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

(3-2)机器人身体结构与人体仿生学:人形机器人躯干系统

(3-2)机器人身体结构与人体仿生学:人形机器人躯干系统

3.2  人形机器人躯干系统 躯干是人形机器人的核心支撑与功能集成单元,承担连接四肢、容纳核心部件(电池、控制器、传感器)、传递运动力矩及维持动态平衡的多重使命。其设计需在人体仿生学(如脊柱运动特性、躯干质量分布)与工程实现(结构刚度、驱动效率、空间利用率)之间找到最优平衡,直接决定机器人的运动协调性、负载能力与运行稳定性。 3.2.1  躯干结构方案 人形机器人躯干结构如图3-6所示,躯干是连接四肢、承载核心部件(电池、控制器、传感器)并传递运动力矩的关键载体,其结构设计的核心矛盾是刚度与灵活性的平衡、集成效率与维护便捷性的取舍。 图3-6  人形机器人躯干的结构 当前工程领域形成了三类主流方案,均围绕“仿生适配+工程落地”展开,具体设计特性与适用场景如下。 1. 一体化结构方案 (1)设计逻辑: 以“极致刚性与结构稳定性”为核心,采用整体式无拆分框架,通过高性能复合材料一体成型工艺,

从0到1打造RISC-V智能家居中控:硬件+固件+通信全链路实战

从0到1打造RISC-V智能家居中控:硬件+固件+通信全链路实战

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * 从0到1打造RISC-V智能家居中控:硬件+固件+通信全链路实战 🏠💡 * 为什么选择RISC-V?🤔 * 系统整体架构概览 🧩 * 第一步:硬件选型与电路搭建 🔌 * 主控芯片选择 * 外设连接 * 第二步:开发环境搭建 🛠️ * 安装步骤(以Ubuntu为例) * 第三步:裸机驱动开发(Bare Metal)⚡ * 示例1:DHT11温湿度读取(Bit-banging) * 示例2:BH1750光照传感器(I2C) * 第四步:引入FreeRTOS实现多任务调度 🔄 * 第五步:Wi-Fi连接与MQTT通信 ☁️📡 * 连接Wi-Fi * MQTT客户端(使用esp-mqtt库) * 第六步:BLE本地控制(无需Wi-Fi)📱

FPGA Debug:PCIE XDMA没有Link up(驱动检测不到xilinx PCIE设备)使用LTSSM定位问题

FPGA Debug:PCIE XDMA没有Link up(驱动检测不到xilinx PCIE设备)使用LTSSM定位问题

问题现象: 与驱动联调:驱动无法扫描到Xilinx的PCIE设备 通过ila抓取pcie_link_up信号:发现link up一直为低 问题分析:         出现这种情况,在FPGA中搭建测试环境,使用XDMA+BRAM的形式,减少其它模块的影响,框架如下: 1 检查PCIE的时钟 时钟,必须使用原理图上的GT Ref 差分时钟,通过IBUFDSGTE转为单端时钟 2 检查PCIE 复位 复位:PCIE复位信号有要求--上电后,PCIE_RESTN信号需在电源稳定后延迟一段时间再释放,通常是100ms以上 而这100ms的时间,系统主要做以下的事情: * 电源稳定时间 * 参考时钟稳定时间 * PCIe IP核的复位和初始化时间 * 链路训练时间 // 典型的100ms时间分配: 0-10ms   : 电源稳定 (Power Stable) 10-20ms  : 参考时钟稳定 (Refclk Stable)   20-30ms  : 复位释放和PLL锁定 (Reset Release

LazyLLM 测评 | 低代码颠覆 AI 开发!代码专家智能体进阶模块实战

LazyLLM 测评 | 低代码颠覆 AI 开发!代码专家智能体进阶模块实战

摘要: LazyLLM 是商汤大装置推出的开源低代码框架,作为构建和优化多 Agent 应用的一站式开发框架,覆盖应用搭建、数据准备、模型部署、微调、评测等全流程开发环节,提供丰富的工具支持。其以模块化设计打破传统开发壁垒,通过数据流驱动重构开发逻辑,能让开发者用极简代码实现工业级复杂 AI 应用,摆脱冗余编码束缚,聚焦核心业务场景,降低 AI 应用构建成本并支持持续迭代优化。堪称 AI 开发者的 “效率神器”,其技术普惠理念为 AI 开发领域带来新的实践范式,推动了更高效的开发模式。本文将以Python编程为切入点,带你深入了解LazyLLM框架。 LazyLLM 是构建和优化多 Agent 应用的一站式开发工具,为应用开发过程中的全部环节(包括应用搭建、数据准备、模型部署、模型微调、评测等)提供了大量的工具,协助开发者用极低的成本构建 AI 应用,并可以持续地迭代优化效果。 LazyLLM作为商汤大装置推出的开源低代码框架,简直是AI开发者的“效率神器”