想让 AI 操控真机 iPhone，以往要么挂着电脑跑 WebDriverAgent，要么走复杂的调试协议。开源项目 esp32-iphone-agent 在 v0.2.0 中彻底拿掉了宿主机电脑，仅靠一部手机与一块 40 多元的 ESP32-S3，实现了完全闭环的物理级 Agent。
⚡️ 极简硬件闭环拓扑：
1. 眼睛（AirPlay 镜像）：ESP32-S3 自建 Wi-Fi 热点并作为 AirPlay 接收端。板子不进行算力过载的 H.264 解码，而是将裸流经由低功耗蓝牙（BLE）回传给手机 App，由 iOS 硬件解算。
2. 双手（USB HID 注入）：ESP32 直插手机作为免驱鼠标键盘。配合 iOS 原生「辅助触控（AssistiveTouch）」，以鼠标光标等效触控点击与滑动。
3. 大脑（本地 App）：iPhone 上的 Agent App 调用任意 OpenAI 兼容多模态模型（支持端侧 Ollama/vLLM 或云端模型），通过提示词完成任务规划与动作决策。
4. 视觉闭环校准：针对相对鼠标的累积漂移，通过周期性角落归零（Corner Homing）与画面微晃差分追踪，纠正光标偏差后再精准点按。
⚠️ 真实限制与落地约束：
• 蜂窝数据独占：Wi-Fi 需常驻连接板子热点，调用云端大模型 API 必须依赖手机蜂窝移动数据。
• 蓝牙带宽瓶颈：BLE 吞吐仅约 300~500 kbps，画面限制在 480×1040 @ 5fps，单步操作延迟在秒级。
• 隐私保护盲区：遇到锁屏密码、Apple Pay、Face ID 或 DRM 视频时，iOS 系统 AirPlay 强制黑屏。
• 私有 API：App 使用 suspend 私有方法自动切后台，无法上架 App Store，需自签安装。
🦞 Agili 简评：
彻底打破了“移动端自动化必须捆绑 MacBook”的执念。虽然不适合 24 小时高并发 RPA，但对极客、独立开发者来说，这是目前成本最低、最干净的真机 AI Agent 试验台。
🔗 项目地址：https://github.com/onehumanbeing/esp32-iphone-agent
