告别手动操作：UI-TARS让Android自动化测试像搭积木一样简单

2026-02-04 04:29:12作者：凌朦慧Richard

你还在为重复的Android应用测试感到头疼吗？还在为编写复杂的自动化脚本而烦恼？本文将带你快速掌握UI-TARS的移动应用自动化能力，无需编程基础也能轻松实现Android应用的自动化操作，让你从此告别繁琐的手动测试，效率提升10倍！

读完本文，你将学会：

如何快速搭建UI-TARS移动自动化环境
使用MOBILE_USE模板创建自动化任务
解析模型输出并生成可执行的自动化脚本
实战演示：自动完成Android应用的登录流程
常见问题解决与高级技巧

什么是UI-TARS？

UI-TARS是一个开源的多模态智能体，基于强大的视觉语言模型构建，能够在虚拟环境中执行各种任务。特别是在移动应用自动化方面，UI-TARS表现出色，在Android World benchmark上达到了64.2的高分，远超之前的SOTA模型。

UI-TARS-1.5版本通过强化学习增强了推理能力，能够在采取行动前进行思考推理，显著提高了性能和适应性。其核心优势在于能够理解GUI界面并生成相应的操作指令，实现真正的端到端自动化。

环境准备：5分钟上手

安装UI-TARS Python包

UI-TARS提供了便捷的Python包，只需一行命令即可完成安装：

pip install ui-tars
# 或使用uv加速安装
uv pip install ui-tars

准备Android测试环境

安装Android Studio并配置SDK
启动Android模拟器或连接真实设备
确保adb调试已启用

详细的部署指南可参考官方部署文档。

MOBILE_USE模板：专为移动自动化设计

UI-TARS提供了三种提示模板，其中MOBILE_USE专为移动设备或Android模拟器设计，包含了移动特有的操作指令。

MOBILE_USE主要特性

支持移动特有操作：long_press（长按）、open_app（打开应用）、press_home（Home键）、press_back（返回键）
优化的坐标系统，适配移动设备屏幕
支持滑动、输入、导航等常见移动操作

模板定义位于codes/ui_tars/prompt.py文件中，你可以根据需要进行自定义修改。

实战演示：自动登录Android应用

下面我们通过一个实际案例来演示如何使用UI-TARS实现Android应用的自动登录。

步骤1：准备测试用例

首先，我们需要准备一个包含测试步骤的消息文件。项目中提供了示例文件data/test_messages.json，你可以参考其格式创建自己的测试用例。

步骤2：使用MOBILE_USE模板调用模型

from ui_tars.prompt import get_prompt_template

# 获取MOBILE_USE模板
prompt_template = get_prompt_template("MOBILE_USE")

# 构建测试指令
test_instruction = """
任务：自动登录"示例应用"
步骤：
1. 打开应用
2. 输入用户名：testuser
3. 输入密码：testpass
4. 点击登录按钮
"""

# 生成完整提示
prompt = prompt_template.format(instruction=test_instruction)

步骤3：解析模型输出

模型输出包含思考过程和动作指令，我们需要使用action_parser模块将其解析为结构化数据：

from ui_tars.action_parser import parse_action_to_structure_output

# 假设response是模型返回的字符串
response = """Thought: 我需要先打开应用...
Action: open_app(package_name='com.example.app')
Thought: 现在需要输入用户名...
Action: click(start_box='(300, 400)')
Action: type(text='testuser')
..."""

# 解析响应
original_image_width, original_image_height = 1080, 1920  # 根据设备分辨率调整
parsed_dict = parse_action_to_structure_output(
    response,
    factor=1000,
    origin_resized_height=original_image_height,
    origin_resized_width=original_image_width,
    model_type="qwen25vl"
)

步骤4：生成自动化脚本

解析后的结构化数据可以直接转换为pyautogui脚本：

from ui_tars.action_parser import parsing_response_to_pyautogui_code

# 生成pyautogui代码
pyautogui_code = parsing_response_to_pyautogui_code(
    responses=parsed_dict,
    image_height=original_image_height,
    image_width=original_image_width
)

print(pyautogui_code)

生成的代码将包含完整的自动化步骤，可直接执行或保存为.py文件。

坐标可视化

为了帮助理解坐标处理过程，UI-TARS提供了坐标可视化工具。你可以通过以下代码将模型识别的坐标点绘制在截图上：

from PIL import Image, ImageDraw
import numpy as np
import matplotlib.pyplot as plt

# 加载截图
image = Image.open("screenshot.png")
# 获取解析后的坐标
start_box = parsed_dict[0]["action_inputs"]["start_box"]
coordinates = eval(start_box)
x1 = int(coordinates[0] * original_image_width)
y1 = int(coordinates[1] * original_image_height)

# 绘制坐标点
draw = ImageDraw.Draw(image)
radius = 5
draw.ellipse((x1 - radius, y1 - radius, x1 + radius, y1 + radius), fill="red", outline="red")

# 显示结果
plt.imshow(np.array(image))
plt.axis("off")
plt.show()

更详细的坐标处理指南可参考坐标处理说明。

性能对比：UI-TARS vs 传统自动化工具

UI-TARS相比传统的自动化工具（如Appium、Espresso）有哪些优势？让我们通过数据来直观感受：

评估指标	UI-TARS	Appium	Espresso
学习曲线	低（无需编程）	中	高
界面变化适应性	高（视觉理解）	低（依赖元素ID）	低（依赖元素ID）
跨应用兼容性	高	中	低
非标准控件支持	高	低	低
部署复杂度	低	中	高

UI-TARS在Android World benchmark上的表现也证明了其强大的能力：

常见问题与解决方案

Q: 如何处理不同分辨率的设备？

A: UI-TARS会自动处理坐标缩放，只需在解析时提供原始图像的宽高即可：

parsed_dict = parse_action_to_structure_output(
    response,
    factor=1000,
    origin_resized_height=1920,  # 原始图像高度
    origin_resized_width=1080,   # 原始图像宽度
    model_type="qwen25vl"
)