。
这俩逻辑确实非常像。OpenClaw 是在云端电脑里替我们操作浏览器，RedClaw 则是在云端手机里替你操作 App。入口不一样，但内核是同一套东西。
RedClaw 还支持设置定时任务，可以让它生成 AI 周报、日报或者监督、提醒我们的日常生活习惯。
最后，我又让它帮我去文心里面的团建群里，发个去北京崇礼团建的消息，让群里的文心助手接管规划。
写在最后
我发现它在云端还同步部署了一个 OpenClaw。也就是说通过这一个入口，既能用 OpenClaw 操作浏览器，也能用百度这套能力操作手机 App。电脑端和手机端的能力都齐了。
打听了一下，iOS 版本 3 月底就要上线了。云端跑的是安卓，用户自己用什么手机无所谓，这条路本来就不挑客户端。
我觉得让 Agent 操作应用这个方向是确定的。
Chrome 现在已经摆出开放的姿态，让 Agent 能够接入进来操作浏览器。Notion 的创始人说过一句话，大意是如果你的产品不能让 Agent 操作，那你的价值也就没那么大了。
当然，目前步子不可能迈很快。因为开放出来让 Agent 操作，那对于很多 App 来说，涉及到商业模式的变化。这事肯定快不了。
而且 RedClaw 这个产品，它也还有很多进步的空间。比如我感觉操作 App 的速度还是偏慢。
不过，这问题我相信随着技术的发展，肯定能解决。更大的问题可能是 App 厂商怎么看这件事，一开始新东西出来，大家难免觉得动了自己的蛋糕。
但可以确定的是，新的方式已经呼之欲出。至于各方的顾虑，浩浩荡荡的历史，谁又曾挡得住它的脚步呢？
