IMAI.WORK AI Phone

集成 Phone Agent、设备任务调度、AI 内容处理与业务流程协作的自动化平台。

IMAI.WORK 采用多端控制台、服务端任务编排与手机执行端协作的架构，将设备管理、账号同步、任务调度、AI 内容处理、知识库和客户流程整合到统一的业务系统中。系统同时包含两条执行链路：一条按设备、账号、内容和时间规则调度业务任务；另一条由 Phone Agent 根据任务描述与设备观察信息调用模型、解析动作，并通过设备通信服务组织多轮执行。

在 Phone Agent 链路中，服务端负责规划结果、任务状态、观察数据、模型轮次、动作记录与执行事件，手机执行端负责提供屏幕及应用信息、接收操作指令和上报执行结果。内容生成、知识检索、发布计划及客户 SOP 则为具体业务场景提供配套能力。

本仓库包含 PHP 服务端、PC 工作台、运营管理后台和 uni-app 移动端代码。手机执行端及外部模型、内容生成等服务的接入条件应与平台代码分别说明。

加入官方交流群 · 前台演示 · 后台演示 · 官方网站 · 技术文档与图片索引

如果你觉得项目有价值，欢迎点击仓库右上角的 Star ⭐，让更多人看到国产开源项目。给项目 Star 后，可凭截图获取项目宣传 PPT、PSD 和 Sketch 源文件。

加入官方交流群 · 在线演示 · 官方网站

可以查看中央广播电视台《赢在 AI》关于此项目的路演介绍，扫描下方二维码查看。

• 社区与项目支持：官方交流群、Star 支持与项目路演。
• 系统架构：各端职责、数据存储和通信组件。
• 两种任务执行模式：业务任务调度与 Phone Agent 的适用方式。
• Phone Agent 实现：规划、观察、模型调用、动作解析和事件记录。
• 设备通信与消息处理：连接管理、协议字段和 Handler 分发。
• 核心能力：设备、内容、发布和客户流程。
• 任务执行链路：任务关系、状态定义和调度机制。
• 知识库与模型服务：向量、全文及混合召回。
• 异步任务与媒体处理：队列、转码与恢复入口。
• 用户团队与访问控制：登录、管理权限和资源归属。
• 界面展示：脱敏后的演示站页面。
• 代码目录：源码组织及阅读路径。
• 开发与部署入口：环境配置、构建和常驻进程。
• 运行诊断与扩展方式：排查方向和扩展位置。
• 实现与接入范围：源码实现与运行验证的范围。

系统按交互入口、业务服务、设备通信与数据存储划分职责：

技术版本以各端依赖文件和部署要求为准；上表描述当前仓库的实现组成，不代表所有模块均已完成独立部署验证。

Web 接口、设备通信、队列消费和定时调度是不同的运行单元。部署 Web 页面和 PHP 接口后，还需要运行对应后台进程，才能处理设备指令、异步任务和时间窗口调度。MySQL 保存主要业务关系，Redis 维护缓存、队列及连接映射，PostgreSQL 承载知识库向量与全文检索数据。

这两条链路共用设备接入与消息通信基础，但拥有各自的任务模型和状态定义。业务任务的数字状态与 Phone Agent 的字符串状态不能直接混用。

Phone Agent 位于 server/app/common/service/phoneAgent/，相关 API 位于 server/app/api/controller/phoneAgent/。当前代码将执行过程拆分为以下职责：

这些职责位于服务端；观察信息如何采集、坐标如何映射到手机屏幕及动作如何执行，需要结合实际手机执行端。

flowchart TD
    A[任务描述与设备选择] --> B[规划与任务持久化]
    B --> C[下发观察指令]
    C --> D[设备上报屏幕及应用信息]
    D --> E[构建模型上下文]
    E --> F[调用执行模型]
    F --> G[解析并检查动作]
    G --> H[记录并下发动作]
    H --> I[接收动作执行报告]
    I --> J{任务是否结束}
    J -->|继续| C
    J -->|完成或失败| K[保存终态与执行事件]
    G -->|无法解析或指令下发失败| K

具体处理过程包括：

1. 创建任务：校验所选设备属于当前用户，检查模型相关余额，生成任务标识，并在事务中保存会话与任务。
2. 准备规划：根据 skip_analyze、execution_message 和规划模型参数决定如何构建执行任务。代码分别保存原始描述、执行文本和规划结果。
3. 请求观察：下发截图、OCR 和无障碍树等观察需求；第一轮观察还携带回到桌面的标记。
4. 组织上下文：整理当前应用、观察信息、执行提示与前序动作信息，为模型构建本轮请求。
5. 解析动作：兼容函数调用、JSON、部分文本动作表达式和坐标输出，并将结果规范化。
6. 下发执行：记录轮次、动作序号、动作参数及消息内容，更新为等待设备报告的状态。
7. 处理报告：校验报告对应的设备、轮次和动作，记录成功或失败；有后续动作时继续下发，否则按执行结果进入后续观察或结束任务。

