夜雨聆风这里每天分享一个 iOS 的新知识，快来关注我吧
前言
iOS 模拟器自动化这事，我大概折腾过四种方案：
写 XCUITest（笨重，绑死 Xcode） 调 xcrun simctl（命令太少）起 Facebook 的 idb（要拉起 server，配置一坨）或者直接 AppleScript 控鼠标键盘（脏到不能上线）
每一种都有点不对劲。直到最近看到 GitHub 上一个 1.8K star 的小工具——cameroncooke/AXe[1]：单一 Swift 写的 CLI 二进制，无 server，覆盖 tap / swipe / type / 硬件按键 / 截图 / 录屏 / accessibility 树查询，全功能能在一个命令里跑完。
更骚的是它直接支持装成 Claude Code 的 skill——也就是说你的 AI Agent 现在能像人一样操作模拟器，写测试、做回归、自动化 demo 录制都顺手了。
这篇就把它讲清楚。
它能干啥
先看一眼 demo：
核心命令我列一下，基本覆盖了 iOS 模拟器上你能想到的所有人类操作：
| 类别 | 命令示例 | |
|---|---|---|
| 点击 | axe tap -x 100 -y 200（坐标）/ axe tap --id "Safari"（按 a11y ID） | |
| 滑动 | axe swipe --start-x 100 --start-y 300 --end-x 300 --end-y 100 | |
| 手势预设 | axe gesture scroll-up / swipe-from-left-edge（边缘返回） | |
| 输入文本 | axe type 'Hello World!' / `echo "..." \ | axe type --stdin` |
| 硬件按键 | axe button home / lock / siri / apple-pay | |
| 键盘组合 | axe key-combo --modifiers 227 --key 4（Cmd+A） | |
| 截图 | axe screenshot --output ~/Desktop/shot.png | |
| 录屏 | axe record-video --fps 15 --output recording.mp4 | |
| 视频流 | `axe stream-video --fps 30 --format ffmpeg \ | ffmpeg ...` |
| Accessibility 树 | axe describe-ui --point 100,200 | |
| 批量操作 | axe batch --step "..." --step "..." |
底层走的是 Apple 私有 Accessibility API + HID（Human Interface Device）通道，所以不需要在被测 App 里集成任何 SDK，纯外部驱动。
第一个亮点：按 accessibility ID 直接 tap
写过 UI 自动化的都知道，按坐标点是一切恶心 bug 的源头——换个屏幕尺寸、换个 iOS 版本、动态布局微调一下，所有坐标全废。
AXe 直接复用 Accessibility Tree，让你按 ID 或 Label 点击：
axe tap --id "search_button" --udid $UDID
# 按 label（更适合中文 / 系统控件）
axe tap --label "Safari" --udid $UDID
这等于把 XCUITest 里 app.buttons["search_button"].tap() 这一套体验搬到了 CLI 外面。你的脚本、CI、AI Agent 都能直接用，不用再写 XCUITest target、不用 build for testing。
不知道目标控件的 ID？就先 describe-ui 把树打出来：
# 或者只看某个点位的 a11y 信息
axe describe-ui --point 195,400 --udid $UDID
输出是结构化的 JSON，给 AI Agent 当上下文喂特别合适——它一眼就能看懂当前页面有哪些可交互元素。
第二个亮点：batch 一次跑完整段流程
每个 axe 命令冷启动都要做几件事：连模拟器、初始化 HID 通道、可能还要拉一次 a11y 缓存。如果你写「点搜索框 → 输入 hello → 回车」这种 3 步操作，分 3 次调 axe 会很慢。
batch 子命令把多步打成一次调用：
--step "tap --id SearchField" \
--step "type 'hello world'" \
--step "key 40" # Enter
或者把步骤写到文件里，方便版本管理：
batch 默认 fail-fast（任一步失败就停），加 --continue-on-error 切到 best-effort 模式。a11y 缓存复用 --ax-cache perBatch，长文本输入自动 chunk 防截断。这一套配下来，整段流程的延迟基本被打平到接近"原生"水平——仓库里有个 scripts/benchmark_batch.sh，你可以自己跑下对比。
第三个亮点：直接装成 Claude Code 的 skill
这条是我觉得 AXe 在 2026 年之所以能站稳的关键。
它内置了一个 axe init 命令，能一键把自己注册成 AI 编码工具的 skill：
axe init
# 显式指定客户端
axe init --client claude
axe init --client agents
# 装到自定义目录
axe init --dest ~/.claude/skills
# 卸载
axe init --uninstall --client claude
装完之后，你在 Claude Code 里就能直接说：
"帮我跑一下 App，进入登录页，输入测试账号 admin/123456，截个图给我看看"
Agent 会自己 axe list-simulators → axe describe-ui 找到登录控件 → axe batch 跑完一整套交互 → axe screenshot 把截图回传。整个过程你只动嘴不动手。
这一套以前你要么写 XCUITest（写完还得跑），要么手动操作。现在等于把模拟器的「眼睛」（describe-ui）和「手」（tap/type/swipe）一起给了 Agent。
vs idb / simctl 该怎么选
我把这三者做个并排对比，方便你选：
| 维度 | xcrun simctl | Facebook idb | AXe |
|---|---|---|---|
| 安装 | Xcode 自带 | brew + Python daemon | 单二进制（brew） |
| 架构 | CLI | client/server | CLI |
| Tap by a11y ID | ❌ | ✅ | ✅ |
| Gesture preset | ❌ | 部分 | ✅（scroll/edge swipe） |
| 视频录制 | ✅ 基础 | ✅ | ✅ MP4 + 多种流格式 |
| Batch 多步 | ❌ | 通过 RPC | ✅ 原生 |
| AI Agent skill | ❌ | ❌ | ✅ 一键装 |
| 维护活跃度 | Apple | 半停滞 | 活跃 |
简单说：只是开关模拟器、装卸 App、看 log，simctl 够了；重型分布式自动化、跨设备调度，上 idb；单机 CLI 自动化 + AI Agent 驱动，AXe 是当前最顺手的。
怎么开始
最快的方式是 brew：
axe --help
然后启个模拟器、拿到 UDID 就能玩：
UDID=B34FF305-5EA8-412B-943F-1D0371CA17FF
axe screenshot --udid $UDID --output ~/Desktop/s.png
axe tap --label "Settings" --udid $UDID
axe gesture scroll-down --udid $UDID
5 分钟内你就能感觉到「模拟器是可以被 CLI 像玩偶一样操控的」这件事多爽。
后面要接 AI Agent，就 axe init --client claude，让 Claude Code 自动识别这个 skill。
仓库地址：https://github.com/cameroncooke/AXe[2]，MIT License，Swift 写的，1.8K star，issue 响应也活跃，可以放心入。
最后
AI 时代下，你团队 iOS 自动化用的是哪一套？欢迎评论区聊聊～
参考资料
这里每天分享一个 iOS 的新知识，快来关注我吧