原文來源：品玩

圖片來源：由無界 AI生成

雖然我們每天都已經習慣了用手機來完成簽到、回復、發信息等各種工作，但很多人還是時不時的會感慨，科技都已經這麼發達了，這些事手機就不能自己動手把工作幹了嗎？

還真別說，這些事可能用不了多久就不需要我們親自動手了。

騰訊這两天聯手德州大學達拉斯分校的研究團隊在 Arxiv上發布了一篇名為《AppAgent: Multimodal Agents as Smartphone Users》的論文，介紹了一個名為AppAgent的多模態模型應用項目。論文表示，AppAgent可以學習用戶的手機操作習慣，在手機上自己執行各種操作。

它可以模仿用戶的口吻在社交媒體APP上發帖，還可以按照人的口氣撰寫和發送郵件，還可以修圖、導航、給視頻進行評論，甚至是通過APP買東西。

AppAgent的操作分為兩個階段，分別稱為探索階段和部署階段。在探索階段，App Agent觀察不同應用程序用戶界面的交互情況，這就好像一個牙牙學語的孩子，只要通過充分觀察，App Agent就能熟練使用某個應用程序。而這些知識會被精心整理成文檔，放進App Agent的知識庫中。

學習階段完成后，AppAgent就可以開始自己行動了。這個階段它可以處理任何支持的應用程序操作任務。這種有條不紊的方法使App Agent能夠高效地完成不同應用程序中的各種複雜任務。

目前騰訊已經對 Temu、Gmail、X、Youtube 等十款APP進行多次測試，至少確保了50多種不同的任務。而在開放測試之後，App Agent還將會學習到更多APP的操作方法，方便不同人群使用。

騰訊還放出了一個案例，直接讓App Agent 在 Gmail 中給人發一封郵件。在向App Agent 發出要求之後，App Agent 直接輕車熟路的打開 Gmail，找到相應的聯繫人，洋洋洒洒的寫了一封郵件給人發過去。全程根本不需要人類自己動手。

這聽上去是不是很酷，有了App Agent，一些重複繁瑣的功能就可以自己完成。最典型的場景，就是拼多多的“砍一刀”。以後再面對家人朋友幫忙砍一刀的要求時，大家完全可以把這些無聊又繁瑣的複製、點擊操作交給  App Agent來完成。

而對於很多上班族來說，App Agent完全可以自己完成手機上下班打卡的工作需求，再也不用擔心因為忘記打卡而錯失全勤獎的問題。App Agent還解決了安卓用戶無法藉助Siri這樣的語音助手自己回復消息的問題，只要日後開放語音接口，就可以輕鬆實現解放雙手，動動嘴就可以讓手機自己回復消息的夢想。

App Agent一經公布，讓不少人對這款解放雙手的AI產品產生了興趣。

App Agent看上去很棒

不過也有些用戶在感慨App Agent很酷的同時，也在擔心它的使用場景。

這也可能是個雙刃劍，它在提高工作效率的同時，也可以用於操縱社交媒體。

還有人在擔憂自己的數據安全。

有些擔憂也挺有道理的，畢竟誰也不能保證在App Agent的幫助下手機會不會自己給自己安排一堆任務。

到時候一覺醒來人們發現，手機自己給購物車清空了，恐怕很多人就要覺得這是一場噩夢了。