openclaw-termux:把 OpenClaw AI Gateway 装进 Android(带 App、终端和仪表盘)

openclaw-termux:把 OpenClaw AI Gateway 装进 Android(带 App、终端和仪表盘)

openclaw-termux:把 OpenClaw AI Gateway 装进 Android(带 App、终端和仪表盘)

在这里插入图片描述

项目地址:https://github.com/mithun50/openclaw-termux

作者同时提供两种使用形态:Standalone Flutter App(推荐给大多数人) + Termux CLI 包(适合命令行党)

一句话:它让你在不 root 的 Android 设备上,一键搭起 OpenClaw AI Gateway,并通过原生 UI 管理启动、日志、Provider 配置,甚至 SSH 远程连接。


这项目解决了什么问题?

OpenClaw 本身是一个 AI Gateway/代理网关:你可以把多个大模型 Provider(Anthropic / OpenAI / Gemini / OpenRouter / NVIDIA NIM / DeepSeek / xAI 等)统一接入,用统一的方式管理模型、路由、工具调用与仪表盘。

但在 Android 上“把这一套跑起来”,通常会卡在:

  • 环境复杂:Linux 用户态、Node.js、依赖与权限管理
  • 操作分散:Termux、浏览器、日志、配置来回切
  • 常驻困难:后台容易被系统杀掉

openclaw-termux 的思路是:

在 Android 上用 proot-distro 拉起 Ubuntu 用户态环境,再装 Node.js 22 + OpenClaw;同时用一个 Flutter 原生 App 把“安装/配置/启动/查看仪表盘/看日志/设备能力”都集成在一个地方。

两种形态:App vs Termux CLI

1)Flutter App(Standalone)

适合:想“点一点就跑起来”、需要可视化仪表盘与日志的人。

它提供:

  • 一键 Setup:自动下载 Ubuntu rootfs、安装 Node.js 22、安装 OpenClaw
  • 网关控制:Start/Stop、状态指示、健康检查
  • 内置终端:带额外按键工具栏、复制粘贴、可点击 URL
  • 内置 Web Dashboard(WebView):直接加载 localhost:18789 的 OpenClaw 仪表盘(并支持 token URL 展示/复制)
  • Provider 配置与 onboarding:在 App 内完成 API Key 与模型选择
  • 实时日志:支持搜索/过滤
  • 后台保活:Foreground Service + 运行时间追踪 + Setup 进度通知

2)Termux CLI(npm 包)

适合:只要命令行、想写脚本、或者更偏“服务器式管理”的人。

安装后主要命令是 openclawx,比如:

  • openclawx setup:首次安装(proot + Ubuntu + Node + OpenClaw)
  • openclawx start:启动 gateway
  • openclawx onboarding:配置 Provider/API keys
  • openclawx shell:进入 Ubuntu 环境
  • openclawx status / openclawx doctor:检查状态与诊断
注意:Termux 建议从 F-Droid 安装,而不是 Play Store 版本。

亮点功能:Android 设备能力“变成工具”

这项目不只是“把 Gateway 跑起来”,它还把 Flutter App 当作一个 node(节点) 连接到网关,通过 WebSocket node protocol 暴露设备能力给 AI 使用。

文档里列的能力包括(部分需权限):

  • Camera:拍照/录视频/列出摄像头
  • Flash:手电筒开关/状态
  • Location:定位
  • Screen:录屏(需要 MediaProjection 授权)
  • Sensor:传感器读取(需要 Body Sensors 权限)
  • Haptic:震动反馈

并且项目会在启动前自动 patch openclaw.json,放开对应的 allowCommands(文档提到共 15 个命令)。

这意味着你可以把 Android 变成一个“随身 AI 设备节点”:AI 不只是聊天,还能在你的授权范围内调用手机能力完成任务。


安装与上手(按项目 README 的主流程)

Flutter App 流程(推荐)

  1. 从 Releases 下载 APK 并安装(或自行 flutter build apk --release 构建)
  2. 打开 App → 点 Begin Setup
  3. Setup 完成后在 App 内做 Onboarding(配置 API Keys、绑定地址等)
  4. Start Gateway
  5. 打开内置 Dashboard(或浏览器访问 http://localhost:18789 / token URL)

Termux CLI 流程

  1. npm install -g openclaw-termux
  2. openclawx setup
  3. openclawx onboarding
  4. openclawx start

架构一图看懂(项目自带的架构思路)

从上到下大概是:

  • Flutter App:终端 + 网关控制 + WebView Dashboard
  • Native Bridge(Kotlin):负责和 Android 权限/能力打交道
  • Node Provider(WebSocket):把 Camera/Location/Screen 等能力以命令形式暴露给网关
  • proot-distro + Ubuntu:用户态 Linux 环境
  • Node.js 22 + OpenClaw Gateway:最终跑在 Ubuntu 里,Dashboard 默认 localhost:18789

这种架构的好处是:不 root,并且 UI/权限/日志体验比纯 Termux 顺滑很多。


注意事项与坑位(很关键)

  • 电池优化:README 强调要关闭电池优化,否则后台网关很容易被系统杀掉(App 和 Termux 都要注意)
  • 存储空间:需要大约 ~500MB(Ubuntu + Node + OpenClaw)
  • 绑定地址:非 root 设备建议用 Loopback(127.0.0.1)做绑定更安全
  • Bionic Bypass:项目包含对 Android Bionic libc 下 os.networkInterfaces() 崩溃问题的绕过(这类兼容性处理正是这个项目的价值之一)
  • Termux 来源:CLI 形态建议使用 F-Droid 的 Termux

适合谁?

