消息详情

#APP #GitHub情报 #Android 📱 Mika：在后台虚拟屏上替你操作 App 的开源安卓 Phone Agent 🔗：官网 | GitHub 一个 APK 把现有安卓机变成「AI 手机」。说一句话，它在一块你看不见的屏幕上打开 App、点击、输入、翻页直到把事办完，你的主屏照常刷，不需要 Root，也没有 Mika 服务器。 ✨ 特点 • 后台虚拟屏干活：App 跑在一块与主屏同尺寸的独立虚拟显示器上，安卓 14 起拥有独立输入焦点，Mika 打字时不会抢走你正在聊天的输入框，对话页的小画面可随时放大围观。 • 任何 App 免适配：先读无障碍控件树，读不全时自动切到 APK 内置的 ML Kit 文字识别，再不行交给看图模型找按钮，「看得到就能操作」，不依赖任何 App 开放接口。 • 内置浏览器 + Linux 沙箱：私有虚拟屏上的 WebView 通过 DevTools 协议发真实点击和键盘输入 • 登录态常驻：每个对话另配一个 Alpine 沙箱跑 Python、Node 和 shell，默认断网。 • 越用越熟：办成的任务会被记成可回放的路线，下次同类任务逐步核对、不调模型直接重放；还能起草个人技能、补充 App 知识，或者打开「教 Mika」亲手示范一遍。 • 人机分工明确：默认「询问」模式下只有花钱那一步要你点头；登录、验证码、付款一律发通知请你接管，App 挪到主屏，你处理完交还，它重新核实再继续。 • 从电脑派活：电脑上的 Claude Code、Codex 等 Agent 可以通过 CLI + Skill 或 MCP 把任务交给手机上的 Mika，等于给桌面 Agent 多装了一双能操作手机的手。 ⚙️ 机制 Mika 的关键在于绕开了「普通 APK 没权限操作别的 App」这道墙：它借用手机自带的「无线调试」，用自研的 ADB 协议实现（Mika 自己的 RSA-2048 配对钥匙，由 Android Keystore 加密保存）在本机拉起一个 shell 身份的辅助进程，由它创建虚拟屏、把目标 App 启动到这块屏上，再由无障碍服务读控件树、注入手势。上层是一个只负责调度的 AgentLoop：所有改动屏幕的动作都经过唯一执行入口 ActionExecutor，插话、回答、接管交还等外部输入统一走 RunInbox 收件箱，因此任务跑到一半你补一句话，它会撤掉在途的模型请求、带着新要求重问，而已做过的步骤一概保留。为了不被风控盯上，手势、打字和翻页都加了随机化的「人类节奏」，同一网站连续换页会主动停顿，认出拦截页就交还给你。主要依赖：Kotlin 约占 94%，Jetpack Compose 界面，ML Kit 本地读屏，androidx.webkit 驱动内置浏览器，PRoot + Alpine 3.22 沙箱随 APK 打包。模型侧内置 DeepSeek、通义、Kimi、Anthropic、OpenAI、Ollama 等 20 多家预设，也支持 ChatGPT、xAI、OpenRouter 账号登录。Apache 2.0 许可。 👨🏻‍💻 使用场景 • 群聊爬楼：上班族面对 999+ 未读的工作群或家族群，说一句「总结一下这个群今天聊了啥」，Mika 在后台逐屏滚动读完再给摘要，自己全程不用切出当前 App。 • 比价与下单前准备：在电商 App 里找「30 美元以内、4.5 星以上的充电器」，或者在外卖平台凑满减，Mika 把商品加进购物车后停在付款前，等你确认。 • 求职批量打招呼：求职者在 BOSS 直聘按条件筛岗位、逐个给 HR 打招呼，Mika 每两次之间随机间隔，平台提示到上限就自动停下汇报。 • 条件触发的盯盘式任务：「每天早上 8 点看看天气，下雨才告诉我」「降价超过 50 块提醒我」，到点在原对话里执行，只在条件满足时打扰你。 • 桌面 Agent 的移动端外设：开发者在电脑上让 Claude Code 通过 MCP 给手机派活，比如在真机上走一遍自家 App 的冒烟测试，或把手机里才有的信息抓回电脑处理。 🛣 路线图 • 真机任务驱动的修复：作者在 docs/dev/roadmap.md 里定下「先把事办好，再求快，再扩能力」，下一步是在真机跑真实任务，失败按根因归类、在机制层修复。 • 手机能力 v2：单次多步里携带等待条件、读屏只发与上一屏的差异、工具按需加载以压缩固定前缀，并系统测量首次反馈时间、往返次数和完成率。 • 定时任务进阶：登录态 App 内的条件监控、免打扰时段、运行时长上限、连续失败合并提醒。 • 社区高频请求：经 Shizuku 获取权限（#204）、强烈要求接入飞书（#385，仓库已有 tools/mika-feishu）、语音唤醒「Hey Mika」（#262）、对接 Android AppFunctions（#318），以及多条机型兼容性反馈（荣耀、vivo、小米的远程解锁与无线调试问题）。 🖊 作者背景王赞（WangZan） - 独立开发者、AI 内容创作者 • 教育：理工科背景，据本人文章自述曾直博后退学；GitHub 早期仓库包括地球物理资源导航 GeophysicsHub、科研图片拼接工具 PicGrid、知网文献下载脚本。 • 职业经历：　◦ 独立开发 Mika（2026 年至今，个人项目，无公司实体、无融资）　◦ AI 产品方向从业者（自述「直博退学，三个月零基础转行 AI 产品经理」） • 背景：常驻深圳，X 上约 1.7 万关注者，运营公众号「王工有赞」，长期写 AI 编程、Agent 与内容创作；自述从「零基础借助 AI 写出第一个上架 App」起步，Mika 全仓约七成提交出自他一人之手。 🙋‍♂️ 感想读完 Mika 的架构文档，最打动我的不是「AI 会点手机」本身，而是它对「和人共用一台手机」这件事的认真：虚拟屏独立焦点、App 被占用时排队等待并识别死锁、你一摸网页它就停、任务结束不把 App 甩到你眼前。演示里左边对话、右边后台屏同时在动的画面，确实是这一类产品第一次让我觉得能「交代完就不管」。对比来看，豆包手机助手靠厂商系统级权限、只能装在特定机型上；智谱 Open-AutoGLM 等开源方案多需要电脑常驻用 ADB 遥控；Mika 用无线调试 + 自研 ADB 在手机内部闭环，是目前门槛最低的路线。但代价同样清楚：每一步都是一次模型调用，复杂任务耗时以分钟计、Token 以百万计；自动操作微信、招聘站本身有封号风险；最终核查还没打开，安全护栏偏宽松。推荐给手里有安卓 14 以上闲置机、愿意自备模型 Key 的效率爱好者，以及想让 Claude Code、Codex 能动手机的开发者

AI 助手

通知訊訊

相關消訊