PokeClaw và FoneClaw: AI cục bộ hay thực thi Android có quản trị?

Nên chọn PokeClaw hay FoneClaw?

PokeClaw và FoneClaw nên được so sánh theo mức độ phù hợp, không theo một bảng thắng thua cố định. Chọn PokeClaw nếu bạn muốn xem một prototype Android local-first mã nguồn mở, quan tâm tới suy luận mô hình trên điện thoại, muốn đọc code, thử Local mode và chấp nhận tự kiểm tra giới hạn trên thiết bị của mình. Chọn FoneClaw nếu mục tiêu của bạn là thực thi tác vụ Android được quản trị rõ hơn: thao tác được hỗ trợ, quyền, phê duyệt, trạng thái hiển thị, khả năng dừng và phục hồi khi thiếu quyền hoặc khi app đổi trạng thái.

Điểm mới trong so sánh này là chữ local có hai nghĩa. Nghĩa thứ nhất là suy luận mô hình cục bộ: model chạy ngay trên điện thoại, giảm phụ thuộc vào API đám mây trong cấu hình đó. Nghĩa thứ hai là vòng hành động cư trú trên thiết bị: agent quan sát UI, gọi công cụ, mở app, nhập nội dung hoặc kiểm tra trạng thái ngay trên Android. Một sản phẩm có thể mạnh ở suy luận cục bộ nhưng vẫn cần chứng minh kiểm soát hành động; một sản phẩm có thể mạnh ở thực thi Android có quản trị nhưng không nên được mô tả là toàn bộ suy luận đều chạy trên thiết bị.

Theo kho mã chính thức của PokeClaw, PokeClaw là một prototype Android local-first mã nguồn mở. Theo cách chúng tôi xây FoneClaw, bài học thực tế là phone agent không chỉ cần trả lời tốt; nó cần đưa người dùng tới bước Android nhìn thấy được, giữ quyền và phê duyệt đúng lúc, rồi phục hồi khi điều kiện thiết bị không khớp. Vì vậy, câu hỏi đúng không phải là sản phẩm nào nghe hiện đại hơn, mà là bạn đang tối ưu cho model locality hay governed execution.

So sánh mô hình và đường đi dữ liệu

Ở lớp mô hình, PokeClaw có một luận điểm rõ: Local mode chạy Gemma 4 qua LiteRT-LM trên điện thoại. Sau khi thiết lập xong, đường dùng này không cần tài khoản hay API key cho suy luận cục bộ theo mô tả chính thức. Đây là điểm hấp dẫn cho người muốn thử tác nhân AI cục bộ trên điện thoại, đặc biệt khi mục tiêu là kiểm tra độ trễ, tài nguyên máy, khả năng tự chủ và ranh giới dữ liệu trong một prototype có thể đọc code.

Tuy vậy, PokeClaw cũng hỗ trợ nhà cung cấp cloud tùy chọn. Khi bật đường cloud, câu chuyện dữ liệu thay đổi: yêu cầu, ngữ cảnh hoặc kết quả có thể đi qua hạ tầng ngoài thiết bị tùy cấu hình. Vì thế, không nên nói mọi tính năng PokeClaw luôn offline trong mọi cấu hình. Cách viết chính xác hơn là: PokeClaw có Local mode chạy model trên điện thoại, đồng thời cho phép các đường model khác khi người dùng cấu hình. Người thử cần ghi lại mình đang dùng Local mode hay cloud mode trước khi đánh giá riêng tư, độ trễ hoặc chi phí.

FoneClaw nằm ở ranh giới khác. Theo thông tin sản phẩm mới nhất tại thời điểm cập nhật bài viết, FoneClaw là runtime Android phone-agent độc lập, tập trung vào đưa ý định thành hành động được hỗ trợ với ngữ cảnh màn hình do người dùng kích hoạt, mạch tác vụ, quyền, phê duyệt, dừng, phục hồi và định tuyến năng lực. Chúng tôi không mô tả FoneClaw như một hệ toàn bộ suy luận đều nằm trên thiết bị. Chúng tôi mô tả phần người dùng có thể kiểm tra: hành động nào được hỗ trợ, quyền nào được dùng, kết quả nào hiển thị và tác vụ xử lý thiếu quyền ra sao.

