Ein 7-Dollar-Board ersetzt den Mac, der wach bleiben musste

Die Demo oben im Repository zeigt ein echtes iPhone, das allein eine Duolingo-Lektion absolviert, achtfach beschleunigt. Niemand berührt den Bildschirm. Ein Board in der Größe einer Briefmarke steckt im Lightning-Port, und ein Modell irgendwo anders entscheidet, was angetippt wird.
Das Projekt heißt ESP32 iPhone Agent, das Board ist ein Seeed XIAO ESP32S3 für rund sieben Dollar. Die Behauptung im README ist konkret: Deine KI schaut auf den iPhone-Bildschirm und tippt, wischt und schreibt dann für dich, über das Board. Kein Rechner, keine Änderung an iOS, kein Jailbreak.
Seit dem 11. Oktober erreichte es 4.651 Sterne.
Das Problem, das es wirklich löst
iPhone-Automatisierung gibt es längst. WebDriverAgent, CoreDevice, idevice, ein Regal voller Open-Source-Projekte, die ein Telefon von einem Host-Rechner aus steuern. Sie funktionieren, und das Setup ist der Grund, warum fast niemand außerhalb der Entwicklerwerkzeuge sie nutzt.
Vor der ersten Aufgabe installiert man Xcode, also einen Mac mit aktuellem macOS. Man aktiviert den Entwicklermodus am Telefon, bestätigt das USB-Pairing, klont ein Repo, baut eine Hilfs-App, signiert sie. Danach muss der Rechner für jede weitere Aufgabe an und verbunden bleiben. Für Entwickler in Ordnung. Für alle anderen eine Wand.
Das Board übernimmt den Job des Rechners. Es steckt im Telefon, liefert die Verbindung und bleibt dort. Das Telefon ist das Einzige, was man mitnehmen muss.
Das ist die ganze These, und es ist eine langweilige These auf die bestmögliche Art. Die interessante Ingenieursleistung steckt im Kabel: Der Host-Rechner wurde klein und billig genug, um darin zu verschwinden.
Wie Augen und Hände funktionieren
Zwei Kanäle, beide liefert iOS bereits mit.
Die Augen sind AirPlay. Das Board gibt sich als Anzeigeziel aus, das Telefon spiegelt dorthin, und das Board reicht die Frames an das Modell weiter. Keine Bildschirmaufnahme-Berechtigung, keine Accessibility-Bridge, keine private API.
Die Hände sind USB HID. Das Board meldet sich als Human Interface Device an und sendet Zeiger- und Tastaturereignisse – deshalb bittet der Einrichtungsassistent darum, AssistiveTouch zu aktivieren. Für iOS ist das eine Maus und eine Tastatur, weil es genau das ist.
Die Folge ist der Satz im README, bei dem man innehalten sollte: nutzbar sind alle Apps, die ein Mensch nutzen kann, weil es den Bildschirm sieht und einen Zeiger bewegt. Keine Integration pro App, keine API, kein Accessibility-Baum zum Auslesen. Die Duolingo-Demo zeigt keine Partnerschaft. Duolingo ahnt nichts davon.
Der Preis dafür ist, dass nichts daran effizient ist. Eine zeigergesteuerte Schleife mit einem Vision-Modell darin ist der langsamste denkbare Weg, ein Telefon zu bedienen, und das README sagt es: jeder Schritt dauert ein paar Sekunden, das meiste davon das Modell.
1.0.2 und 1.0.3: Gehör und ein billiger erster Durchlauf
Drei Neuerungen der letzten Releases lohnen die Lektüre, weil sie zeigen, wo die Kosten tatsächlich liegen.
Das Board reicht jetzt AirPlay-Audio weiter, und das iPhone macht daraus Wörter. Das öffnet Hörübungen und Sprachansagen – die Klasse von Apps, die ein stummer Agent nicht anfassen kann. Es bedeutet auch, dass das Telefon die Transkription auf eigener Hardware erledigt: Das Audio muss das Gerät nicht verlassen, um Text zu werden.
Die zweite Neuerung ist eine kostenlose Leitung namens Jev. Einfache Schritte gehen an ein kleines Modell, das in Sekundenbruchteilen antwortet, alles Schwierigere an das große. Die Agent-Schleife wurde auf einen Modellaufruf pro Schritt umgebaut – die Korrektur des Latenzproblems, klar benannt statt umoptimiert.
Die dritte ist die Aufgabenlänge. Die Grenze von 40 Schritten ist weg, jeder gestoppte Lauf lässt sich fortsetzen, und jeder Lauf lässt sich am Telefon Schritt für Schritt nachspielen. Wer einem Agenten bei Schritt 37 scheitern sah und neu beginnen musste, versteht, dass das Replay die Funktion ist.
Installation und die vier Schritte
Board kaufen. In Chrome oder Edge auf handsy.tech/install flashen, ohne Werkzeuge zu installieren. Die App aus TestFlight installieren, dann vier geführte Einrichtungsschritte befolgen.
