PokeClaw и FoneClaw: локальный ИИ против управляемых Android-действий
Сравнение PokeClaw и FoneClaw: локальный вывод модели, путь данных, действия на Android, разрешения, остановка, восстановление и первый обратимый тест.
- PokeClaw и FoneClaw стоит сравнивать не как одного победителя, а как два разных пути: PokeClaw делает ставку на local-first Android-прототип, FoneClaw — на управляемое выполнение поддерживаемых действий на телефоне.
- У PokeClaw Local mode модель Gemma 4 запускается на телефоне через LiteRT-LM; при включении optional cloud providers меняется путь данных, поэтому локальность нужно проверять по выбранной конфигурации.
- FoneClaw, по актуальной информации о продукте на момент обновления статьи, дает floating access, screen context по запросу пользователя, task continuity, approvals, stopping, recovery, capability routing и 100+ built-in tools.
- Первый тест должен быть обратимым: открыть приложение, прочитать видимое состояние, подготовить несохраненный или неотправленный черновик, остановить задачу и проверить восстановление.
Короткий вывод: кому подходит PokeClaw, а кому FoneClaw
PokeClaw и FoneClaw сравнение лучше начинать с вопроса, что именно вы называете локальным агентом. PokeClaw подходит тем, кто хочет исследовать open-source local-first Android-прототип, запускать модель на устройстве и смотреть, как агент читает UI и выбирает инструменты. FoneClaw подходит тем, кому важнее управляемое выполнение поддерживаемых Android-действий: floating access, screen context по запросу пользователя, approvals, stopping, recovery и понятная маршрутизация возможностей.
Свежий угол здесь не в том, кто «умнее» в абстрактном смысле. Главная разница — local model inference против governed Android execution. Локальный вывод модели отвечает на вопрос, где работает модель и куда уходит запрос. Управляемое выполнение отвечает на другой вопрос: как действие проходит через экран, разрешения, подтверждение, состояние устройства и восстановление после сбоя.
Официальный репозиторий PokeClaw описывает проект как open-source local-first Android prototype. Это сильный сигнал для разработчиков, исследователей и пользователей, которые хотят посмотреть под капот и протестировать локальную модельную петлю на телефоне. При этом официальный сайт PokeClaw также называет публичную сборку prototype, поэтому ожидания стоит строить как к исследовательскому и экспериментальному Android-агенту.
В FoneClaw мы идем от другого пользовательского напряжения: человек хочет не только получить ответ, но и безопасно довести намерение до видимого Android-действия. Поэтому сравнение честнее формулировать так: выбирайте PokeClaw, если ваша первая цель — локальный эксперимент с моделью и UI-loop; выбирайте FoneClaw, если первая цель — управляемый маршрут выполнения на поддерживаемом Android-сценарии.
Модель и путь данных: что действительно остается на телефоне
Слово «локальный» в теме телефонных агентов часто смешивает две вещи. Первая — модель работает на устройстве. Вторая — действия выполняются на телефоне, рядом с экраном и приложениями. PokeClaw сильнее связан с первой идеей: в Local mode он запускает Gemma 4 через LiteRT-LM прямо на телефоне. После настройки такой режим, по официальному описанию, не требует аккаунта или API key для локального вывода.
Но у PokeClaw есть и optional cloud providers. Когда пользователь включает облачного провайдера, путь данных меняется: запросы и контекст могут уходить за пределы устройства в зависимости от выбранной конфигурации. Поэтому ответ на вопрос «работает ли PokeClaw полностью на устройстве?» звучит так: в Local mode модельный вывод строится на устройстве, но каждый пользователь должен проверять текущий режим, выбранную модель, включенные провайдеры и разрешения.
