Mika：手机私人 AI 助理，在后台隐形屏上替你操作 App、上网、把事办成最新版

一、项目概览

wangzan101/Mika 是一个运行在安卓手机上的本地 AI 智能体：你用一句话交代一件事，它在手机的一块”看不见的后台屏”上替你打开 App、读界面、点击输入，或者在内置浏览器里上网办事——你照样刷你的手机，不被占用。它不依赖任何厂商云端控制，API Key 由你自己带，请求只发往你配置的模型服务商。

截至 2026 年 10 月 30 日的真实数据：

• Stars：302 / Forks：51 / Open Issues：4
• 创建时间：2026-10-29（昨天才建仓，一天冲到 300+ Stars，势头很猛），最后推送 2026-10-30
• 许可证：Apache-2.0（含 NOTICE，第三方组件单独保留许可证）
• 语言：Kotlin 为主（约 7.4 MB），另有少量 JS / Python / HTML / C / Shell / AIDL / Java（沙箱原生程序与构建脚本）
• 版本：v0.1.9（2026-10-30 发布，公开 Beta 阶段）
• 话题标签：accessibility、ai-agent、android、automation、jetpack-compose、kotlin、llm、mobile-agent
• 主页：无（仅 GitHub 仓库）；作者 X：@wangzan101

它把自己明确定位为公开测试版（public beta），功能和界面还在快速变化，升级可能有不兼容改动。目前主要在安卓 14 一台机上测试过。值得肯定的是，项目文档（README、架构文档、路线图）写得异常扎实，对一个刚建仓的项目来说很不寻常——下面会专门讲。

二、它能做什么：一句话交办，手机替你跑

• 操作任何 App，不占你的屏幕：手机里装的 App 都能操作，不用事先适配。Mika 像人一样看屏幕、找按钮、点按输入，”看得到就能操作”；能逐屏读长列表和聊天记录（比如”总结某群今天聊了啥”）；读不出来的界面（自绘控件没名字）会用随 APK 自带的文字识别补读，配了看图模型还能看图找按钮。
• 内置桌面级浏览器：任何网站都能在后台打开，用真实点击和键盘输入操作，默认按电脑版网页打开；能读页面正文和页面自身收到的数据；支持下载/上传；登录过的网站保持登录，办事时直接复用。
• 此刻的屏幕 + 悬浮胶囊：你在别的 App 里时，屏幕边有一颗 Mika 胶囊，显示后台任务进展、要你处理的事和结果；双击胶囊就能把你正在看的这一屏发给 Mika（”这个怎么回””帮我记下来”）。
• 定时与条件任务：“明早 9 点提醒我””每天早上看天气、下雨才告诉我””每周五做某件事”，到点在原对话里执行并送回结果，计划页可暂停/改时间/立即执行/删除。
• 随时插话、随时停：任务进行中可以补话；按停止后 Mika 会补几行交代（做了什么、发了几次、哪些没做完），下次说”继续”接着做。
• 询问 / 自主模式：默认”询问”——只有花钱那一步先问你（下单、付款由你亲手完成）；”自主”模式连付款也不先问，直接做完。
• 记忆：记住你明确说过的事实、偏好和做事方式（做法需批准），可查看/修改/删除；密码、验证码、卡号这类不记，记忆加密存手机。
• App / 网站知识库：对常用 App 和网站内置”使用知识”（入口在哪、常见做法、注意事项），用到时自动查阅少走弯路。已内置微信、抖音、小红书、B站、微博、闲鱼、知乎、BOSS直聘、Gmail、LinkedIn、YouTube 等几十个；知识是纯文本 Markdown，人人可补充。
• 成批的事：逐个打招呼、投递等直接开始，两次之间随机间隔，做到网站说”到上限”才停。
• 过程可查：回答下面列出来源（读过的页面、截图），每次任务有可回看的过程记录；Token 用量按天/服务商/模型统计。
• Linux 沙箱：每对话一个工作区，可跑 Python / Node / shell 处理你发来的文件，结果存到手机”下载/Mika”；默认断网，需时在设置打开”允许脚本联网”，仅 arm64 设备支持。

三、技术架构：平台无关核心 + 安卓宿主的严格分层

Mika 的工程设计是它最值得称道的地方，架构文档写得相当专业。

• 双模块：:core 是纯 Kotlin（JVM），主循环、工具、上下文、核查、记忆、知识、触发器、运行记录都在这，可在电脑上用单测和假模型跑，不依赖安卓；:app 是安卓宿主，负责界面、前台服务、虚拟屏、无障碍、内置手机助手、WebView、沙箱。PackageDependencyTest 强制核心不反向引用能力模块，只通过 core/assembly/ 装配层粘合。
• App 操控隔离（核心难点）：任务在一块独立虚拟屏上操作 App（AgentDisplay.kt），安卓 14 起虚拟屏有自己焦点、不影响你主屏打字；底层靠一个以 shell 身份运行的内置手机助手，经手机自带的”无线调试”启动——项目自己实现了 ADB 协议（core/adb/），配对一次即可，断线指数退避自动重试；WirelessDebuggingAutoOn 在 Wi-Fi 连上时自动把 adb_wifi_enabled 写成 1 来保活连接。读屏靠无障碍服务读控件树（MikaAccessibilityService），不够用时用自带 OCR 补读，防截屏页面不识别。
• 内置浏览器：WebView 渲染在私有虚拟显示上（WebHost.kt），通过 DevTools 协议真实操作页面（WebDevtools.kt），并刻意不开启 Runtime.enable（避免网站察觉调试器一直重载）；标签页池每任务最多 4 个、全局最多 8 个。
• Linux 沙箱：基于 PRoot + Alpine 3.22，随 APK 自带，App 启动后台离线解包；每对话一个 /workspace，SandboxGuard 管控超时与失败重试。
• 主循环 AgentLoop：纯调度器，具体判断分在各类：ModelCaller（组请求/流式/重试/大小模型分流）、ToolDispatcher（工具注册表+证据账本）、StopRules（何时结束：卡住、反复读、失败太多等）、BatchRunner.do_steps（一次给 1–20 个动作逐个执行核对，可带等待条件）、IntentGate（判断聊天/查信息/办事）、UserExchange（追问/确认/接管）。正常任务不设步数上限，只有评测和子任务才限步。
• 模型接入：支持 OpenAI 兼容 / Anthropic / Gemini 三类接口，三种用途角色（主模型 / 看图模型 / 轻量模型）；ModelCatalog 调各家列模型接口并识别能力标签，配置存 providers.json，API Key 经 KeyCipher 用安卓密钥库加密存 provider-keys.json。

