ARTEMIS 是 Google 开源的项目，目标是把自然语言指令变成可靠的 Android 自动化操作。它面向“让 AI 助手与测试套件像人一样使用真实手机”的场景，能执行端到端工作流、采集日志，并与 Antigravity、Codex、Claude Code 等 AI 编程助手集成。官方称其在 Google Research 的 AndroidWorld 基准（覆盖 20+ 应用、100+ 多步任务）上取得 99%+ 的任务完成率。
主要能力 跨应用自动化：根据自然语言指令在 Android 上执行测试工作流和日常任务。 多模态定位：优先使用元素索引，在自定义界面上回退到坐标定位与视觉定位。 IDE 诊断：通过 MCP（Model Context Protocol）集成，让 Antigravity、Claude Code、Windsurf 等驱动测试设备并收集 Logcat 输出与截图。 两种执行模式：Flash 为响应式“观察—行动”循环，带异步历史摘要，通常每步 3–5 秒；Pro 在执行单个动作前检查目标，并把被阻塞的动作交回 Operator 恢复，支持长时间探索与稳定性测试。
使用方式与集成入口 Web 可视化测试控制台（uv run artemis ui）：提供实时投屏与交互面板，支持自然语言派发测试、推理过程实时遥测、动作轨迹与执行回放。 MCP 服务器：把 Antigravity、Claude Code、Windsurf 等 MCP 客户端连接到真实设备，用于缺陷复现与测试执行。 开发者 CLI（uv run artemis run）：在终端直接执行自动化测试用例、探索性稳定性检查或 AndroidWorld 基准，输出结构化结果。 Python SDK：作为标准 Python 库集成到 pytest 等既有自动化测试框架或 CI/CD 流水线，支持强类型的 Pydantic 结构化输出与断言。 一键启动脚本（macOS/Linux 用 ./start.sh，Windows 用 start.bat）：检测并自动安装 ADB、scrcpy、FFmpeg 与 Python（uv）依赖，并提示把全局 MCP 配置与 Artemis 移动测试规则（rules.md）安装到检测到的 AI IDE；随后在浏览器打开 http://localhost:8000，提供设备连接向导、实时投屏、提示词沙箱与执行回放。 手动配置：可运行 uv run artemis mcp --generate-config <client>（如 codex 或 antigravity）输出相应 TOML 或 JSON 片段；也可通过 uv run artemis init 交互式配置 MCP。 行为规则挂载：项目提供 mcp_server/rules.md，覆盖“编码前主动探索”“Flash 与 Pro 路由策略”“延迟与时机补偿”“动态优先、坐标回退”的定位模式等，可挂载到 Antigravity、Claude Code、Cursor、Codex、Windsurf 等 IDE。
设备侧说明 首个任务会在设备上安装 Artemis Accessibility Helper，一个读取屏幕布局的小型无障碍服务，不占用 UiAutomation 连接。首次任务约有 3 秒延迟，可预先安装：uv run artemis helper install；查看状态可用 uv run artemis helper status 或 uv run artemis doctor；卸载用 uv run artemis helper uninstall。可通过 .env 设置 ARTEMIS_HIERARCHY_BACKEND=uiautomator 改用 UIAutomator2，或设置 ARTEMIS_HELPER_AUTO_INSTALL=false 阻止自动安装。若辅助服务在任务中失败，ARTEMIS 会回退到 UIAutomator2，并在任务时间线、mobile_manage_task 状态和最终报告中说明。该辅助服务仅在手机本地监听，不向其他地方发送数据。
架构要点 Pro 在执行单个动作前，会对照实时 UI 树与像素检查目标；动作突发（action bursts）可连续处理瞬时控件，无需等待另一次模型回合。元素定位结合无障碍层级、OCR 与视觉模型，覆盖自定义 Canvas、Compose 与 Flutter 界面。Flash 与 Pro 共享历史压缩机制，用视觉摘要替换较早截图，并把已完成步骤压缩为可搜索的历史片段，通过上下文阈值控制替换时机。
Flash 与 Pro 的适用与限制 Flash（--profile flash）：快速、节省 token 的响应式循环，每步约 3–5 秒，由一个模型观察实时屏幕、思考并行动，无图编排。适合常规、确定性的 UI 任务。循环默认无上限（agent.flash.max_turns，0 表示不限），因为历史是被压缩而非截断；可与 Pro 共享会话记录台账（会话相对 T+mm:ss 计时、截图折叠为视觉摘要、较早步骤分块并可按需通过 search_history / replay_steps 召回），并可通过 video_analyzer 查询会话录像。瞬时 UI（自动淡出的控制条、Toast）可用 click_sequence 把多次点击串成一次操作。限制：无任务计划或笔记，无执行前安全网，无检查点验证或最终报告，也不支持 ADB shell。 Pro（--profile pro）：规划与验证工作流，每步约 15–40 秒，基于多智能体图。Planner 维护一份带里程碑与 verify / assert 检查项的 Markdown 任务计划；Operator 使用完整工具集执行（Explorer 接地，其 flash / pro / ultra 层级由用户在配置中按 profile 设置，如 config/artemis.jsonc 的 pro.explorer.mode / flash.explorer_mode 或 --explorer-pro-mode，代理不会自行选择；还包括笔记、历史召回、视频分析、ADB 诊断）。每个动作都经过执行前安全网（XML 优先、像素回退），多动作快速突发可连续触发以应对瞬时 UI。被阻塞或失败的动作会开启一个执行事件，保留在 Operator 上下文中直到后续动作成功，由 Operator 自行处理恢复，没有单独的修复代理。只读 Checker 验证计划检查点，并针对原始目标进行退出终审（--verification-level：off / final（默认）/ checkpoints / strict），计划里程碑的修改会得到建议性审查。适合 100+ 步的长期工作流、[Loop:continuous] 监控与可选书面报告。
路线图（官方列出） Android Studio 集成：原生 IDE 插件与工作流集成，在编辑器内调试、录制测试并自动控制设备。 iOS 平台扩展：把多模态感知与移动自动化扩展到 iOS 设备与模拟器。 设备端轻量 VLM：使用边缘轻量视觉模型本地执行，实现低延迟、隐私优先的自动化。 实时双工语音交互：语音驱动任务派发，支持实时对话控制与打断处理。
社区与许可 项目欢迎贡献，可 Star 仓库、加入 Discord 社区、提交 Issue 或 Pull Request。采用 Apache License 2.0 许可。非 Google 所有的第三方代码位于 third_party/ 下，每个上游项目一个目录，各自带 LICENSE 与 METADATA；例如 third_party/mobile_use 来自 Minitap, Inc. 的部分代码，Apache License 2.0。
限制与补充：官方文档未提供具体收费、价格信息；其他未在此说明的功能与效果，资料中暂未提供。