Nếu bạn đang cân nhắc sâu giữa tin cậy cục bộ và tin cậy đám mây, bài Niềm tin AI agent: Android cục bộ hay đám mây tách riêng mô hình rủi ro này để bài so sánh hiện tại không biến thành một bài lý thuyết dài.

Mỗi agent quan sát và hành động ra sao

Sau lớp mô hình là lớp hành động. PokeClaw mô tả vòng hoạt động cư trú trên điện thoại: nó đọc biểu diễn dạng văn bản của UI hiện tại, suy nghĩ bước tiếp theo và chọn công cụ. Các công cụ chính thức hiện được mô tả gồm thao tác chạm, nhập văn bản, mở app, đọc màn hình, chụp màn hình, nhắn tin, auto-reply và kết thúc tác vụ. Đây là cách tiếp cận gần với một tác nhân chạy trên thiết bị: agent không chỉ trả lời, mà cố gắng nối quan sát UI với thao tác.

Điểm mạnh của cách này là tính inspectable. Với người xây thử nghiệm, biểu diễn UI dạng văn bản giúp dễ ghi log, dễ hiểu agent nhìn thấy gì và dễ phát hiện khi app đổi layout. Nhưng đây vẫn là prototype theo cách PokeClaw tự gọi public build. Vòng hành động dựa vào Accessibility, UI tree, công cụ chung và hành vi app thực tế; vì vậy một demo thành công trong một app không chứng minh khả năng kiểm soát mọi app Android. App có thể đổi ngôn ngữ, nút có thể không có nhãn rõ, cửa sổ bật lên có thể xuất hiện hoặc quyền hệ thống có thể chặn bước tiếp theo.

FoneClaw được xây theo hướng khác: người dùng có thể gọi trợ lý nổi khi đang ở app khác, chủ động đính kèm màn hình hiện tại làm ngữ cảnh, rồi để runtime định tuyến tác vụ tới năng lực phù hợp trong phạm vi được hỗ trợ. Chúng tôi đặt trọng tâm vào trạng thái nhìn thấy được, phê duyệt và phục hồi. Khi một thao tác cần thay đổi cài đặt, tạo nội dung, mở app hoặc xử lý thông tin, điều quan trọng là người dùng thấy FoneClaw đang dùng ngữ cảnh nào và có điểm dừng trước hành động nhạy cảm.

Vì vậy, khác biệt không phải là một bên có action loop và bên kia không có. Khác biệt nằm ở mô hình kiểm soát. PokeClaw hấp dẫn với người muốn quan sát một vòng agent local-first đọc UI rồi chọn công cụ. FoneClaw hấp dẫn khi người dùng cần một lớp điều phối Android có quản trị, nơi công cụ, quyền, phê duyệt, dừng, phục hồi và định tuyến năng lực cùng nằm trong thiết kế sản phẩm. Để hiểu riêng phần trợ lý nổi và ngữ cảnh màn hình hiện tại của FoneClaw, bạn có thể đọc Trợ lý AI nổi Android với ngữ cảnh màn hình hiện tại.

Quyền, phê duyệt, dừng và phục hồi

So sánh giải pháp thay thế PokeClaw không nên dừng ở câu hỏi mã nguồn mở hay đóng, local hay cloud. Với phone agent, an toàn nằm ở hành vi cụ thể: quyền nào được xin, hành động nào tự chạy, hành động nào cần người dùng duyệt, tác vụ có thể dừng ở đâu, và nếu agent kẹt thì phục hồi thế nào. Open source giúp người có kỹ năng đọc và kiểm tra code, nhưng mã nguồn mở không tự động biến mọi hành động thành an toàn. Ngược lại, một runtime có quyền Android cũng không tự động đồng nghĩa với đồng ý có hiểu biết nếu giao diện không trình bày rõ.