FoneClaw в этом сравнении нужно оценивать по другой оси. Мы не подаем FoneClaw как полностью on-device inference продукт. Наша текущая продуктовая роль — independent Android phone-agent runtime для поддерживаемых действий, где важны текущий экран, разрешения, approvals, stopping, recovery, state checks и capability routing. Для читателя это означает: FoneClaw отвечает не столько на вопрос «где исполняется модель», сколько на вопрос «как действие на телефоне проходит через контролируемый путь».
| Критерий | PokeClaw | FoneClaw | Что проверить |
|---|---|---|---|
| Главная идея | Local-first Android-прототип с моделью на устройстве в Local mode | Управляемое выполнение поддерживаемых Android-действий | Ваша цель: локальный вывод модели или надежный action workflow |
| Модельный путь | Gemma 4 через LiteRT-LM на телефоне в Local mode | Публичная оценка строится вокруг runtime, tools, permissions и control flow | Где работает модель, какие провайдеры включены |
| Облачная опция | Optional cloud providers меняют data path | Не стоит трактовать как полностью локальный вывод | Настройки, аккаунты, provider, privacy policy |
| Путь действия | Агент читает UI-представление и выбирает tools | Экранный контекст по запросу пользователя, routing, approvals и recovery | Как виден результат и где можно остановиться |
Если ваша главная тема — доверие к локальному и облачному AI-агенту, рядом полезна статья AI agent trust: локальный AI-агент на Android против облачной безопасности. Здесь мы держим фокус уже: PokeClaw как local-first prototype и FoneClaw как governed execution route.
Как агенты видят экран и выполняют действия
PokeClaw строит phone-resident loop вокруг наблюдения и действия. Репозиторий описывает, что агент читает текстовое представление текущего UI, затем выбирает tools. В текущих официальных материалах фигурируют действия вроде touch, text input, app opening, screen reading, screenshots, messaging, auto-reply и finish. Для разработчика это понятная исследовательская схема: экран превращается в представление, модель решает следующий шаг, инструмент выполняет действие.
Сильная сторона такого подхода — прозрачность для эксперимента. Можно читать код, смотреть tools, проверять skills, изучать guards и QA priorities, менять сценарии и понимать, как агент переходит от UI-состояния к действию. Для open-source прототипа это ценно: PokeClaw показывает, как локальная модель может участвовать в Android-navigation loop, а не только отвечать в чате.
Но действие через UI-loop всегда сталкивается с хрупкостью интерфейсов. Приложение меняет текст кнопки, экран появляется позже, permission dialog перекрывает состояние, поле ввода ведет себя иначе, жест не сработал. Поэтому «агент на устройстве» нужно оценивать не только по способности нажать элемент, но и по тому, как он видит ошибку, останавливается, восстанавливается и объясняет пользователю, что произошло.
FoneClaw использует другую практическую рамку. По актуальной информации о продукте на момент обновления статьи, мы поддерживаем floating access поверх других приложений, user-triggered current-screen attachment, task continuity, approvals, stopping, permission recovery, state checks, capability routing и 100+ built-in tools. Пользователь может вызвать FoneClaw рядом с текущим экраном, сам прикрепить контекст, продолжить задачу между основным экраном и floating assistant, увидеть разрешения и остановить выполнение.
| Ось сравнения | PokeClaw | FoneClaw |
|---|---|---|
| Наблюдение | Текстовое представление текущего UI и screen-reading loop | Прикрепление текущего экрана по запросу пользователя |
| Действие | Tools для касаний, ввода текста, открытия приложений, сообщений и завершения задачи | Маршрутизация поддерживаемых Android-возможностей через governed tools |
| Контекст | Состояние UI передается в loop прототипа | Задача сохраняет continuity между entry points |
| Контроль | Зависит от permissions, guards и реализации конкретного сценария | Approvals, stopping, permission recovery и state checks встроены в workflow |
Если вам важно понять именно экранный вход FoneClaw, подробнее мы разбираем его в материале Плавающий ИИ-ассистент Android и текущий экран: контекст, действия и контроль. Это не заменяет PokeClaw как локальный эксперимент, а показывает другую часть задачи: как пользователь управляет текущим экранным контекстом в Android execution.
