本文欲回答的核心问题：GELab-Zero 是什么？它解决了哪些实际痛点？如何在本地完成安装、配置并运行一个可控、可复现的移动端 GUI Agent？

从模型、推理到多设备任务调度再到可视化回放，GELab-Zero 在一个开源项目里同时提供了可本地运行的 4B 模型与完整工程基础设施。本文基于原始文档内容，对其能力、安装路径、使用场景、基准测试方法与作者实践经验进行系统化拆解，帮助开发者在真实工作中理解和复用这套体系。

目录

背景：为何需要 GELab-Zero？

本段核心问题：为什么在移动端 Agent 的发展阶段，需要一套完整的本地 GUI Agent 基建？

移动端应用生态高度碎片化，不同厂商、系统定制、界面元素、权限体系混杂在一起，使 GUI Agent 的任务执行链路变得极其复杂。有能力的模型并不足够，开发者还需要处理：

  • 多设备 ADB 连接
  • 各类依赖与权限
  • 推理服务落地
  • 任务调度与轨迹回放

这些“脏活累活”往往吞噬大量时间，使策略研究者、工程团队难以把精力放在真正关键的交互逻辑与研究方法上。

GELab-Zero 的价值就在于此：它不仅是模型，更是“能跑起来”的完整工程体系。

从文档可总结出它提供的关键能力：

一站式本地化推理与执行链路

  • 完全本地运行，无需云端
  • 4B 轻量级模型在消费级硬件可推理
  • 一键式环境部署与任务启动
  • 多设备分发
  • ReAct、Multi-Agent、定时任务等工作模式
  • 全链路可控、可监控、可复现

作者反思：
这类工程基建往往比模型本身更难做。许多开源 Agent 项目停在 demo 水平，而 GELab-Zero 的可操作性让人明确感受到“这是实际可落地的产品级系统”。对希望在手机场景落地 AI Agent 的创业者和企业用户来说，非常具有现实价值。

应用演示：模型究竟能做什么？

本段核心问题：这些模型与基建在真实手机里能实现哪些任务？

文档中给出的示例覆盖从简单推荐到复杂决策执行的不同层级任务。以下按照场景方式归纳：

1. 内容推荐类任务

通过 GUI 操作 App，为用户执行查询、筛选、推荐动作。

示例：

  • 查找近期好看的科幻电影
  • 推荐适合带孩子周末出行的目的地

这类任务考察模型的搜索、判断与点击路径规划能力。

2. 实用工具任务

  • 领取企业福利平台补贴
  • 查询地铁线路运行情况并导航

此类任务通常链路短，但需要精确理解 UI。

3. 高复杂度任务

这些示例体现模型完整的任务分解、条件筛选、多次跳转、多轮交互能力。

  • 在饿了么指定门店一次性购买十余种商品
  • 在知乎检索特定条件的答案
  • 在淘宝按尺码与价格过滤商品
  • 在百词斩内完成学习任务

作者在阅读这段内容时的感受是：

“

这些任务展示了模型在实际生活服务领域的能力，而不仅仅是“点点按钮的 toy demo”。能跑通这些链路，本质依赖于底层工程环境的稳定性。

官方文档还提供大量 GIF 演示，整体观看体验偏向“真实设备实录”，对于评估 Agent 能力非常直观。

AndroidDaily：贴近日常生活的实测基准

本段核心问题：为什么需要 AndroidDaily？

现实世界中的用户主要使用生活服务类应用，而非传统 benchmark 所关注的生产力工具。因此 AndroidDaily 设计成“更贴近日常生活的真实场景基准”。

它分为两类测试模式：

一、静态测试（Static Testing）

核心问题：静态测试如何评估模型？

  • 共 3146 个动作
  • 提供步骤截图与任务描述
  • 要求模型预测动作类型与动作值

动作类型示例：

动作类型 次数 含义
CLICK 1354 点击
COMPLETE 410 完成任务
AWAKE 528 唤醒应用
TYPE 371 文本输入
INFO 305 信息查询
WAIT 85 等待
SLIDE 93 滑动

提供了非常清晰的数值标签体系，能够实现低成本的大规模模型评测。

静态测试结果（原文提供）显示：

  • GPT-4o：0.196
  • Gemini-2.5-pro-thinking：0.366
  • UI-TARS-1.5：0.470
  • GELab-Zero-4B-preview：0.734

作者观察：
这个结果体现了 GELab-Zero 对真实移动 UI 的“近域适配优化”。即使模型参数量不大，在指定领域依然能达到较高准确率。

二、端到端测试（End-to-End Benchmark）

核心问题：端到端测试考察的是真实执行链路的完整成功率。

任务数量：235 个
场景分布：

  • 出行：33%
  • 购物：26%
  • 社交通讯：18%
  • 内容消费：16%
  • 本地服务：7%

这些任务包含真实交易、跳转、支付、收藏、操作链路，生态效度高。

文档提到：
GELab-Zero-4B-preview 在 AndroidWorld 测试中成功率达 75.86%。

这个结果说明模型能够应对多步骤、多状态变化的复杂 GUI 任务。

开放基准测试：模型能力在多个维度的表现

本段核心问题：模型是否在其它公开基准中有稳定表现？

文档展示了模型与其它开源模型在多项 GUI benchmark 上的对比图。整体趋势：

  • GELab-Zero-4B 在多项指标上表现出色
  • 尤其在 AndroidWorld 这种“真实任务链路”场景中领先

这一部分进一步强化了模型构建策略与工程化联动的价值。

安装与快速开始：从环境到模型的完整配置流程

本段核心问题：如何把 GELab-Zero 跑起来？

此章节内容是文档中信息量最大的部分。以下按照项目实际的运行链路拆解。

Step 0：准备 Python 环境（3.12+）

文档推荐使用 miniforge 管理 Python 环境。

Windows

  • 手动安装 miniforge
  • conda init powershell 激活
  • 设置执行策略，确保脚本可运行
  • 建议通过 VS Code 调试项目