PokeClaw cần Accessibility để đọc màn hình và thực hiện gesture. Trang chính thức cũng mô tả auto-reply, messaging và các công cụ tác vụ khác. Điều này rất mạnh cho thử nghiệm, nhưng cũng là nơi người dùng phải cẩn thận: auto-reply hoặc gửi tin nhắn là hành động có hậu quả. Trước khi bật các luồng đó, hãy thử bằng bản nháp chưa gửi, liên hệ thử nghiệm hoặc app ghi chú. Kho mã PokeClaw cũng nói tới hướng rules, guards, stuck detection và clean failures; những khái niệm này nên được xem như tiêu chí kiểm tra, không phải lời đảm bảo rằng mọi cấu hình đều an toàn.

Trong FoneClaw, chúng tôi coi phê duyệt, dừng và phục hồi là phần cốt lõi của trải nghiệm Android. Theo thông tin sản phẩm mới nhất tại thời điểm cập nhật bài viết, FoneClaw có mạch tác vụ giữa bề mặt chính và trợ lý nổi, các bước phê duyệt cho thao tác phù hợp, khả năng dừng tác vụ, kiểm tra trạng thái sau hành động, phục hồi quyền và định tuyến năng lực. Với plugin hoặc năng lực mở rộng, đường kích hoạt cần được xem xét trước khi người dùng đặt niềm tin vào workflow mới. Thông tin hiện tại được duy trì trên trang tính năng FoneClaw.

Nếu bạn muốn đào sâu vào cấu trúc công cụ, plugin, skill và workflow của FoneClaw, bài Công cụ, Plugin, Skill, Workflow và Shortcut trong FoneClaw khác nhau thế nào? giữ phần kiến trúc ở trang riêng.

Cài đặt, phần cứng và chi phí thiết bị

Tác nhân Android PokeClaw có chi phí phần cứng rõ hơn vì Local mode đẩy tải suy luận lên điện thoại. Theo trang chính thức của PokeClaw, dự án cung cấp APK trực tiếp và yêu cầu Android 9+ arm64. Thiết lập local tải khoảng 2,6 GB trong lần đầu và cần khoảng 4 GB RAM trống. Trang này cũng nêu rằng CPU warmup có thể khoảng 45 giây, trong khi phần cứng tăng tốc được hỗ trợ có thể nhanh hơn.

Những con số đó giúp người dùng đặt kỳ vọng đúng, nhưng không phải bảo đảm hiệu năng. Hai điện thoại cùng đáp ứng Android 9+ arm64 vẫn có thể khác nhau lớn về RAM trống, nhiệt, NPU, tốc độ lưu trữ, chính sách pin nền và cách Android quản lý Accessibility. Nếu bạn thử PokeClaw trên máy cũ, hãy ghi thời gian khởi động model, độ trễ mỗi bước, nhiệt máy, mức pin và tỷ lệ tác vụ cần lặp lại. Nếu máy dùng phần cứng tăng tốc, hãy kiểm tra rằng runtime thật sự dùng được đường tăng tốc đó trong cấu hình của bạn.

FoneClaw có câu hỏi thiết lập khác. Người dùng nên kiểm tra trang tải hiện tại, quyền Android cần cấp, app nào tham gia workflow và hành động nào nằm trong phạm vi được hỗ trợ. Theo cách chúng tôi thiết kế, người dùng bắt đầu từ tác vụ có thể nhìn thấy và có thể dừng, không từ việc bật mọi quyền một lần. Trang tải FoneClaw là nơi phù hợp để kiểm tra thông tin phiên bản mới nhất tại thời điểm bạn cài đặt, còn bài này chỉ giữ nguyên tắc chọn: thử nhỏ, xem quyền, xác nhận kết quả rồi mới mở rộng.

Nếu bạn quan tâm tới tối ưu model trên thiết bị, đặc biệt là tradeoff giữa tốc độ, RAM, nhiệt và kích thước model, bài Tối ưu LLM trên thiết bị cho AI agent điện thoại đi sâu hơn vào phần hiệu năng mà bài so sánh sản phẩm này chỉ chạm tới.