Разрешения, подтверждения, остановка и восстановление
В сравнении Android-агентов безопасность нельзя выводить из одного свойства. Open source помогает проверять код и поведение. Local mode помогает удерживать модельный вывод на устройстве. Но ни open source, ни локальность сами по себе не доказывают, что каждое действие будет безопасным. Для телефонного агента решают permissions, approvals, stop path, recovery и финальная проверка состояния.
PokeClaw требует Accessibility для screen reading и gestures. Это логично для агента, который должен видеть интерфейс и действовать в приложениях, но такой доступ всегда нужно включать осознанно. Официальные материалы PokeClaw обсуждают rules, guards, stuck detection и clean failures как направление качества. В тесте это стоит проверять отдельно: что агент делает, если кнопка не найдена, экран изменился, приложение не отвечает или автоответ может уйти не тому адресату.
Особенно внимательно нужно тестировать messaging и auto-reply. Даже если агент хорошо понимает UI, отправка сообщения — consequential action. Первый тест не должен начинаться с реальной отправки, удаления, покупки или изменения аккаунта. Лучше подготовить черновик, показать его на экране, остановить выполнение и проверить, что сообщение не отправилось без подтверждения.
В FoneClaw мы строим контроль вокруг управляемого выполнения: разрешения выводят пользователя к понятному шагу, approvals удерживают чувствительные действия, stopping прерывает workflow, state checks помогают увидеть результат, permission recovery возвращает задачу к рабочему состоянию, а plugin activation review добавляет еще один слой контроля для расширений. Это наш основной урок из разработки телефонного агента: пользователь доверяет не обещанию автономности, а видимым точкам контроля.
Поэтому «где лучше контролируются действия?» нельзя решить по бренду. Нужно запустить одинаковую обратимую задачу и записать: какие permissions потребовались, было ли confirmation, можно ли было остановить, как агент объяснил сбой, проверил ли итоговое состояние и повторился ли результат. В этой части FoneClaw раскрывается как альтернатива PocketClaw-запросам именно для читателей, которым важна не только локальность модели, но и governed Android execution.
Установка, память и цена устройства
Официальная страница PokeClaw указывает direct APK и Android 9+ arm64. Для Local mode важна аппаратная цена: первый запуск скачивает примерно 2.6 GB, а для работы нужно около 4 GB free RAM. Это не мелкая деталь, потому что local-first agent переносит часть стоимости из облака на телефон: память, хранение, тепловой режим, задержка и качество ускорения становятся частью пользовательского опыта.
В официальных демо также отмечается, что CPU warmup может занимать около 45 секунд, а поддерживаемое ускоренное железо способно работать быстрее. Это нужно читать как ориентир, а не гарантию. Один и тот же Android-агент PokeClaw может вести себя по-разному на разных чипсетах, версиях Android, прошивках, режимах энергосбережения и фоновых нагрузках.
Для FoneClaw проверка устройства устроена иначе. Смотрите не на размер локальной модели, а на доступность текущей сборки, разрешения Android, поведение floating assistant, поддерживаемые action areas, стабильность task continuity, approvals, stop path и recovery. Актуальный путь установки мы ведем через страницу загрузки FoneClaw, а текущие возможности — через страницу функций FoneClaw.
Если вы выбираете локальный ИИ-агент для телефона ради приватности и независимости от API, сначала проверьте память, задержку и нагрев. Если вы выбираете агент для выполнения поддерживаемых действий, сначала проверьте permissions, видимость результата и recovery. Для глубины по on-device performance полезен материал Оптимизация LLM на устройстве для телефонных AI-агентов: там мы отдельно разбираем, почему скорость локального вывода зависит не только от модели.