Mac / Linux

下载安装脚本：

curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"
bash Miniforge3-$(uname)-$(uname -m).sh

创建并激活环境：

conda create -n gelab-zero python=3.12 -y
conda activate gelab-zero

Step 1：大模型推理环境搭建

两种可选方式：

方案 A：Ollama（个人用户推荐）

安装

  • Windows/Mac：图形化安装包
  • Linux：
curl -fsSL https://ollama.com/install.sh | sh

部署模型

先下载模型权重：

pip install huggingface_hub
hf download stepfun-ai/GELab-Zero-4B-preview --local-dir gelab-zero-4b-preview

导入 Ollama：

cd gelab-zero-4b-preview
ollama create gelab-zero-4b-preview -f Modelfile

可选：模型量化

ollama create -q q8_0 gelab-zero-4b-preview  # int8
ollama create -q Q4_K_M gelab-zero-4b-preview  # int4

获取测试响应：

curl -X POST http://localhost:11434/v1/chat/completions ...

若能返回消息即代表部署成功。

方案 B：vLLM（企业/服务器侧）

原文未展开，但属于更稳定的推理服务方案。

Step 2：安卓设备执行环境搭建

1. 开启 USB 调试、开发者模式

通用步骤：

  1. 设置 → 关于手机 → 连续点版本号
  2. 返回设置 → 找到开发者选项
  3. 开启 USB 调试

文档中附带了不同品牌手机的截图。

2. 安装 ADB

Windows

  • 下载 platform-tools
  • 配置 PATH 环境变量

Mac / Linux

brew install android-platform-tools

3. 使用 USB 连接设备

检测是否成功：

adb devices

成功示例：

AN2CVB4C28000731 device

首次会在手机端弹出授权提示。

Step 3：GELab-Zero Agent 运行环境搭建

git clone https://github.com/stepfun-ai/gelab-zero
cd gelab-zero
pip install -r requirements.txt
python examples/run_single_task.py

Step 4（可选）：轨迹可视化

使用 streamlit：

streamlit run visualization/main_page.py --server.port 33503

浏览器访问：

http://localhost:33503

可查看带坐标标注的点击/滑动轨迹。

作者反思：从工程复杂度到 Agent 产品落地

通读文档后，有几点感受值得记录：

  1. 移动端 Agent 的关键瓶颈不是模型，而是工程基建。
    多设备管理、UI 差异、权限、连接稳定性，这些才是“百死千伤”的真实难点。

  2. GELab-Zero 的目标非常务实：让模型真正跑在手机上，而不是停留在论文里。
    这与许多偏研究型项目形成鲜明对比。

  3. 它的定位很明确：是 Agent 开发者与 MCP 用户的“本地化实验室与生产工具”。
    对企业用户尤为友好，可减少大量早期系统建设成本。

实用摘要 / 操作清单

如果你想在本地跑起 GELab-Zero，只需完成：

  1. 安装 Python 3.12（建议使用 miniforge）
  2. 部署推理服务（推荐 ollama）
  3. 下载并导入 4B 模型
  4. 安装 ADB 并开启手机 USB 调试
  5. 连接设备并验证 adb devices
  6. 克隆仓库并运行示例任务
  7. （可选）打开可视化界面观察轨迹

一页速览（One-page Summary）

GELab-Zero =
  可本地运行的 4B GUI Agent 模型
+ 完整工程化基础设施
+ 多设备任务调度与轨迹回放
+ 静态/端到端评估基准 AndroidDaily

用途：

  • 多设备 GUI 控制
  • 本地化隐私安全需求
  • 真实生活类任务场景自动化
  • 研究人员的策略验证平台
  • 企业的 Agent 能力集成模组

安装步骤：

  1. Python → 2. 推理环境 → 3. 模型 → 4. ADB → 5. 设备连接 → 6. 运行示例 → 7. 可视化
    整体链路完整、可复用、有可观实际价值。

FAQ

Q1：一定要用实体手机吗？
文档内容基于真实设备连接，模拟器理论可行但未在原文中明确说明。

Q2：模型能离线跑吗？
是的，文档明确支持完全本地部署。

Q3：可不可以同时控制多台设备？
可以，文档说明支持多设备任务分发。

Q4：手机品牌差异会影响任务执行吗？
可能会影响，因此框架提供统一基建进行适配。

Q5：是否可以无需可视化界面？
可以，可视化模块是可选步骤。

Q6：Ollama 模型可以量化吗？
可以，文档提供 int8/int4 量化命令。

Q7：任务轨迹存放在哪里？
默认目录为 running_log/server_log/os-copilot-local-eval-logs/。

Q8：是否支持聊天 API 测试？
支持，可通过本地 HTTP POST 调用模型响应。