How-toSelected

开发者分享:用旧 Mac、旧手机和 NAS 搭建多设备 Agent 开发测试环境

Why we picked it

一个独立开发者把吃灰的 M2 Mac、iPhone 和旧 ThinkPad 全部利用起来给 Agent 当测试机,靠自写的 ax 工具读辅助功能树精准操作界面,还把 CI 迁到本地每月省下 70 多美元的 GitHub Action 费用,想搭本地 Agent 环境的可以照抄这套思路。

开发者 Tw93 分享了如何把吃灰的旧设备组建成 Agent 工作开发环境:主力机是 Mac M5 Pro 48 GB,测试机是 M2 Pro 32 GB,上面插着 iPhone SE3 做 iOS 测试,还通过 Parallels 跑 Windows 11 ARM 虚拟机;另一台 ThinkPad X1 8 GB 负责 x64 真机验证,NAS 微主机跑 Debian 12 容器处理 GNU 工具差异和 deb、rpm 打包。

Body

关键技术细节是 Agent 不靠截图猜点击,而是用自写的 ax 命令行工具读取 macOS 辅助功能树,把窗口元素、文字和坐标转成文本上下文,再用 input 工具通过 CGEvent 发鼠标键盘事件,处理右键菜单等辅助功能树覆盖不到的场景。UI 测试、端到端测试、系统授权弹窗全部挪到测试机,避免 Agent 在主力机上抢鼠标。

省钱效果明确:GitHub 托管 macOS runner 按十倍分钟计费,作者 CI 每月超 70 美元,11 月初在测试机上挂自托管 runner 后,近 180 个 job 迁到本地。还设计了标记文件加 noclobber 抢锁机制,协调 CI job 和多个 Agent 共用同一块屏幕,实现 24 小时不间断干活。

