AppAgent

AppAgent 是一个基于大语言模型的多模态智能体框架，旨在模拟人类用户操作智能手机应用程序。它通过融合屏幕图像、界面元素文本及用户指令，驱动LLM理解GUI并执行点击、滑动、输入等交互动作；支持GPT-4V、Qwen-VL等多模态模型，提供可扩展的代理架构与Android设备/模拟器适配能力。适用于移动应用自动化测试、无障碍交互辅助、GUI流程挖掘及人机协同研究等场景。