Какие рабочие сценарии подходят каждому продукту
Самая полезная таблица здесь — не список галочек, а карта задач. PokeClaw сильнее там, где нужен локальный эксперимент, открытый код, проверка UI-loop и возможность понять, как модель на устройстве выбирает действия. FoneClaw сильнее там, где важен продуктовый Android workflow: current-screen context по запросу пользователя, управляемые tools, approvals, stopping, recovery и широкая поддержка повседневных action categories.
| Сценарий | Лучше начать с PokeClaw | Лучше начать с FoneClaw |
|---|---|---|
| Исследовать локальный вывод модели | Да: Local mode с Gemma 4 через LiteRT-LM | Нет как основная причина выбора |
| Изучать код агента и менять loop | Да: open-source Apache 2.0, с отдельными trademark limits в репозитории | Нет: FoneClaw ориентирован на пользовательский runtime |
| Проверять WhatsApp auto-reply или generic app navigation | Да, как прототипный сценарий с осторожным тестом | Тестировать только поддерживаемые Android-действия и approvals |
| Работать с текущим экраном рядом с приложением | Через UI-reading loop | Через floating assistant и user-triggered screen attachment |
| Выполнять governed utilities и системные действия | Зависит от tools и сценария прототипа | Да: через поддерживаемые capabilities, approvals и recovery |
| Нужна альтернатива PocketClaw для практического Android-контроля | Подходит для local-first experimentation | Подходит для governed execution workflow |
Если вам нужен каталогический разбор возможностей FoneClaw, лучше не перегружать это сравнение. Для этого есть отдельная страница Инструменты, плагины, навыки и сценарии FoneClaw: как выбрать слой. Здесь важнее разделить две оси выбора: где работает модель и как действие проходит через телефон.
Мы в FoneClaw не считаем, что feature count должен решать сравнение. Читателю нужна проверка конкретной задачи на конкретном устройстве. Локальная модель может быть правильным выбором для исследователя. Управляемое выполнение может быть правильным выбором для человека, который каждый день готовит сообщения, открывает приложения, проверяет состояние устройства, меняет поддерживаемые настройки и хочет видеть, где задача остановится.
Практический вывод: если ваша работа начинается со слов «хочу посмотреть, как локальная модель управляет Android UI», берите PokeClaw как экспериментальный путь. Если запрос начинается со слов «хочу выполнить действие на телефоне с разрешениями, подтверждением и восстановлением», начинайте с FoneClaw и проверяйте exact workflow.
Как выбрать и провести первый обратимый тест
Выбирайте PokeClaw, когда вам важны local-first inference, open-source inspection, прототипная навигация по приложениям и возможность изучить, как агент превращает UI-состояние в tool calls. Выбирайте FoneClaw, когда нужен агент на устройстве в практическом смысле: доступ рядом с текущим приложением, пользовательский screen context, task continuity, approvals, stopping, recovery и поддерживаемые Android-действия.
Первый тест должен быть низкорисковым и обратимым. Не начинайте с отправки сообщения, удаления файла, покупки, изменения аккаунта или публикации. Используйте один телефон, одну сеть, один язык, одинаковые permissions и одну стартовую точку. Затем выполните пять шагов:
- Откройте безопасное приложение, например календарь, заметки или настройки без внешнего эффекта.
- Попросите агента прочитать видимое состояние или объяснить текущий экран.
- Попросите подготовить черновик действия, но не отправлять и не сохранять его без подтверждения.
- Остановите задачу до финального шага и проверьте, что агент ясно показывает текущее состояние.
- Продолжите или восстановите сценарий и запишите, повторяется ли результат во втором прогоне.
Записывайте не только success/fail. Нужны latency, permission requests, выбранный model/data path, видимость действия, approval point, stop behavior, final-state verification и recovery. Один успешный прогон не доказывает надежность. Два продукта могут оба быть полезными, но для разных целей: PokeClaw — как локальный ИИ-агент для телефона и исследовательский Android-прототип, FoneClaw — как governed execution route для поддерживаемых действий.
Короткий финал: локальность модели и контролируемое выполнение — разные признаки. Хороший выбор начинается с вашей задачи, вашего устройства и вашего первого обратимого теста.