四、数据与隐私：没有 Mika 服务器

• 无自有服务器：你的话、屏幕内容、截图只发给你自己配置的模型服务商。
• 本地加密：API Key、记忆、用户画像用安卓密钥库加密，保存在手机上；对话、运行记录、Token 用量只存本机。
• 检查更新只访问 GitHub（api.github.com/repos/wangzan101/Mika/releases/latest），不经别的地址。
• 内置浏览器只去你让它去的网站；沙箱默认断网。

这套”本地优先、零自有后端”的隐私设计，是它相对云端手机 Agent（把屏幕投到云上操作）最硬的一块底牌。

五、怎么装（当前仅 APK）

• 系统要求：安装需安卓 11+；执行任务需安卓 13+（后台屏和内置手机助手的要求），推荐安卓 14+；Linux 沙箱仅 arm64 设备；需要一个支持工具调用的大模型 API Key。
• 1. 下载安装：从 GitHub Releases 下最新 APK（v0.1.9 已附 Mika-v0.1.9.apk）；国内下载慢发布说明里有网盘备用链接。
• 2. 打开无障碍：系统”无障碍”里找到 Mika 并打开（它靠这个读界面、做点按）。
• 3. 配对无线调试（只需一次）：跟设置向导走，打开开发者选项/USB 调试/无线调试，用 6 位配对码配对。只用上网/文件/聊天可先跳过。
• 4. 添加模型：设置里”模型”填 Key，内置 DeepSeek / 通义千问 / Kimi / 智谱 / OpenRouter / Anthropic / Gemini 预设，其他选”自定义”（OpenAI 兼容 / Anthropic / Gemini 都能接）。
• 5. 试一试：空对话里有示例，比如”帮我总结微信群今天聊了啥””打开小红书总结某博主最近内容”。

六、同类对比：Mika 在哪条赛道

Mika 处在”手机 AI 智能体”这条赛道——和学界/工业界的 AppAgent、Mobile-Agent、以及各家云手机 Agent 同类。它的差异化很清晰：

一句话：Mika 把”本地优先隐私 + 不占屏后台操作 + 自然语言交办”这三件事同时做到了，且完全开源可读，这是它相对同类最大的卖点。

七、诚实的边界与风险

• 自动化可能违反第三方 ToS：用自动化操作 App 和网站，有被限制功能、封号的风险。项目自己的免责声明写得很直白，重要的事请用”询问模式”并核对结果——这层风险用户必须自己承担。
• 自主模式很”野”：开启自主模式后连付款也不先问，直接做完；路线图还提到自主模式下”操作 Mika 自己的界面”的保护层也不生效（用户暂定不改）。新手建议保持默认的询问模式。
• 早期 Beta 的真实缺陷（来自官方路线图）：开发阶段关掉了最终核查（reviewFinalAnswer=false），所以”试用转正式”的学习功能目前不会发生；崩溃恢复保护不全（无”连续异常重启暂停”机制）；网页只读脚本对秘密输入框的遮蔽有已知绕过缺口；验证码/证件号粘贴会在剪贴板停留约 1 秒。这些都是作者自己列出来的，可见其工程透明度。
• 设备门槛：执行任务需安卓 13+、推荐 14+；沙箱仅 arm64；不同 ROM 对无线调试/无障碍的管控差异大，可能踩坑。
• 太年轻：建仓仅一天、v0.1.x，配置细节和模型行为仍在快速变动，不适合当关键生产力依赖。

八、结论：一个工程密度极高的”手机 AI 操作层”雏形

Mika 是近期少见的质量密度：一天拿到 300+ Star 不是没理由的——它在一个刚建仓的项目里，就把虚拟屏隔离操作、自研 ADB 链路、DevTools 真实浏览器、本地 Linux 沙箱、分层主循环、加密模型配置、知识库与记忆系统这一整套都搭了出来，文档也异常完整。它的核心主张”本地优先、零自有后端、后台不占屏”在隐私和体验上都站得住。

但必须清醒：它是公开 Beta 第一天的产物，自动化操作的 ToS 风险、自主模式的激进、以及官方自己承认的多处已知缺陷，意味着现在更适合爱折腾的安卓玩家、隐私敏感者、以及想研究移动 Agent 实现的人尝鲜和读源码，而不是交给普通家人日常托付。建议保持默认的”询问模式”、只在安卓 14+ arm64 设备上试、并对”自动发消息/下单”类动作保持人工确认。

如果你想要一个”手机上的 AI 秘书”，Mika 是当下开源里最值得盯的一个；想跟它一起成长，最直接的方式是给它常用的 App / 网站补一份知识 Markdown（纯文本、零代码），这恰恰也是作者最鼓励的贡献方式。