代理能做什么？
点击或长按元素、滑动和滚动、输入或清除文字、按下 Android 导航键、按包名打开应用、读取屏幕文字并等待指定文字出现。包含中文等非 ASCII 字符的文字会通过设备上的辅助程序粘贴（需要 Android 7 或更高版本）。
“观察 → 操作 → 验证”循环让代理根据当前界面选择下一步，你无需预先写好每一个操作。屏幕尺寸从当前界面读取，因此旋转屏幕或修改分辨率后也能正确处理。
你的主机，你的设备。
一个工作区管理所有已连接的 Android 设备。
在 Windows、Linux 或 64 位树莓派上运行 Talos，并打开受密码保护的浏览器控制面板。查看检测到的设备，为每台设备分配一个或多个任务，无需启动任务即可查看或控制当前屏幕。
必须安装 ADB；如果它不在 PATH 中，请在配置中指定路径。FFmpeg 为可选组件，用于实时画面串流。使用你自己的 Claude、OpenAI、Google Gemini 或 OpenRouter API 密钥，或实现 Talos 协议的自定义 HTTP 端点——普通的聊天端点并不会自动兼容。
查看可用的 Windows 和 Linux 版本 →
基于屏幕的自动化适用场景
对于应用设置、重复填写表单以及探索式流程——即描述结果比维护每个界面操作更容易的场景——可以使用目标驱动的交互。
代理能够根据当前的标签和屏幕内容作出反应，但这并不保证适用于所有动态界面。请在你的应用上测试，并使用可观察的阶段。Talos 会在运行前唤醒屏幕；设有 PIN、图案或密码的锁屏需要你自己解锁，否则本次运行会被跳过，不会调用模型。
查看具体的 Android 流程示例 →| 你的流程 | 脚本式 UI 自动化 | Talos AI 代理 |
|---|---|---|
| 定义任务 | 编写操作序列和断言。 | 描述目标和可见的成功标准。 |
| 响应屏幕 | 使用需要自己维护的选择器和分支。 | 根据当前界面和截图选择下一步操作。 |
| 排查运行 | 查看框架提供的日志和截图。 | 在一条时间线上查看观察、操作、结果、截图、token 和费用。 |
| 最适合 | 精确断言和可重复的回归门禁。 | 目标驱动的应用操作、准备类任务和探索式流程检查。 |
| 代价 | 前期编写脚本并持续维护。 | 模型延迟、提供商费用以及可能变化的决策。 |
扩大使用前，先了解边界。
AI 的决策可能不同，模型调用会增加延迟和费用。Talos 适合可见的界面交互；它不提供确定性的测试断言、内置的 CI 测试运行器，也不保证能在所有应用上完成任务。
控制面板和运行历史保存在你的主机上，观察结果和相关截图会发送到你选择的模型提供商。已授权的安装会在线验证许可证；正在运行的安装可以承受最长 72 小时的许可证服务器中断。
先从一个模拟器开始并查看时间线。对于连续任务，请设置每周期限制和每日预算，并注意费用会在各周期之间累加。