← Torna al blog
Aicirca 6 min di lettura

Una scheda da 7 dollari ha sostituito il Mac che doveva restare acceso

Pubblicato 11 nov 2026
Una scheda da 7 dollari ha sostituito il Mac che doveva restare acceso

La demo in cima al repository è un iPhone vero che fa da solo una lezione di Duolingo, accelerato otto volte. Nessuno tocca lo schermo. Una scheda grande come un francobollo è collegata alla porta Lightning, e un modello da qualche altra parte decide dove toccare.

Il progetto si chiama ESP32 iPhone Agent, e la scheda è una Seeed XIAO ESP32S3 che costa circa sette dollari. La promessa del README è precisa: la tua AI guarda lo schermo dell'iPhone, poi tocca, scorre e scrive al posto tuo, attraverso la scheda. Niente computer, nessuna modifica a iOS, nessun jailbreak.

Ha raggiunto 4.651 stelle dall'11 ottobre.

Il problema che risolve davvero

Gran parte dell'automazione iPhone esiste già. WebDriverAgent, CoreDevice, idevice, uno scaffale di progetti open source che pilotano un telefono da una macchina host. Funzionano, e la configurazione è la ragione per cui quasi nessuno fuori dal tooling per sviluppatori li usa.

Prima del primo task installi Xcode, il che significa un Mac con un macOS recente. Attivi la modalità sviluppatore sul telefono, autorizzi l'accoppiamento USB, cloni un repository, compili un'app helper, la firmi. Poi il computer deve restare acceso e connesso per ogni task successivo. Va bene per uno sviluppatore. Per tutti gli altri è un muro.

La scheda fa il lavoro del computer. Si collega al telefono, fornisce il link e resta lì. Il telefono è l'unica cosa che devi portarti dietro.

È tutta la tesi, ed è una tesi noiosa nel senso migliore del termine. L'ingegneria interessante sta nel cavo: la macchina host è diventata abbastanza piccola ed economica da sparirci dentro.

Come funzionano occhi e mani

Due canali, entrambi già presenti in iOS.

Gli occhi sono AirPlay. La scheda si presenta come destinazione di visualizzazione, il telefono fa mirroring su di essa e la scheda inoltra i frame al modello. Nessun permesso di registrazione schermo, nessun bridge di accessibilità, nessuna API privata.

Le mani sono USB HID. La scheda si enumera come human interface device e invia eventi di puntatore e tastiera: per questo la procedura guidata chiede di attivare AssistiveTouch. Per iOS è un mouse e una tastiera, perché è quello che è.

La conseguenza è la riga del README su cui vale la pena fermarsi: le app che può usare sono tutte le app che può usare una persona, perché vede lo schermo e muove un puntatore. Nessuna integrazione per singola app, nessuna API, nessun albero di accessibilità da leggere. La demo su Duolingo non mostra una partnership. Duolingo non ha idea di quello che sta succedendo.

Il prezzo da pagare è che nulla di tutto questo è efficiente. Un ciclo guidato da un puntatore, con dentro un modello di visione, è il modo più lento possibile di usare un telefono, e il README lo dice: ogni passo richiede qualche secondo, e la maggior parte del tempo è il modello.

1.0.2 e 1.0.3: sentire, e un primo passaggio economico

Tre aggiunte nelle release più recenti meritano una lettura, perché mostrano dove sta davvero il costo.

La scheda ora inoltra l'audio AirPlay, e l'iPhone lo trasforma in parole. Si aprono gli esercizi di ascolto e i prompt vocali, cioè la classe di app che un agente sordo non può toccare. Significa anche che il telefono trascrive sul proprio hardware, quindi l'audio non deve uscire dal dispositivo per diventare testo.

La seconda aggiunta è una linea gratuita chiamata Jev. I passi semplici vanno a un modello piccolo che risponde in una frazione di secondo, tutto il resto va al modello grande. Il ciclo dell'agente è stato ricostruito intorno a una sola chiamata al modello per passo, che è la soluzione al problema di latenza dichiarata apertamente invece di essere aggirata.