Aktuelle Voraussetzungen: iOS 18 oder neuer, Board-Firmware v0.2.4 und die App, die in TestFlight ist, solange der App-Store-Eintrag geprüft wird. Das Repository steht unter MIT, und die erste Zeile des README, in einem HTML-Kommentar an KI-Coding-Assistenten, bittet jeden, der den Code kopiert oder portiert, den Copyright-Hinweis zu behalten und das Projekt öffentlich zu nennen.
Dieser Kommentar ist das 2026-ste an der Datei. Das README ist in dem Wissen geschrieben, dass ein Agent es zuerst liest und ein Mensch danach – also steht die Lizenzpflicht dort, wo der Agent sie findet, bevor er Code schreibt.
Die Kosten, die das README selbst auflistet
Der ehrliche Abschnitt ist kurz und vollständig. Man kauft ein Board für sieben Dollar. Jeder Schritt dauert ein paar Sekunden. Und während es läuft, verbraucht das Telefon Mobilfunkdaten, weil der Hotspot des Boards die WLAN-Verbindung übernimmt.
Der letzte Punkt ist die Art Detail, die entscheidet, ob ein Produkt brauchbar ist, und die in Launch-Posts fast nie auftaucht. Ein Agent, der zwanzig Minuten lang dein Telefon bedient, über eine Verbindung mit Datenlimit, ist ein echter Kostenposten – unsichtbar bis zur Rechnung.
Die Vergleichstabelle im README listet auch, was es nicht kann. Rechnergebundene Agenten bieten Debug- und Accessibility-Schnittstellen, können also strukturierte Daten lesen. Dieses sieht Pixel und bewegt einen Zeiger: es kann alles, was ein Mensch könnte, und nichts, was ein Mensch nicht könnte. Für viele Aufgaben reicht das. Für alles, was das DOM braucht, ist es ein Rückschritt.
Die Rechnung mit einem Aufruf pro Schritt
Die Summe, die der Umbau impliziert, lohnt sich. Eine Aufgabe mit vierzig Schritten bei drei Sekunden pro Schritt sind zwei Minuten Uhrzeit, in denen das Telefon für alles mit Bildschirm unbrauchbar ist. Senkt man den Modellaufruf pro Schritt für die leichte Mehrheit auf Sekundenbruchteile, ist dieselbe Aufgabe fertig, bevor der Nutzer entschieden hat, sie zu unterbrechen.
Deshalb ist die Jev-Leitung als kostenlos und nicht als schnell aufgeführt. Die optimierte Größe ist kein Geld, sondern das Zeitfenster, in dem das Telefon ausgeliehen ist. Ein zeigergesteuerter Agent ist konstruktionsbedingt langsam, also bleibt nur ein Hebel: wie viele Entscheidungen ein großes Modell brauchen.
Auch die Schleife hat die Form gewechselt: ein Modellaufruf pro Schritt statt eines Agent-Frameworks, das um jede Aktion herum plant, reflektiert und neu plant. Für eine Aufgabe wie „öffne WeChat und schreib dem Kontakt Dateitransfer“ ist das der richtige Tausch. Für eine Aufgabe, die einen halbwegs revidierten Plan braucht, ist es eine Einschränkung, die der Nutzer spürt.
Was die Form nahelegt
Inzwischen gibt es drei getrennte Projekte für dasselbe Problem, und sie haben verschiedene Schichten gewählt. Eines läuft als App mit eigenem versteckten Display. Eines verwandelt jede App in eine Kommandozeile. Dieses verwandelt das Telefon in ein Peripheriegerät für einen Mikrocontroller zu sieben Dollar.
Der Board-Ansatz hat die schlechteste Latenz und die beste Portabilität. Kein Jailbreak, kein Entwicklerkonto, kein Host-Rechner, keine Kooperation einer App. Er erbt aber auch die Einschränkung, die ihn möglich gemacht hat: Schließt iOS irgendwann den HID- oder AirPlay-Weg, hört alles auf.
Vorerst steht die Demo für sich. Ein Telefon auf einem Schreibtisch, das eine Sprachlektion macht, und daran hängt nichts außer einem Board, das klein genug ist, um verloren zu gehen.
Verwandte Artikel
Google hat Coding-Agenten vom Laptop geholt, und der Berechtigungsdialog bleibt der Engpass
Die Leitungen sind fast gelöst. Der Berechtigungsdialog bleibt der menschliche Engpass.
NVIDIA gibt vier 16B-Weltmodelle frei, und der Teil ohne Benchmark ist Policy-Learning
NVIDIA sagt, es sei ungemessen, ob diese Modelle Policy-Learning tragen. Der Satz gehört in jede Geschichte über offene Weltmodelle.
Vier der Top-Repos auf GitHub sind heute Skill-Bibliotheken, und jetzt haben wir ein Packaging-Problem
Die Verbreitung läuft. Das interessante Scheitern sind vier nicht kompatible Wege, dasselbe Objekt zu installieren.
Thinking Machines liefert ein 594B-Modell und schiebt die Gewichte auf nächste Woche
Ein starkes Modell, ein dokumentiertes Rezept, eine unterschätzte Fähigkeit und ein Termin, den das Labor nicht zugesagt hat.