  • 想把 OpenClaw 随身带着走:在手机上跑一个完整的 AI Gateway
  • 想做“移动端 AI 工具箱”:让 AI 在授权下使用摄像头、定位、录屏、传感器等
  • 不想 root、但又想要接近“Linux 环境”的开发/自动化能力
  • 想用一个 App 管理多模型 Provider、网关状态、日志与仪表盘

结语

openclaw-termux 把原本偏“桌面/服务器”的 OpenClaw Gateway,成功搬到了 Android,并且用 Flutter 把关键的运维体验(安装、配置、启动、日志、仪表盘、权限)做成了一套完整产品。

对于想把 AI agent 从电脑扩展到手机的人来说,这是一个非常实用的桥梁项目。

Read more

Stitch——Google热门的免费AI UI设计工具

Stitch——Google热门的免费AI UI设计工具

Google Stitch是谷歌在2025年I/O大会上推出的一款AI驱动的UI设计工具。它能根据文字描述或草图快速生成网页和移动端界面,并导出可用于开发的前端代码,并且可以直接与另一个前端AI编码工具AI Studio直接联动,将生成的UI发给AI Studio进行开发。 访问方式与要求: 1. 通过访问官网(stitch.withgoogle.com),使用谷歌账户登录即可开始使用。 2. Google Stitch并不支持全部地区,如vpn设置为中国香港也无法访问,美国地区可以使用。 使用流程: 第一步:进入官网并完成登录: 第二步:选择合适的模型: 1. 默认选择的是3 Flash,使用Gemini 3.0 Flash,生成速度较快。 2. 3 Pro模式下,优先保障高质量与推理能力,速度缓与3 Flash。 3. Redesign模式使用Nano Banana Pro重新设计现有项目,需要添加屏幕截图。 4. Ideate模式下,支持提出问题并寻找解决方案。 第三步:选择移动端或Web端并添加描述:

构建基于 Rust 与 GLM-5 的高性能 AI 翻译 CLI 工具:从环境搭建到核心实现全解析

构建基于 Rust 与 GLM-5 的高性能 AI 翻译 CLI 工具:从环境搭建到核心实现全解析

前言 随着大语言模型(LLM)能力的飞速提升,将 AI 能力集成到终端命令行工具(CLI)中已成为提升开发效率的重要手段。Rust 语言凭借其内存安全、零成本抽象以及极其高效的异步运行时,成为构建此类高性能网络 IO 密集型应用的首选。本文将深度剖析如何使用 Rust 语言,结合智谱 AI 的 GLM-5 模型,从零构建一个支持流式输出、多语言切换及文件批处理的 AI 翻译引擎。 本文将涵盖环境配置、依赖管理、异步网络编程、流式数据处理(SSE)、命令行参数解析以及最终的二进制发布优化。 第一部分:Rust 开发环境的系统级构建 在涉足 Rust 编程之前,必须确保底层操作系统具备必要的构建工具链。Rust 虽然拥有独立的包管理器,但在链接阶段依赖于系统的 C 语言编译器和链接器,尤其是在涉及网络库(如 reqwest 依赖的 OpenSSL)

医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(总结)

医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(总结)

项目总结与完整Python程序 通过本书的学习,我们从医疗AI的基础知识出发,系统掌握了经典机器学习算法的原理与医疗应用,深入探讨了数据处理、特征工程、模型评估、可解释性、不平衡问题处理、模型融合等进阶技术,并在第16章中以ICU败血症早期预警系统为例,完整演示了从问题定义到模型部署的全流程。现在,我们将所有这些知识整合为一个统一的Python程序,实现败血症预测的端到端流程,包括: * 模拟生成符合MIMIC-III分布的数据集 * 数据预处理与特征工程 * 多模型训练(逻辑回归、随机森林、XGBoost) * 模型融合(Stacking) * 超参数调优与不平衡处理 * 模型评估(AUC、PR AUC、分类报告、混淆矩阵) * 可解释性分析(SHAP) * 阈值选择与决策曲线 * 模型保存与简单API示例 该程序可直接运行(需要安装相关库),可作为医疗AI项目的模板。 完整Python程序 # -*- coding: utf-8 -*-

Kiro IDE 实战体验:亚马逊云科技的 Spec 驱动 AI 编程,写完需求自动出代码

上周在折腾一个内部工具的时候,同事甩过来一个链接:「试试 Kiro,写个 spec 就行了,后面的事它自己干。」 说实话我当时的反应是——又一个 AI 编程助手?凭什么再装一个? 但用了两天之后,我改主意了。 先说结论 Kiro 跟其他 AI IDE 的核心区别不在于「生成代码」这件事本身,而在于它要求你先把需求想清楚。 听起来像废话对吧?但实际操作中你会发现,纯 chat 模式的 AI 编程——「随便写个 prompt 然后让 AI 猜」——遇到稍微复杂的项目就开始跑偏。你花 30 秒写的 prompt,AI 花 10 分钟生成代码,你再花 30 分钟改——来回几轮,效率还不如自己写。