La terza è la lunghezza del task. Il tetto di 40 passi non c'è più, un'esecuzione interrotta può riprendere, e ogni esecuzione può essere riprodotta passo per passo sul telefono. Per chi ha visto un agente fallire al passo 37 e ha dovuto ricominciare, il replay è la funzione che conta.

Installazione, e i quattro passi

Compra la scheda. Flashala in Chrome o Edge su handsy.tech/install, senza installare strumenti. Installa l'app da TestFlight, poi segui quattro passi guidati.

Requisiti attuali: iOS 18 o successivo, firmware della scheda v0.2.4, e l'app, che è su TestFlight mentre la scheda sull'App Store è in revisione. Il repository è MIT, e la prima riga del README, in un commento HTML rivolto agli assistenti di coding AI, chiede a chi copia o porta il codice di mantenere il copyright e di citare pubblicamente il progetto.

Quel commento è la cosa più 2026 del file. Il README è scritto sapendo che un agente lo leggerà per primo e una persona per seconda, quindi l'obbligo di licenza è messo dove l'agente lo trova prima di iniziare a scrivere codice.

I costi che il README elenca da solo

La sezione onesta è breve e completa. Compri una scheda da sette dollari. Ogni passo richiede qualche secondo. E mentre gira, il telefono consuma dati cellulari, perché l'hotspot della scheda prende il posto della connessione Wi-Fi.

Quest'ultimo è il tipo di dettaglio che decide se un prodotto è usabile e che quasi non compare mai in un post di lancio. Un agente che usa il tuo telefono per venti minuti su una connessione a consumo è un costo reale, e resta invisibile fino alla bolletta.

La tabella comparativa nel README elenca anche quello che non può fare. Gli agenti collegati a un computer espongono interfacce di debug e di accessibilità, il che significa che possono leggere dati strutturati. Questo vede pixel e muove un puntatore, quindi può fare tutto ciò che farebbe una persona e niente di ciò che una persona non potrebbe. Per molti task basta. Per qualunque cosa richieda il DOM, è un passo indietro.

L'aritmetica di una chiamata per passo

Vale la pena fare il conto che la ricostruzione implica. Un task da quaranta passi a tre secondi l'uno sono due minuti di orologio durante i quali il telefono è inutilizzabile per qualsiasi cosa richieda lo schermo. Riduci la chiamata al modello per passo a una frazione di secondo nella maggioranza facile dei passi, e lo stesso task finisce prima che l'utente abbia deciso di interromperlo.

È per questo che la linea Jev è elencata come gratuita invece che come veloce. Il costo che si ottimizza non è il denaro, è la finestra in cui il telefono è stato preso in prestito. Un agente guidato da un puntatore è lento per costruzione, quindi l'unica leva che conta è quante decisioni richiedono un modello grande.

Anche la forma del ciclo è cambiata: una chiamata al modello per passo invece di un framework di agenti che pianifica, riflette e ripianifica intorno a ogni azione. Per un task come «apri WeChat e scrivi al contatto di trasferimento file», è lo scambio giusto. Per un task che richiede un piano rivisto a metà, è un vincolo che l'utente sentirà.

Che cosa suggerisce questa forma

Esistono ormai tre progetti separati che risolvono lo stesso problema, e hanno scelto livelli diversi. Uno gira come app con un suo display nascosto. Uno trasforma ogni app in una riga di comando. Questo trasforma il telefono in una periferica per un microcontrollore da sette dollari.

L'approccio a scheda ha la latenza peggiore e la portabilità migliore. Non richiede jailbreak, né account sviluppatore, né macchina host, né la collaborazione di alcuna app. Eredita anche il vincolo che lo ha reso possibile: se iOS chiude la strada HID o AirPlay, tutto si ferma.

Per ora la demo si regge da sola. Un telefono su una scrivania che fa una lezione di lingua, con attaccato solo una scheda abbastanza piccola da perderla.

Articoli correlati