STF项目在realme设备上的兼容性问题分析与解决方案
问题背景
在移动设备自动化测试领域,STF(Smartphone Test Farm)是一个广泛使用的开源框架,用于远程管理和控制Android设备。然而,在实际部署过程中,我们遇到了realme品牌设备(型号RMX3867,Android 14系统)无法正常接入STF系统的问题。
问题现象
当尝试将realme RMX3867设备接入STF系统时,设备状态持续显示为"准备中",无法完成初始化过程。通过分析日志,我们发现以下关键错误信息:
- 设备初始化过程中出现超时错误
- STFService代理启动失败,抛出NullPointerException
- minitouch服务无法访问设备输入事件,显示"Permission denied"错误
深入分析
STFService启动失败
日志显示STFService在启动时遇到了严重的空指针异常:
java.lang.NullPointerException: Attempt to read from field 'android.os.MessageQueue android.os.Looper.mQueue' on a null object reference
这个错误表明在Android Looper初始化过程中出现了问题,可能是由于realme设备对系统API的特殊修改导致的兼容性问题。
输入设备权限问题
minitouch服务报告无法访问设备输入事件:
minitouch says: "open: Permission denied"
minitouch says: "Unable to open device /dev/input/event5 for inspection"
这表明设备的安全策略限制了STF对输入子系统的访问,这在Android 14及realme定制系统中尤为常见。
连接建立失败
ADB日志中频繁出现连接失败的信息:
failed to connect to socket 'localabstract:stfagent': could not connect to localabstract address
这说明STF agent服务虽然安装成功,但无法正常建立通信通道。
解决方案
经过多次测试和验证,我们找到了有效的解决方案:
1. 修改屏幕抓取方式
在STF provider的启动参数中添加--screen-grabber minicap-bin选项,强制使用minicap二进制模式而非默认的API模式。这可以绕过部分系统限制。
2. 完整的systemd服务配置示例
对于使用systemd管理的STF provider服务,可以采用以下配置:
[Unit]
Description=STF provider
After=adbd.service
BindsTo=adbd.service
[Service]
EnvironmentFile=/etc/environment
TimeoutStartSec=0
Restart=always
RestartSec=3
ExecStartPre=/usr/bin/docker pull devicefarmer/stf:latest
ExecStartPre=-/usr/bin/docker kill %p-%i
ExecStartPre=-/usr/bin/docker rm %p-%i
ExecStart=/usr/bin/docker run --rm \
--name %p-%i \
--link adbd:adbd \
-p 15000-16000:15000-16000 \
devicefarmer/stf:latest \
stf provider \
--name "%H/%i" \
--screen-grabber minicap-bin \
--connect-sub tcp://xxx:7250 \
--connect-push tcp://xxxx:7270 \
--storage-url https://xxxx/ \
--public-ip xxxx \
--min-port=15000 \
--max-port=16000 \
--heartbeat-interval 10000 \
--screen-ws-url-pattern "wss://xxxxx/d/%i/<%= serial %>/<%= publicPort %>/" \
--adb-host adbd
ExecStop=-/usr/bin/docker stop -t 10 %p-%i
[Install]
WantedBy=multi-user.target
技术原理
这种解决方案有效的根本原因在于:
- minicap-bin模式直接使用底层帧缓冲区,绕过了部分系统级限制
- 避免了依赖可能被厂商修改的Android图形子系统API
- 减少了与系统服务的交互,降低了兼容性风险
预防措施
对于其他厂商的Android 14设备,建议:
- 提前测试STF兼容性
- 考虑使用更底层的设备访问方式
- 保持STF及其组件的更新
- 对于特殊设备,准备定制化的启动参数
总结
realme等厂商对Android系统的深度定制常常会导致与开源测试框架的兼容性问题。通过调整STF的屏幕抓取策略,我们成功解决了realme RMX3867设备的接入问题。这一案例也提醒我们,在移动设备自动化测试领域,针对不同厂商设备的特殊处理是必不可少的。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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