手机端那双手：谷歌开源安卓Agent测试框架

谷歌开源了安卓自动化测试框架 ARTEMIS——核心定位一句话：让 AI Agent 像人一样直接操作 Android 真机和模拟器。大白话下令就行（例句："打开地图查一下去哪里的路线，然后再去听首歌"），它看懂屏幕上的按钮和文字，自己一步步跨 App 接着办。仓库：github.com/google/artemis

技术方案值得抄的是分层读屏：先读 Android 无障碍树与 OCR（结构化、便宜、稳），面对 Flutter、Compose、Canvas 这类自绘界面再调 VLM 做多模态兜底——能读结构就不看像素；基准评测里任务完成率 99% 以上。

交互上给了两种模式：极速模式几秒点一下，管日常简单操作；深度模式慢一些，但先制定计划、每走一步自查有没有点错，遇到弹窗或故障自己尝试处置，专攻长流程复杂任务。

我的看法：这条补全了"决策层接管操作"三部曲的最后一块——浏览器（前两天那篇）、桌面（Jev-cu 那篇），如今是手机：三端的共同结构都是"便宜的判断/读取在前、贵的模型兜底在后"。

ARTEMIS 的分层读屏和昨晚 NVFP4 那篇其实是同一种思维——按代价排路线：读无障碍树是白菜价，VLM 是肉价，先白菜后肉。双模式的设计也很直给：快慢不是二选一，是按任务风险选档——日常点按要快，长流程要"计划 + 每步验证"；做自动化测试的人尤其该看后者，因为自检那一步就是断言。

99% 以上为发布与整理稿口径，任务集与评测条件以仓库说明为准。