在跨端自動化領(lǐng)域，一場技術(shù)革新正悄然展開。兩位來自知名硬件企業(yè)的工程師張志勇和單文榜，憑借自研的Agent ZeroFlow系統(tǒng)，在安卓設(shè)備、Chrome瀏覽器及PC桌面上實(shí)現(xiàn)了多模態(tài)操控能力。這一突破讓AI能夠像人類一樣觀察屏幕、執(zhí)行點(diǎn)擊、滑動和輸入操作，完成復(fù)雜的跨平臺任務(wù)。
當(dāng)前市場上的主流方案各存局限。豆包手機(jī)通過與手機(jī)廠商深度合作獲取高權(quán)限，卻引發(fā)了應(yīng)用開發(fā)者的強(qiáng)烈抵制；智譜的AutoGLM采用adb協(xié)議和遠(yuǎn)程虛擬機(jī)模式，但用戶信任成本居高不下。ZeroFlow選擇的技術(shù)路徑截然不同——基于Android無障礙服務(wù)構(gòu)建系統(tǒng)架構(gòu)。這種設(shè)計(jì)使AI既能讀取屏幕元素位置和內(nèi)容，又能模擬人類操作手勢，且無需突破應(yīng)用安全機(jī)制，從原理上規(guī)避了被封禁的風(fēng)險(xiǎn)。
開發(fā)團(tuán)隊(duì)透露，實(shí)際研發(fā)過程充滿挑戰(zhàn)。國內(nèi)網(wǎng)頁普遍設(shè)置的反自動化機(jī)制構(gòu)成主要障礙，部分按鈕的實(shí)際代碼位置與視覺呈現(xiàn)相距甚遠(yuǎn)，傳統(tǒng)代碼解析方式難以應(yīng)對。多模態(tài)技術(shù)在此展現(xiàn)出獨(dú)特優(yōu)勢，通過視覺識別可準(zhǔn)確捕捉界面元素。工程團(tuán)隊(duì)還面臨優(yōu)化截圖效率的難題，需在廣告彈窗干擾下，用最少的圖像數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)意圖理解，同時(shí)控制模型調(diào)用成本。
在安全架構(gòu)設(shè)計(jì)上，ZeroFlow采用雙重防護(hù)機(jī)制。沙箱環(huán)境將用戶密鑰等敏感信息隔離存儲，連AI系統(tǒng)自身都無法直接訪問；小模型實(shí)時(shí)監(jiān)控用戶與大模型的交互內(nèi)容，對敏感信息進(jìn)行脫敏處理。這種設(shè)計(jì)既保障了云端數(shù)據(jù)安全，又維持了系統(tǒng)運(yùn)行效率。據(jù)測試，普通用戶的Token消耗成本可降低30%。
便捷性是該系統(tǒng)的另一大亮點(diǎn)。用戶只需通過瀏覽器注冊賬號，即可在對話框中直接使用服務(wù)，部署流程完全符合互聯(lián)網(wǎng)產(chǎn)品使用習(xí)慣。針對國產(chǎn)大模型的適配優(yōu)化，使提示詞長度縮減近40%，顯著提升了工具調(diào)用效率。目前系統(tǒng)已支持Kimi、DeepSeek等主流模型，覆蓋財(cái)務(wù)分析、運(yùn)營流程、內(nèi)容生產(chǎn)等多個(gè)知識工作場景。
這項(xiàng)技術(shù)的起源可追溯至三年前。當(dāng)時(shí)張志勇團(tuán)隊(duì)為提升編程效率，開發(fā)了具備上下文理解能力的代碼輔助工具。隨著大模型技術(shù)發(fā)展，他們逐漸意識到這套方法論具有更廣泛的應(yīng)用價(jià)值。"當(dāng)看到OpenClaw的演示時(shí)，我們意識到三年積累的技術(shù)路徑正在被全球驗(yàn)證。"張志勇表示，這促使他們將研發(fā)方向從專業(yè)工具轉(zhuǎn)向通用智能體。
對于大廠競爭，開發(fā)團(tuán)隊(duì)保持樂觀態(tài)度。他們認(rèn)為生態(tài)隔離形成的壁壘，反而成為創(chuàng)業(yè)團(tuán)隊(duì)的優(yōu)勢——跨平臺操作需求正是中小開發(fā)者的突破口。目前該項(xiàng)目已獲得近千萬元天使輪融資，資金將用于功能完善和市場推廣。這個(gè)由兩人組成的創(chuàng)業(yè)團(tuán)隊(duì)用行動證明，在技術(shù)創(chuàng)新領(lǐng)域，敏捷開發(fā)有時(shí)比資源堆砌更具競爭力。
