PalmClaw：开源端侧智能体框架，将设备能力封装为显式工具
多智能体实验显示任务成功率相对提升 11.5%，完成时间缩短 94.9%，代码已开源。
AI解读：PalmClaw试图解决手机智能体的一个核心矛盾：现有方案通过模拟点击、滑动等GUI操作来控制手机，依赖界面层级、序列冗长，且无法直接调用相机、传感器、通知等设备能力，导致任务边界模糊、执行不稳定。PalmClaw把设备功能封装成带显式参数和结构化结果的“设备工具”，让智能体直接调用硬件能力，同时每个动作可控、结果可验证。实验显示，相对最强基线，任务成功率提升 11.5%，完成时间减少 94.9%，且设置负担更低。对开发者而言，这意味着可以在手机本地部署具备工具调用能力的智能体，而不必依赖云端或GUI自动化，尤其适合需要访问个人数据、传感器和敏感设备权限的应用场景。对普通用户，短期内无需关注，效果取决于具体任务和硬件支持，且仍受限于LLM本身的推理能力和端侧算力，不能据此断言所有手机任务都能显著加速。
香港理工大学等机构的研究者提出了PalmClaw，一个开源的原生手机端智能体框架。据论文摘要，该框架在设备上直接管理会话、记忆、技能、工具和智能体循环，并将相机、传感器等设备能力封装为带显式参数与结构化结果的“设备工具”，以明确执行边界。实验数据显示，相比最强基线，其任务成功率相对提升 11.5%，完成时间减少 94.9%，设置负担更低。
论文被EMNLP 2026 System Demonstration接收，代码已在GitHub开放。此前移动智能体主要依赖点击、滑动、输入等GUI操作，序列长且依赖界面结构，难以直接调用设备能力，执行边界不易界定。
研究者来自PolyU（香港理工大学），作者包括Hongru Cai、Yongqi Li、Ran Wei和Wenjie Li。论文于 2026 年 7 月 14 日首次提交至arXiv，9 月 3 日更新至第二版。