Luồng công việc phù hợp với từng sản phẩm

Một tác nhân AI cục bộ trên điện thoại phù hợp nhất khi bạn cần kiểm chứng hành vi model và action loop trong điều kiện cục bộ. PokeClaw hợp với builder, researcher hoặc người dùng kỹ thuật muốn đọc repo, xem công cụ, thử Local mode, kiểm tra WhatsApp auto-reply được tài liệu hóa, thử điều hướng app chung và tự đánh giá cách agent nhìn UI. Giấy phép Apache 2.0 trong repo giúp phần mềm có khả năng được nghiên cứu và xây tiếp trong phạm vi giấy phép; đồng thời các giới hạn trademark nên được đọc riêng để dùng tên và nhận diện đúng cách.

FoneClaw hợp với người dùng Android muốn đi từ yêu cầu tự nhiên tới hành động được quản trị hơn. Ví dụ: gọi trợ lý nổi trong app hiện tại, đính kèm màn hình khi cần, mở app liên quan, chuẩn bị bản nháp, kiểm tra trạng thái thiết bị, tạo nhắc việc hoặc đi qua một workflow có bước phê duyệt. Theo góc nhìn xây sản phẩm của chúng tôi, giá trị không nằm ở việc agent tự động làm mọi thứ; giá trị nằm ở việc người dùng biết nó đang làm gì, quyền nào được dùng, kết quả nào đã có và khi nào nên dừng để xác nhận.

Cả hai hướng đều cần thử trên chính thiết bị của bạn. App, ngôn ngữ, quyền, khu vực, RAM, network và cài đặt pin có thể làm kết quả khác nhau. Một sản phẩm có thể rất tốt trong workflow nhắn tin nhưng yếu ở cài đặt hệ thống; sản phẩm khác có thể mạnh ở công cụ Android nhưng không phải lựa chọn tốt nhất nếu bài toán chính là nghiên cứu suy luận cục bộ.

Chọn hướng đi và chạy bài thử đảo ngược

Chọn PokeClaw trước nếu bạn muốn học hoặc kiểm chứng local-first agent: model chạy trên điện thoại trong Local mode, repo mở để đọc, public build được mô tả là prototype, và bạn chấp nhận tự đo hiệu năng lẫn giới hạn. Chọn FoneClaw trước nếu bạn muốn một lối Android execution có quản trị hơn: truy cập nổi, ngữ cảnh màn hình theo yêu cầu, mạch tác vụ, quyền, phê duyệt, dừng, phục hồi và định tuyến năng lực trong phạm vi thao tác được hỗ trợ.

Bài thử đầu tiên nên là một tác vụ có thể đảo ngược. Đừng bắt đầu bằng gửi tin nhắn thật, mua hàng, xóa dữ liệu, đổi tài khoản hoặc thay đổi cài đặt quan trọng. Hãy thử một trong ba việc: mở một app không nhạy cảm và đọc trạng thái hiển thị; chuẩn bị một bản nháp chưa gửi; hoặc tạo một nhắc việc thử có thể xóa ngay. Chạy cùng tác vụ ba lần trên cùng thiết bị, cùng mạng và cùng quyền.

1. Ghi chế độ model hoặc cấu hình đang dùng, đặc biệt với PokeClaw Local mode hay cloud provider.
2. Ghi mọi quyền được xin: Accessibility, thông báo, màn hình, liên hệ, tin nhắn hoặc cài đặt hệ thống.
3. Ghi độ trễ: khởi động model, đọc màn hình, chọn công cụ và hoàn thành bước.
4. Ghi điểm kiểm soát: bản nháp có hiện không, người nhận có đúng không, có nút dừng không, có phê duyệt trước bước nhạy cảm không.
5. Ghi xác minh cuối và phục hồi: trạng thái sau hành động có đúng không, thiếu quyền có đường sửa không, tác vụ có tiếp tục được không.

Kết luận thực dụng: PokeClaw là lựa chọn đáng thử khi bạn muốn local-first prototype và có khả năng tự kiểm tra. FoneClaw là lựa chọn phù hợp khi bạn cần một lớp thực thi Android độc lập có quản trị. Một lần thành công không chứng minh độ tin cậy; bằng chứng tốt nhất là tác vụ thấp rủi ro, lặp lại được, có kiểm soát và có đường phục hồi rõ.