7块钱给AI装上"身体"

# 7块钱给AI装上"身体"

上个月跟一个做手柄改造的朋友聊，他说了一句让我印象特别深的话："过了1秒的手感就交给本地，要'想'的才上云。"

当时只觉得这话说得漂亮，边界划得清清楚楚。今天看到个更狠的东西——花7块钱买一块ESP32开发板，就能让AI真正"看"到世界、"摸"到东西。

这不是概念，是已经跑通的开源项目。

它是什么

GitHub 上有个人叫 onehumanbeing，搞了个项目叫 esp32-iphone-agent，短短6天拿了接近3000星。

核心思路特别简单粗暴：

你的 iPhone 就是 AI 的"身体"。

ESP32-S3 这块板子（淘宝上7块钱包邮）通过两根线连上 iPhone：

• 一根 USB-C 供电兼传数据
• 一个 AirPlay 投屏当"眼睛"
• USB HID 模拟鼠标键盘当"双手"

没有越狱，没有 Mac，不需要开发者账号。装个 iOS App，配好视觉模型，AI 就能自己操作你的 iPhone 了。

原理拆解

架构比想象中干净得多：

iPhone → Screen Mirroring（Wi-Fi）→ ESP32-S3（AirPlay接收器）
                                                    ↓ BLE
                                              ESP32 Agent App（同一台iPhone）
                                                    ↓
                                          视觉模型 → 指令 → USB HID鼠标键盘

眼睛：ESP32 开启自己的 Wi-Fi 热点，iPhone 连上之后把屏幕画面通过 AirPlay 投过去。板子不解码视频流，直接用 BLE 把 H.264 数据转发给 iPhone 上的 App。

大脑：App 解码画面，截图发给任何 OpenAI 兼容的视觉模型（GPT-4V、DeepSeek-V4 都行），模型输出"点击这里""往右滑"这样的指令。

双手：ESP32 通过 USB 模拟鼠标和键盘。开了 AssistiveTouch 之后，虚拟指针就能在屏幕上移动、点击、打字。每次操作完等屏幕稳定，再截一张图确认结果有没有变化。

整个循环就是这样：看 → 想 → 动 → 再看。

实际能干什么

README 里给了几个演示：

• 设闹钟："设一个每周一二早上8点的重复闹钟"——AI 自己打开时钟 App，拨轮调时间，勾选星期，保存。全程不用人碰手机。
• 查天气、定行程、发消息——只要是你能在 iPhone 上做的操作，AI 理论上都能替你完成。

最妙的是它的容错机制：指针是相对移动的，App 会持续追踪位置并在角落复位；精密点击前会"抖动"一下找准确位置；断开连接后自动暂停，重连后从断点继续。

每次操作都会留在手机里，可以回放每一步的点击和滑动，还能导出完整 trace 给另一个 agent 做复盘分析。

为什么觉得这个有意思

之前聊 AI agent 的时候，大家讨论的大多是"让 AI 写代码""让 AI 自己跑流程"——这些都在虚拟世界里打转。

这个项目把一个完全不同的思路摆到了桌面上：AI 的物理入口不需要复杂的机器人，不需要机械臂，只需要一台你本来就在用的手机。

7块钱的板子 + 一台闲置的 iPhone = AI 第一次有了真正意义上的"手脚"。

而且它跑的是标准 API。换模型就像换脑子——用 DeepSeek 就便宜，用 Claude 就稳定，用 GPT-4o 就聪明。硬件不动，换软件就行。

这是不是意味着，下一波 AI agent 的突破不在算力上，而在"怎么让 AI 真正碰到现实世界"这件事上？

---

项目地址：github.com/onehumanbeing/esp32-iphone-agent

硬件清单：Seeed Studio XIAO ESP32S3（普通版，8MB PSRAM，不要 Sense 或 Plus）× 1，约 ¥7；iPhone（iOS 18+，USB-C 接口直接插，Lightning 需要转接头）× 1

许可证：MIT，可商用