PalmClaw：原生移动端 Agent 框架上线，任务成功率提升 11.5%

2026年7月15日

核心事件

2026 年 7 月 14 日，论文 PalmClaw: A Native On-Device Agent Framework for Mobile Phones（arXiv:2607.13027）正式提交至 arXiv。该研究由 Hongru Cai、Yongqi Li、Ran Wei 和 Wenjie Li 四位作者完成，提出了一种在移动设备上原生运行的开源 Agent 框架——PalmClaw。

背景：移动端 Agent 的困境

当前，大型语言模型（LLM）Agent 已从单纯的文本生成走向多步骤任务执行——通过调用工具、观察结果并迭代决策来完成任务。然而，绝大多数 Agent 系统运行在桌面或服务器上，这些环境天然支持工具调用和任务自动化。

与此同时，移动设备作为 Agent 的运行环境具有独特优势：它们广泛普及、包含用户数据、传感器以及日常使用的应用程序。但现有移动端 Agent 主要通过对图形用户界面（GUI）执行点击、滑动和输入等动作来操控智能手机。这种方式的局限性在于：

容易形成与界面强相关的长序列操作；
无法直接访问设备底层能力；
执行边界难以清晰定义。

PalmClaw 的设计思路

PalmClaw 的核心创新在于"原生"二字。它直接在手机端管理会话（sessions）、记忆（memory）、技能（skills）、工具（tools）以及 Agent 循环（agent loop），而非依赖 GUI 模拟操作。

具体而言，PalmClaw 将设备能力暴露为"设备工具"（device tools），具有以下特征：

明确的参数：每个工具调用带有显式参数；
结构化结果：输出格式统一且可解析；
清晰的执行边界：每项操作的起止点明确可控。

这种设计使 Agent 能够直接使用手机的能力，同时确保每一步操作都明确且受控。

实验结果

根据论文摘要披露的数据，PalmClaw 在与最强基线（strongest baseline）的对比中取得了以下成绩：

指标	结果
任务成功率相对提升	+11.5%
完成时间缩减	94.9%
设置负担	更低

此外，框架还提供了执行轨迹（traces），可用于分析执行边界的具体应用方式。

资源链接

论文页面：https://arxiv.org/abs/2607.13027
PDF 全文：https://arxiv.org/pdf/2607.13027
实验性 HTML 版本：https://arxiv.org/html/2607.13027v1
源代码：https://github.com/ModalityDance/PalmClaw
DOI：https://doi.org/10.48550/arXiv.2607.13027
许可证：非独占分发许可

行业观察

从技术路线来看，PalmClaw 代表了一种从"界面模拟"向"原生集成"转变的趋势。对于 AI 从业者和开发者而言，这意味着移动端 Agent 的开发范式可能从基于 GUI 识别和模拟操作，转向利用设备原生 API 进行能力调用。

对于创业者来说，这一方向也暗示了新的机会窗口：原生设备能力与 LLM Agent 的结合，可能在个人助理、自动化工作流等领域催生更具实用价值的应用形态。

代码已开源，开发者可以前往 GitHub 仓库获取完整实现并进行复现验证。