背景与价值：为什么需要随身 AI 助手
随着大模型技术普及，全场景 AI 助手的需求日益增长。无论是通勤途中的语音笔记、户外场景的实时翻译，还是离线环境下的知识查询，移动端随身 AI 都能解决传统桌面 AI 的场景局限。OpenClaw 作为一款轻量级、可离线运行的开源 AI 框架，支持语音唤醒、多模态交互等核心功能，完美适配 iOS/Android 双平台部署。
核心原理：移动端部署的技术逻辑
OpenClaw 的移动端部署核心是将轻量化大语言模型（如 Qwen-2-0.5B-Instruct）、语音唤醒模型（如 PicoVoice Porcupine）与移动端推理引擎（如 MLKit、TensorFlow Lite）进行整合。主要实现三大流程：
- 低功耗语音唤醒：通过本地运行的轻量唤醒模型监听关键词，避免持续调用麦克风导致的高功耗；
- 本地推理加速：利用移动端硬件加速（NNAPI、Core ML）运行量化后的大语言模型，实现离线交互；
- 跨平台适配：通过 Flutter 统一代码底座，同时适配 iOS 的沙箱机制和 Android 的权限管理。
与传统云侧 AI 助手相比，OpenClaw 移动端部署的优势在于 100% 数据本地处理，无需依赖网络，同时延迟控制在 200ms 以内，满足实时交互需求。
实操演示：iOS/Android 双平台部署步骤
前置准备
在开始之前，请确保已安装以下工具：Flutter 3.16+、Xcode 15+（iOS 端）、Android Studio Hedgehog+（Android 端）、Git，并准备一台 iOS 15+ 或 Android 10+ 的测试设备。
1. 项目初始化与依赖配置
克隆 OpenClaw 官方移动端仓库并安装依赖是第一步：
# 克隆仓库
git clone https://github.com/openclaw-team/openclaw-mobile.git
# 进入项目目录
cd openclaw-mobile
# 安装 Flutter 依赖
flutter pub get
# 下载预量化的模型文件（包含唤醒模型和大语言模型）
bash scripts/download_models.sh
2. iOS 端部署配置
打开 ios/Runner.xcworkspace，在 Xcode 中配置开发者账号，确保设备已添加到开发者团队。接着需要在 Info.plist 中添加麦克风权限申请描述，否则无法调用录音功能：
<key>NSMicrophoneUsageDescription</key>
<string>需要使用麦克风进行语音唤醒和交互</string>
选择测试设备，点击 Run 按钮完成编译部署即可。
3. Android 端部署配置
打开 Android Studio 并导入项目，等待 Gradle 同步完成。随后在 android/app/src/main/AndroidManifest.xml 中添加麦克风和存储权限：
<uses-permission android:name="android.permission.RECORD_AUDIO" />
