DroidBot 使用教程
1. 项目介绍
DroidBot 是一个轻量级的 Android 测试输入生成器,类似于 Monkey,但具有更多的智能和酷功能。它能够向 Android 应用程序发送随机或脚本输入事件,更快地实现更高的测试覆盖率,并在测试后生成 UI 转换图(UTG)。DroidBot 的主要优势包括:
- 不需要系统修改或应用插桩。
- 事件基于 GUI 模型(而不是随机)。
- 可编程(可以自定义某些 UI 的输入)。
- 能够生成 UI 结构和方法跟踪以进行分析。
2. 项目快速启动
2.1 环境准备
在开始使用 DroidBot 之前,请确保您的系统满足以下要求:
- Python(支持 Python 2 和 Python 3)
- Java
- Android SDK(并将
platform-tools目录添加到 PATH 中) - OpenCV-Python(可选,如果您想在
cv模式下运行 DroidBot)
2.2 安装 DroidBot
首先,克隆 DroidBot 的 GitHub 仓库并使用 pip 进行安装:
git clone https://github.com/honeynet/droidbot.git
cd droidbot/
pip install -e .
安装成功后,您应该能够执行 droidbot -h 来查看帮助信息。
2.3 使用 DroidBot
确保您有一个 APK 文件路径,并且设备或模拟器已通过 adb 连接到您的宿主机。然后,您可以启动 DroidBot:
droidbot -a <path_to_apk> -o output_dir
这将生成大量有用的信息,包括 UTG,并将其存储在 output_dir 中。
如果您使用多个设备,可以使用 -d <device_serial> 来指定目标设备。设备的序列号可以通过 adb devices 命令获取。
在某些设备上,您可能需要手动启用 DroidBot 的辅助功能服务。
3. 应用案例和最佳实践
3.1 大规模应用测试
如果您需要测试大量应用,可以使用 -keep_env 选项来避免每次重新安装测试环境。
3.2 自定义脚本输入
您可以使用 JSON 格式的脚本来为某些状态自定义输入。以下是一个脚本示例:
{
"states": [
{
"state_str": "com.example.app:id/login_button",
"event_type": "touch",
"event_data": {
"x": 500,
"y": 1000
}
}
]
}
使用 -script <path_to_script.json> 选项来应用自定义脚本。
3.3 游戏应用测试
对于基于 Cocos2d 或 Unity3d 的游戏应用,您可以使用 -cv 选项来帮助 DroidBot 获取视图信息。
4. 典型生态项目
4.1 AndroidViewClient
AndroidViewClient 是一个用于解析和操作 Android 视图层次结构的工具,DroidBot 在某些情况下会使用它来获取当前的视图层次结构。
4.2 Androguard
Androguard 是一个用于分析 Android 应用程序的 Python 工具,DroidBot 可能会使用它来进行更深入的应用分析。
4.3 The Honeynet Project
The Honeynet Project 是一个致力于研究和开发网络安全工具的组织,DroidBot 是其开源项目之一。
通过以上步骤,您可以快速上手并使用 DroidBot 进行 Android 应用的自动化测试。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00