代码中的观察上下文整理会限制 OCR 文本与无障碍树规模，执行状态服务当前将最大执行轮次设为 20。这些限制属于当前实现参数，不是对任意任务完成率的承诺。

当前动作白名单包含以下操作：

执行消息携带 task_id、turn_no、action_no、action_type、params 和 timeout。坐标约定为 normalized_1000；执行端需要按双方协议将其转换到实际设备坐标。

模型返回动作类型不能直接视为执行成功。服务端仍需解析输出、检查动作、下发指令并接收设备报告。当前解析器还包含搜索场景结束检查及重复动作相关处理，但这些规则不等同于通用任务完成验证。

PhoneAgentTask 定义以下状态：

completed、failed、canceled 为终态。实际状态写入以 PhoneAgentStateService 的执行分支为准，并非每个任务都会经过所有定义状态。

执行数据分别由 PhoneAgentConversation、PhoneAgentTask、PhoneAgentTurn、PhoneAgentObservation、PhoneAgentAction 和 PhoneAgentEvent 保存。任务详情可关联查询各轮模型响应、设备观察、动作与事件；事件查询支持 last_id 和 limit，便于增量获取。

对已结束任务的迟到报告、轮次不匹配报告、设备不匹配报告和已处理动作，状态服务包含单独的记录或忽略分支。这能保留排查上下文，但不能据此宣称整条链路已具备严格的“恰好一次”执行语义。

上表来自控制器及校验器，描述方法职责。具体 HTTP 路径应以部署后的 ThinkPHP 路由及前端调用为准；本次未向这些接口提交执行或计费请求。

workerman:server 命令创建 RPA WebSocket、微信 WebSocket、设备 TCP 和内部 Channel 服务。当前代码默认端口如下，部署时可通过环境变量调整：

CHANNEL_PROT 是当前代码中的实际拼写。前台 useDeviceWs 使用 wss://当前域名/wss，生产 Web 服务需要将该入口代理到相应设备通信服务。

ConnectionRepository 在 Redis 中维护连接与 Worker、设备与连接的映射。ChannelBus 用于进程间投递，避免 Web 请求进程或其他 Worker 直接依赖某个进程的本地连接对象。

设备 WebSocket 消息使用 JSON，主要字段包括：

Phone Agent 指令在 WorkerEnum 中对应 1100 执行、1101 上报、1102 取消和 1103 观察。其他业务任务拥有各自消息类型，应使用项目枚举进行对接。

接收到消息后，RpaSocketService 更新心跳时间、解析 JSON，经 MessageValidator 校验后交给 HandlerRegistry。注册表按消息类型选择设备、发布、私信、任务报告或 Phone Agent 等处理器。

校验逻辑包含必要字段检查、设备在线检查和部分设备接入鉴权。心跳与初始化消息存在专门处理分支；不同消息类型的校验条件不同，不能把设备接入校验理解为所有 API 都采用同一认证方式。

连接关闭时，服务会处理旧连接与新连接的归属关系、在线状态及重复关闭回调；部分在线标记异常也可根据仍在使用的设备连接进行修复。

提供设备绑定、状态查看、账号同步、授权周期及设备任务管理入口。服务端维护设备与用户归属、账号关联和连接信息，为按设备路由任务提供基础。

设备、账号和任务分别维护：一台设备可关联相应应用账号，业务任务进一步记录所使用的账号类型及执行场景。账号同步逻辑包含事务、设备行锁、绑定冲突检查和同步记录，用于处理设备账号信息的新增、更新及清理。

ClawController 提供设备信息查询、当日任务查询、账号同步和解绑报告入口。设备账号的 HTTP 上报与 WebSocket 连接管理共同构成接入过程，不能仅根据其中一个接口判断设备已完整接入。

通过任务参数和时间窗口组织执行计划。设备任务调度器检查待执行、执行中及超时任务，维护执行状态，并结合业务处理器下发对应任务。调度代码包含运行锁、分批处理及单轮执行时间限制。

包含文案、图像、数字人及视频处理等业务模块与服务接口，同时提供知识库、知识问答及智能体配置入口。知识库代码包含 PostgreSQL 向量数据模型；具体模型与生成能力取决于实际接入配置。

围绕素材、文案、账号和发布时间配置发布任务，并保存发布记录。客户与 SOP 模块提供线索管理、客户跟进、阶段流程和消息任务等业务能力。

内容发布配置会关联发布账号、素材与文案，并分配到相应时间段。服务端分别管理发布配置、账号关联和发布明细；执行记录还用于查看结果和重新发布。相关逻辑集中在 PublishLogic，手机执行与业务计划通过设备任务建立联系。

SOP 的数据结构包含流程、阶段、触发条件、跟进提醒和推送成员等对象。FlowLogic 组织流程及阶段配置，ai_wechat_sop_cron 调用阶段触发推送逻辑，使客户跟进按配置的流程推进。SOP 属于具体业务流程模型，当前 README 不将其描述为任意节点均可执行的通用工作流引擎。

这些模块围绕业务对象组织，能力的最终可用性还与设备、模型、生成服务及账户配置有关。

1. 配置任务：选择设备、账号及业务场景，设置执行内容、规则和时间。
2. 持久化参数：保存任务及关联数据，记录用户、团队等业务归属。
3. 调度任务：按时间窗口检查任务，维护状态并处理超时情况。
4. 下发指令：通过设备通信服务，将消息路由到目标设备连接。
5. 设备执行：由已接入的手机执行端处理对应应用任务。
6. 回传结果：接收执行状态与业务结果，保存记录并更新控制台。

设备通信与异步业务队列承担不同职责：前者负责连接和消息传递，后者用于后台任务处理。具体手机操作机制应以执行端代码及接入文档为准。

普通设备任务由 SvDeviceTask 组织，关键维度包括设备标识、任务类型、账号、账号类型、来源、日期、开始时间、结束时间及执行状态。不同场景通过业务子任务或发布明细与设备任务关联，由调度器按类型选择处理逻辑。

任务模型在创建前记录当时的团队归属，用于后续异步处理及业务结算。这使任务创建时的业务主体可被保存下来，而不是只依赖任务执行时用户当前选择的空间。

DeviceEnum 为业务设备任务定义的基础状态如下：

部分业务子表使用自己的状态值，需按对应模型及处理逻辑解释。上方流程图用于说明执行链路，状态名的准确对应关系以上表和源码为准。

设备状态也单独定义为离线、在线和运行中。设备在线不代表业务任务已成功执行，任务完成还需要对应业务记录与报告处理。

DeviceTaskScheduler 检查三类任务：超过结束时间仍未开始的任务、处于执行窗口内的待执行任务、需要更新完成情况的执行中任务。DeviceAutoTaskScheduler 负责自动化设备任务，两者使用不同运行锁。

当前两类调度器的主要控制参数为：

运行锁通过 Redis SET NX EX 获取；释放时通过 Lua 检查锁值，避免直接删除不属于当前执行实例的锁。这里解决的是调度器并发运行问题，不代表所有设备动作都具有事务回滚能力。

知识库并非只保存文件名称。MySQL 侧保存知识库、文件、智能体及协作关系等业务信息；PostgreSQL 侧的 KbEmbedding 保存分段问题、答案、附件、向量、文本检索字段和学习状态等数据。

KbEmbedding 指定 pgsql 数据连接。安装 SQL 定义 vector 字段与相关表结构，安装代码还检查向量及中文检索相关扩展。启用知识库模块时，需要同时满足 PostgreSQL、扩展和向量服务的接入要求。

当前召回服务位于 server/app/common/service/recall/，主要提供三种模式：

在 KbKnowLogic::embContentSearch 中，调用方根据智能体配置选择召回方式，再使用 RRF 结果融合、相似度过滤与最大 token 数过滤整理参考内容。该入口当前将重排开关设为关闭，因此不以“已启用模型重排”描述现状。

flowchart LR
    Q[用户问题] --> M[选择知识库与检索模式]
    M --> V[查询转向量与向量召回]
    M --> T[分词与全文召回]
    V --> R[结果融合与过滤]
    T --> R
    R --> C[整理问题答案及附件参考内容]
    C --> A[供问答或业务模型调用方使用]

向量服务当前通过 ToolsService::VectorKnowledge() 调用外部接口。召回服务还会按知识库、分段状态、删除标记和向量维度过滤数据。检索代码的存在说明仓库具有这部分实现，完整召回质量仍需通过实际数据验证。

ToolsService 为模型、向量、数字人、内容处理等业务提供统一的外部请求入口。调用逻辑覆盖请求参数、接口地址、签名、超时、回调 URL 及流式响应等处理。

Phone Agent 的模型调用当前经 ToolsService::AutoGlm() 转发，规划和执行使用各自的请求构建逻辑。知识问答及私信 AI 回复也有对应服务和用量处理。模型别名、展示名称、成本与业务用量属于不同配置，不应把某个页面上的模型名称直接当作所有链路实际使用的模型。

默认队列连接为 Redis，项目还实现了自定义 RedisConnector。队列连接会处理重连后的 Redis 数据库选择；重试间隔及次数由配置和具体 Job 共同决定。

上传接口完成并不意味着媒体已可用于所有下游任务。转码、切分或生成处理可能仍在队列中，相关业务需要结合素材处理状态判断是否就绪。

仓库包含素材转码巡检、切分超时回收、缺失封面补生成及出图任务恢复等命令。不同恢复命令针对不同业务状态，不能用任意一个命令替代完整的队列管理。

部分 Job 包含延迟重试、执行次数检查和业务状态补偿。具体重试语义应以对应 Job 为准，不承诺全系统所有操作都可自动回滚或无限重试。

用户接口通过登录中间件读取 token 请求头，查询登录缓存，处理失效或禁用账号，并在临近到期时续期。接口控制器可声明免登录方法，因此具体接口是否要求登录应结合控制器和中间件检查。

Controller 主要处理请求和响应，Validate 校验参数，Logic 组织业务过程，Lists 提供列表与分页，Model 和 Service 管理数据及可复用逻辑。部分基础响应通过 JsonService 统一输出，但 Web API 与设备协议采用各自的响应结构。

后台拥有独立的管理员登录上下文。AuthMiddleware 按管理员权限缓存检查已注册权限 URI，超级管理员有专门分支。菜单、功能权限和接口检查需要保持对应；此处介绍已有权限机制，不等同于完成了全项目权限审计。

TeamContextService 处理当前团队、资源可读范围、成员资源共享及退出团队后的资源归属。设备任务创建时记录 team_id，Phone Agent 及 AI 回复等服务分别维护模型用量和计费逻辑。

资源访问主体、任务创建主体和异步扣费主体需要在各业务链路中明确传递。文档据此将“团队与权限”“用量记录”作为工程能力介绍，而不宣称所有业务均采用完全一致的数据隔离或结算规则。

介绍图和脱敏截图均保存在仓库的 docs/assets/ 下，使用相对路径引用。图片用途、尺寸和处理说明见图片索引。

以下图片基于演示站实际页面采集，并使用图像工具进行敏感信息遮盖，用于介绍界面布局。它们不是原始像素截图，也不作为执行成功、性能或端到端验证的证据。

截图采集于 2026-10-12。演示站显示 v2.13.4，当前本地各前端 package.json 标记 v2.13.2，页面与本地代码可能存在版本差异。

发布入口区分图文与视频，提供发布记录、素材库和文案库入口。

后台按设备维护授权状态、CDK 类型和过期时间，并提供设备管理操作入口。页面中的具体用户与设备信息已遮盖。

IMAI.WORK-AI-Phone/
├── server/                     PHP 服务端
│   ├── app/api/                业务接口、校验、逻辑与列表
│   ├── app/adminapi/           管理后台接口
│   ├── app/common/command/     定时任务与调度命令
│   ├── app/common/Jobs/        异步业务任务
│   ├── app/common/service/     可复用业务与外部调用服务
│   │   ├── phoneAgent/         手机智能体执行链路
│   │   └── recall/             知识库召回
│   ├── app/common/model/       业务模型及执行记录
│   ├── app/common/workerman/   设备与消息通信
│   ├── app/common/pgsql/       知识库 PostgreSQL 模型
│   ├── config/                 服务端配置
│   └── public/install/         安装入口与数据库脚本
├── pc/                         Nuxt PC 工作台
├── admin/                      Vue 管理后台
├── uniapp/                     uni-app 移动端
└── docs/                       技术说明与介绍图片

服务端主要采用 Controller、Validate、Logic、Lists、Model、Service 等职责划分。设备任务相关的入口可从 server/app/api/controller/device/、server/app/common/command/DeviceTaskScheduler.php 和 server/app/common/workerman/rpa/ 开始阅读。

下面列出代码中的配置与命令入口，完整部署仍需结合环境配置和各模块接入要求。

ThinkPHP 命令应在 server/ 目录、完成依赖安装和环境配置后运行。生产部署还需要配置 Web 服务、数据库、Redis、队列消费者、调度计划及设备通信代理等组件。本次文档分析未实际启动这些服务。

服务端环境模板采用分组配置。主要配置职责如下，具体字段和值以模板及配置读取代码为准：

环境模板提供结构，不能代替数据库初始化、外部服务授权或设备接入。真实密钥、设备标识和账号数据不应写入介绍文档或演示截图。

1. 准备后端环境：按 Composer 依赖声明安装 PHP 及扩展，准备 MySQL、Redis；需要知识库时同时准备 PostgreSQL 及相应扩展。
2. 初始化服务端：在 server/ 安装依赖，根据 server/.example.env 配置本地环境，并使用项目安装入口初始化数据库。
3. 配置外部服务：按所用模块配置模型、内容生成、对象存储或其他业务服务。
4. 启动通信与队列：为需要设备或异步处理的模块启动相应服务及消费者。
5. 启动前端开发服务：在各端完成依赖及环境配置后，运行对应开发脚本，并将 API 地址指向本地服务端。
6. 接入测试设备：使用与服务端协议匹配的手机执行端，检查观察、动作和结果报告。

设备绑定、模型计费或发布类功能应在接入完成后单独验证。文档示例仅说明启动入口，没有在此次编写过程中运行这些任务。

以下命令示例均在 server/ 目录执行。YOUR_QUEUE_NAME 是占位值，需要替换成当前环境实际配置的队列名。

# 设备通信服务，-m d 表示以该命令支持的守护方式运行
php think workerman:server start -m d

# 普通设备任务：单次检查
php think task:scheduler

# 普通设备任务：守护运行，按指定间隔检查
php think task:scheduler --daemon --interval=60

# 自动设备任务：单次检查
php think auto_task:scheduler

# 指定业务队列消费者
php think queue:work --queue=YOUR_QUEUE_NAME

调度器可以由周期任务触发，也可以使用守护运行模式；部署方案应明确采用哪种方式，并通过进程管理工具维护通信服务与队列消费者。运行锁用于减少并发触发影响，不能替代进程管理。

SOP、内容合成、模型同步及恢复任务还拥有独立命令入口。server/config/console.php 是已注册业务命令的索引，应根据启用模块配置，而非无差别启动所有命令。

发布脚本会先删除对应目标目录，再复制构建产物。因此这些构建命令会改变服务端静态目录，发布时需要确认目标路径并保留现有可用产物。PC 还包含 SSR 配置及构建入口，使用 SSR 时应按对应产物和启动要求配置，不能直接套用静态发布方式。

排查时需要区分页面可访问、API 成功、指令已发送、设备动作完成和业务目标完成这几种状态。各层对应的日志或事件不同，不能只凭一个成功响应判断整条链路已完成。

• Phone Agent：PhoneAgentController → PhoneAgentLogic → PhoneAgentStateService → 规划/模型/解析/下发服务 → PhoneAgentReportHandler。
• 设备通信：WorkermanServie → RpaSocketService → MessageValidator → HandlerRegistry → 各业务 Handler。
• 定时任务：DeviceEnum → SvDeviceTask → 两类设备任务调度器 → 业务 Trait 与 Logic → 执行结果处理。
• 知识检索：KbKnowLogic → RecallKnow/RecallUtils → VectorService/KbEmbedding → 问答或业务调用方。
• 内容发布：发布页面 → PublishLogic → 发布配置/账号/明细 → 设备任务调度 → 发布状态与记录。
• 异步素材：UploadService 或素材处理接口 → 队列投递 → 对应 Job → 状态记录及恢复命令。

• 平台代码：本仓库提供服务端及多端控制台的实现。
• Phone Agent：已确认规划、观察协议、模型调用、动作解析、指令下发和报告处理的服务端实现；本次没有验证模型服务与手机执行端组成的完整执行过程。
• 手机执行端：本次源码检查未发现独立 Android 原生工程；手机端操作能力及兼容范围需要补充执行端来源与接入说明。
• 模型与内容服务：仓库包含外部接口调用逻辑，相关能力需要完成服务配置、授权与网络接入。
• OpenClaw：当前找到 Claw 命名的设备接口，但不足以据此确认 OpenClaw 的驱动或执行链路，暂不以其作为架构定位。
• 运行效果：任务完成情况取决于设备在线状态、执行端实现、外部服务及具体业务规则，不以未经验证的收益或效率数字描述。

本次技术整理完成了静态源码检查和演示站页面查看。未进行全新安装、设备接入、模型计费、真实发布或自动化执行测试；能力描述按源码实现、演示页面和外部接入要求分别说明。

仓库根目录的 LICENSE 为 Apache License 2.0。各子项目及第三方组件的许可信息请同时查阅对应文件。