Original · Tw93

突然很想给大伙分享一下,我是怎么把家里的旧电脑旧手机和我的主力 Mac 搭建成一个非常好用 Agent 工作开发环境。 换在去年,强迫症的我可能这些旧设备全部被我咸鱼出掉了,只留一台主力 Mac,恰逢今年开发的软件有 Mac、Windows、Linux、iPhone 后,这些设备给我帮助非常多。 设备介绍 主力机是一台黑色 Mac M5 Pro 48 GB 内存 1 T 版本,非常好用,今年购买,唯一后悔就是当时应该买 2T 版本的,写代码、签名公证、发版都在这个上面,也是我自己唯一使用的一台机器。 测试机是一台 M2 Pro 32 GB 内存 512G 的机器,是我买M5之前一直在用的一台,后面放到了柜子里吃灰了几个月,刚好10月份在弄 Mole 的软件的测试,需要 Agent 帮我做大量的电脑操作工作,原先在主力机上,好比有一个人在抢我电脑的感觉,终于受不了了,把所有的测试工作全部让 Agent 迁移到了这台机器。 然后这台 M2 测试机上,还插了我一台 iPhone SE3,使用 iPhone Use 和 镜像可以让 AI 非常好的去操作它,它主要承担妙言 iOS 版本的测试工作,以及新产品的一些各种手机测试,这里 Agent 还可以通过 WebDriverAgent 把手机屏幕读成一个个元素,再按标签去点,非常好用。 不仅仅,这台测试机几乎被我利用到顶了,上面还用 Parallels 跑着一台 Windows 11 的 ARM 虚拟机,Mole for Windows 的 ARM64 版本就在这里测试的。 然后还有一台 Windows ThinkPad X1 8 GB 内存,当时为了写 Mole Windows 时候去整的,拿来测真实的 x64 硬件,屏幕缩放、电池、SmartScreen 和 Defender 这些虚拟机里看不到的东西,包括 Windows 版本的发版验收都需要这台真实的 Windows 机器。 为了更好利用到这台机器,我在它里面还安装了 Omarchy 的 Linux 虚拟机,用来测 Pake 在 Wayland 桌面上的表现,由于只有 8G,我尽量会让 Agent 一次任务只使用一个系统。 最后还有一台 NAS 微主机,上面跑着一个 Debian 12 的容器,x86_64 8 核 31 GB,专门来跑 Linux 命令行、GNU 工具的差异和 Pake 的 deb、rpm 打包,Mac 上的 BSD sed 和 Linux 上的 GNU sed 很多写法不一样,都用这一台机器来兜底。 我是怎么用它们来帮我测试的? 还是强迫症不想让书桌有这么多东西,我把这些测试机器全部放到了次卧里柜子里去了,所有设备插好电,做好通风,然后设置屏幕亮度最低,设成了永不睡眠也不黑屏,不过我会隔半个月去把这些机器全部重启一下。 首先我用他们来给我测试我的各种软件,我一直认为不管在什么时候,软件的发布应该是正式的,发布出来应该是稳定的,所有每次发布我会花费非常多的时间来自己测试,包括在自测之前会让 Agent 在真实的各种环境的机器上严格全部跑一遍,没有问题后,我再手工测试一遍,这样可以确保交到大伙手上的软件质量是过关的。 为了防止 Agent 测界面的时候在我主力机上和我抢鼠标的问题,一旦它动鼠标、抢焦点、切窗口的时候,我就没法用电脑,很别扭,所以才有了上面的多设备组网,在10月底我把所有要控制鼠标的活全部挪到了测试机上,UI 测试、端到端测试、点系统授权弹窗,都在测试机器上做,主力机只负责构建,然后把包发过去。 Agent 在测试机上操作并不是靠截图猜点击位置的,用的是自己写的两个很小的命令行工具,ax 走 macOS 的辅助功能接口,类似 ax tree <pid>,可以把一个 App 窗口里的每个元素连同标识、文字和中心点坐标打成文本,然后可以很好的按标识去按按钮,也很准确,然后 input 用 CGEvent 发鼠标和键盘事件,专门处理辅助功能树按不到的东西,比如右键菜单、往搜索框里打字、按 Esc 关掉菜单。相当于测试机上的内容被我转换成了 Agent 更易于了解的文本上下文,只有在实在解决不了的时候才截图来看,其他时候都用这种方法会快很多。 我是怎么用他们帮我来省钱的? 最近3个月,我的 GitHub Action CI 的非常超了非常多,几乎每个月差不多 70 刀往上,有点肉疼了,当时给大伙发过一次如何提高在 GitHub Action 上 CI 的效率和成本,但是还是不彻底,因为对于私有仓库 GitHub 托管的 macOS runner 在是按十倍分钟计费,原生构建和测试特别烧钱。 于是我在11月初,在测试机上给我那几个私有仓库里各挂了一个自托管的 runner,比如 Mole Mac 的 make verify 跑一次得 20多分钟,以及 Pake 跑 Mac 的测试也不快,还有妙言的 iOS 构建等等,全部迁移到本地测试机器上进行,当前这台 M2 测试机一共接了我将近 180 个 job,原来要花钱的地方由本地来承担了。 这里为了更加节约效率,我还做了一个检查机制,先在 Ubuntu 上跑一个只要几秒钟的小 job,去 GitHub 问一下当前主分支这个提交有没有已经跑完的完整测试,有就直接结束,没有才把活派给测试机。 不过这里有一个小坑,就是 CI 和 Agent 其实也在用一块屏幕,两边需要相互让着,我给做了一个「正在干活」的标记文件,Agent 每次通过脚本操作测试机,都会刷新这个文件,以及会区分是什么项目在用,比如 CI job 开始时先抢一个「CI 忙」的标记,用 noclobber 来创建,这样同一时刻只有一个能抢到,然后这里也有重试机制包括超时机制方便测试机可以在 24 小时不间断干活。 然后对于 Agent 也会相互抢同一块屏幕,好在现在各个对话之间可以相互发消息,要用的时候,先检查有没有人在用,再用的时候对方会问一下大概什么时候释放,然后另外一个 Agent 就很老实等着快到时候的时候才去检查,等等,类似这些里面有非常多的小巧思很有意思,所以现在阻碍我测试效率的应该是机器还是太少了,哈哈,不够也够了。 这样的好处还有什么? 回来昨天我发的那个,我说这次出远门,甚至都没有带主力机,就拿了一个家人非常轻的 Air 完全够用,甚至我感觉远比带上主力机还要方便太多了,假如带上主力机,其实在路上、飞机上 这种移动位置,机器都是关的,啥事情也做不了,而且还容易更换国家位置导致 Claude 的一些不稳定,现在好比这些机器 24 小时都开着,一直在干活,一直在运转,反而现在卡点不在机器,而在我自己的注意力。 不过我还是感觉做这些最终最终,应该是为了让我更轻松,效率更高,有更多时间去做自己想做的事情,而非全部 full time 扑倒上面,其实就有点本末倒置了,非常推荐大伙提高效率,留出时间来,做更多自己想做的非电脑干活的事情,这样生活才更有意思。 身体健康 > 生活快乐 > 码代码快乐,虽然都非常重要,但是还是要有优先级,这样才有精力去追求一些代码之外的有意思的东西。📊 6 ⚡

Industry Coordinates & Source Verification

This report is categorized under AITOP's "How-to" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Mole, Pake, GitHub Action, agents.

Source attribution: curated from Tw93 (@HiTw93).