这个 Skill 能做什么，适合哪些场景？
agent-device 是一个面向 Apple 平台应用和 Android 设备的设备交互技能。它覆盖 iOS、tvOS、macOS 以及 Android，可用于导航应用、查看界面快照、截图、点击、输入、滚动和提取界面信息。执行普通设备任务前，它要求先加载 bootstrap-install.md 和 exploration.md。技能强调先进行只读检查，并在界面变化后重新验证。
它将设备任务路由到启动配置和界面探索流程，确认目标设备、应用安装状态和应用会话，然后使用 snapshot、snapshot -i、get、is、find、fill、type、back 等操作检查或交互界面，并在需要时重新快照、收集证据和关闭会话。
- React Native 开发者需要确认 iOS 或 Android 应用当前显示的文字和界面结构。
- 移动应用测试人员需要点击、输入、滚动并验证一个已打开的应用流程。
- 需要进行设备端截图或界面信息提取的 AI 编程助手用户。
- macOS、iOS、tvOS 或 Android 应用调试人员需要在目标设备上复现和检查界面状态。
如何安装这个 Skill？
- 该技能会驱动真实设备或模拟器并可能安装、重启、录制、采集日志和网络数据；执行前应确认目标、权限、会话范围及敏感信息处理方式。
- 远程租约示例涉及守护进程地址、认证令牌和租约标识；不要把真实凭据或日志载荷复制到共享环境。
- 未提供中国大陆网络可达性、中文输出或 agent-device 版本兼容性的证据。
- Shell / 命令行
- 本地文件系统
仓库 README 说明可通过 .agents/plugins/marketplace.json 添加其中的 Codex 插件，也可从 GitHub 克隆仓库后安装相关技能。README 没有提供 agent-device 这一插件的独立安装命令；该技能位于 plugins/vendored/.agents/skills/agent-device/。仓库整体采用 MIT 许可证。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/callstackincubator/agent-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/plugins/vendored/.agents/skills/agent-device" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 使用 agent-device 打开当前应用，检查屏幕上是否显示登录按钮，并在必要时截图验证。
在已安装并可访问该技能的 AI 编程助手中，提出明确的设备任务，例如：“使用 agent-device 打开当前应用，检查屏幕上是否显示登录按钮，并在必要时截图验证。”普通设备任务开始前，应先读取 references/bootstrap-install.md，再读取 references/exploration.md；确认目标已固定且应用会话已打开后，再执行检查或交互。
这个 Skill 有哪些优点和局限？
- 覆盖 iOS、tvOS、macOS 和 Android。
- 同时支持界面检查、交互、截图和 UI 信息提取。
- 默认优先只读检查，并要求在重要界面变化后重新验证。
- 提供启动配置、探索和验证相关的明确路由。
- 必须先有正确的目标设备、应用安装状态和打开的应用会话。
- 普通任务依赖两个必读参考文件，但源材料没有展示这些文件的具体内容。
- 源材料没有说明模拟器或实体设备的详细安装配置步骤。
- 没有提供该技能独立的测试套件或平台覆盖验证证据。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 跨平台设备交互助手 本页 | 58 · 推荐 | ★ 1.7k | 18 天前 | MIT |
| Playwright 浏览器自动化技能 | 68 · 推荐 | ★ 3.2k | 2 个月前 | MIT |
| playwright-cli 浏览器自动化技能 | 56 · 谨慎使用 | ★ 11k | 29 天前 | MIT |
| Playwright 浏览器自动化技能 ✓ OpenAI · 官方 | 52 · 谨慎使用 | ★ 28k | 4 个月前 | — |
| Web 应用测试技能 | 49 · 谨慎使用 | ★ 3.1k | 8 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
文档强调先读后写、最小可逆操作、目标绑定、敏感令牌不应泄露，并说明远程租约与日志风险。扣分因为安装、打开应用、UI 变更和远程 HTTP 操作缺少明确的逐步用户确认、通用回滚方案及完整数据流说明；发布者身份未验证。
分层引用覆盖启动、探索、调试、验证、macOS 和远程租约，包含失败类别、重试与停止条件。扣分因为仅有静态说明，没有针对关键路径的提交测试或执行证据，且依赖 agent-device、平台工具、签名和远程守护进程的可用性未被验证。
目标用户、平台范围、典型场景、触发命令和不应继续操作的边界较清楚，也区分只读检查与交互流程。扣分因为未说明中文交互支持，未证明中国大陆网络环境下远程服务或依赖的可达性；对非移动/桌面 UI、无可访问性树等场景的能力边界仍有限。
主文件是路由器，采用渐进式引用结构，提供安装、会话、选择器、失败处理和示例；仓库提供 MIT 许可证及定期 vendored 更新工作流。扣分因为选定技能没有版本、变更日志、独立维护责任或明确更新入口，依赖和 CLI 版本假设也未集中说明。
命令流和 QA 循环可直接指导设备发现、会话建立、UI 操作和证据采集，核心任务目标明确。按静态校准最多给 7 分；扣分因为没有执行验证，结果正确性、跨平台一致性和相对手工操作的收益无法由文件单独确认。
源文件本身可审计，包含具体命令、参数、错误类别和失败语义。扣分因为缺少提交的测试套件、CI 覆盖或第三方执行证据，主要仍是作者对 CLI 行为的文档化描述，跨来源 corroboration 不足。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →