Jev Phone · 多模态决策驱动的三端视觉交互通道

系统节点提供几何区域与属性，截图补充文本、图标及外观语义。区域索引将视觉识别结果关联到可执行位置。

结构示意。实际模型输入与执行结果可在演示页逐步查阅。

演示层按配置标点拆分并串行提交点击目标，失败时停止后续步骤。组件独立于演示界面和 AI Phone，调用方负责步骤编排与业务判定。

from jev_phone import AndroidClicker

phone = AndroidClicker(
    serial="YOUR_DEVICE_SERIAL",
    api_key=your_key,
    provider="openrouter",  # 或 "openai"
)
try:
    result = phone.click("点击底部的我的")
    print(result["selected"])
    print(result["timings"])
finally:
    phone.close()

不需要 Web 页或数据库。同一实例串行调用；可通过 on_event 接收采集、编号图、选择和点击返回事件。

数据来自前期安卓常驻 UiAutomator2 实验，不含模型请求、初始化与页面稳定；当前 Web 展示、额外复核和设备负载会改变实际耗时。

模型时间采用请求往返口径，包含传输与服务处理。结果截图独立计时；点击接口返回与页面稳定、业务判定分别记录。

客户端空闲连接有效期 60 秒。端到端耗时受网络、模型服务、页面与设备负载影响。