让AI替你操作iPhone？这个开源项目4天冲上GitHub热榜

你有没有过这种时刻：手机上某个操作要重复点几十次，或者想把一段文字从电脑搬到手机App里，来回切换，手指都点麻了。

上周 GitHub 上有个新项目火了：phone-harness，8月7日创建，4天冲到 1600+ Star，本周稳居 GitHub 周榜 Top10。它做的事一句话就能说清——让 AI 直接操作你的真 iPhone。

它不是又一个模拟器

市面上"AI 操作手机"的方案不少，但大多要你越狱、装 Xcode、配 WebDriverAgent，门槛高得劝退 99% 的人。

phone-harness 的思路完全不同。根据项目 README，它的原理朴素得有点聪明：

Mac 自带的"iPhone 镜像"窗口，就是全部通道。

macOS Sequoia 开始，Mac 可以把你的 iPhone 画面投成一个窗口，还能把鼠标键盘操作转发成触屏动作。phone-harness 就抓住了这一点：

• 眼睛：对镜像窗口截屏，用苹果自家的 Vision 框架做 OCR，把屏幕上所有文字和它们的坐标读出来——作者管这叫"穷人的 DOM"
• 手：用 CGEvents 在系统底层模拟点击、长按、滑动、打字
• 验证：点完再截一次屏，看结果对不对

整个循环就是：看 → 点 → 再看。没有中间层，Agent 和手机之间什么都没有。核心代码只有 500 行左右。

三个"不需要"，是它火的原因

1. 不需要越狱 —— 用的全是苹果官方功能（iPhone 镜像）
2. 不需要 Xcode —— 不是开发工具，是自动化工具
3. 不需要 WebDriverAgent —— 不碰任何第三方测试框架

MIT 协议开源，配合 Claude Code 或 Codex 使用：把作者写好的 setup prompt 粘贴进去，AI 会带着你一步步装好。真正需要你亲手做的只有两件事：

• 把 iPhone 镜像和手机配对一次（需要实体手机）
• 在系统设置里给终端授权"辅助功能"和"屏幕录制"

之后你就可以用一句话下指令了。README 里的示例是打开备忘录、新建笔记、输入"hello from the harness"——AI 自己找按钮、自己点、自己验证。

丑话说在前面：这些限制要知道

实事求是，这个项目目前的边界也很清楚（都写在 README 里）：

• 必须有 Mac（macOS Sequoia 及以上）+ 一部 iPhone，Windows 和安卓用户暂时看戏
• 一次只能连一台手机，手机解锁拿起来用，镜像就暂停
• 不支持双指缩放（没有多指手势）
• 受 DRM 保护的视频在截屏里是黑的
• OCR 只认文字不认语义——没文字标签的图标，还得靠带视觉能力的大模型看截图

所以它现阶段更适合两类人：有 Mac+iPhone 的效率控，和想研究"AI 怎么操作真实设备"的开发者。500 行核心代码，是学习 Agent 工程极好的解剖素材。

为什么值得你花5分钟关注

phone-harness 火，不是因为技术多炫，而是因为它代表了一个清晰的方向：AI 正在从"能聊天"走向"能动手"。

聊天解决的是"我知道"，操作解决的是"我替你做完"。后者才是普通人真正愿意付费的价值——帮你省下的每一次重复操作，都是实实在在的时间。

这个赛道今年会持续冒出新项目，我们公众号会一直盯着 GitHub 热榜，第一时间拆解这些值得关注的新东西。