在你從沒看見的那個螢幕上,替你操作手機的 agent

關於 Mika,第一件值得知道的事,是它不從你這裡拿走什麼:你的螢幕。
我試過的每一個手機 agent 都一樣。它接管畫面,用一個緊張實習生的速度在你的 app 裡點來點去,做完再把電話還你。它工作時,你不能用自己的裝置。Mika 把整件事跑在第二個、看不見的螢幕上,所以它在幫你傳訊息的同時,你可以繼續滑你的。
它是一個 Android app,Apache-2.0,用 Kotlin 寫的,在 GitHub 趨勢榜上待了一個月後大約 7,500 顆星。沒有伺服器。你自備模型金鑰,或用你已經有的帳號登入。
背景螢幕是怎麼運作的
Android 支援虛擬顯示器很久了——螢幕投射和螢幕錄影就是這樣做的。Mika 拿一個來當工作區:app 在那裡打開,agent 在那裡點、打字、捲動,而一個小小的浮動即時畫面讓你想看的時候可以看。連點兩下膠囊,agent 就能改看你螢幕上的東西,這也是你問「這句我該怎麼回?」的方式。
聰明的地方在於,agent 不需要為每個 app 做整合。它看著螢幕,像人一樣找按鈕。沒有 API、沒有外掛、不需要 app 開發者配合。這也是讓人不舒服的地方,我等一下會回來講。

設定三步,其中一步不太尋常
從 releases 頁面安裝 APK,需要 Android 11 以上。在設定裡挑一個模型供應商並貼上金鑰,或用 ChatGPT、xAI 或 OpenRouter 帳號登入。你也可以選擇指向自己機器上、透過區域網路跑的模型——README 明確支援自訂 endpoint。
第三步才是重點。要操作其他 app,Mika 需要開啟並配對 Android 的無線偵錯,一次就好。這給了它建立虛擬顯示器和注入輸入的權限。設定精靈會帶你走完,而對那些 ROM 把無線偵錯開關藏起來的手機,也有一份走 USB 的備援做法。
這是一個真實的技術決定,也有真實的後果。它意味著 Mika 能用在那些永遠不會內建無障礙服務型 agent 的手機上;也意味著你給的權限比一般 app 更廣。README 對這個取捨很坦白:Android 在你換 Wi-Fi 或重開機時會關掉無線偵錯,所以 Mika 會在取得你同意的情況下重新開啟,而你可能得重新配對。
它真正擅長什麼
示範 GIF 是這個 repo 最有用的部分,因為它們展示的是普通、無聊的任務,而不是魔法。讀一個微信群組,摘要今天講了什麼。把一台 30 美元以下、4.5 星的充電器加進購物車,然後在結帳前停手。讀一位創作者最近在小紅書的貼文並彙整。替三個職缺跟招募人員打招呼。看廣告解鎖音樂權益。用疊加的折扣訂外送,付款前先問你。
這份清單很好地勾勒出價值所在。這些任務成功條件明確、沒有創造性、介面無聊。正是沒人想在手機上做的工作,也正是讀螢幕的 agent 不需要任何 API 就能做的工作。
示範裡用中國的 app 不是偶然。微信和小紅書沒有公開的自動化 API,以後也不會有,這讓它們成為完美的壓力測試。README 提到 Mika 並不綁定它們,這是真的——但這些 app 會出現在示範裡,是因為「任何 app、不用整合」這件事,只有在那些拒絕被整合的 app 上才真的能證明自己。
護欄就是設計
兩件事特別突出。
第一,它把危險的部分交還給你。登入、驗證碼、付款都還給你。禁止截圖的頁面——付款流程、密碼輸入——也一併交還。agent 被指示要停在結帳按鈕前面,而不是按下去。
第二,沒有 Mika 伺服器。API 金鑰與記憶都加密存在裝置上,對話與執行紀錄留在本機,唯一不是送往模型供應商的對外連線,是向 GitHub 檢查更新。如果你是那種安裝前會先讀隱私政策的人,那一節就是為你寫的。
它也會記住你表達過的偏好,並把完成的任務變成可重複使用的技能——所以你第二次要求同一件事時,它不用重新摸索那個 app 的版面。這跟 coding agent 界正在流行的「把 repo 學一次」是同一個想法,只是搬到手機上。
會讓它在某些地方被封鎖的那部分
自動操作第三方 app 可能違反它們的服務條款。README 講得很白,然後說請自行判斷,重要的事優先使用 Ask 模式。
那句話承擔了很多。大規模的讀螢幕自動化,正是平台反濫用團隊被建立起來要偵測的東西;而一個跑在你自己的裝置、用你自己的帳號的工具,既是這個想法最正當的版本,也最難跟濫用的版本區分。你拿 Mika 讀一個群組聊天,沒人會在意。一萬個人拿它去刷互動,那些 app 會反擊,而反擊不會客氣。
還有一個安全面向值得說清楚:一個擁有虛擬顯示器和輸入注入權限的 agent,在那些 app 裡能做的事跟你一樣多。把這個權限交給一個會跟第三方模型供應商通訊的 app——即使是你自己選的——是一個信任決定,不是功能決定。
為什麼這件事超出一個 app 的範圍
Mika 有意思的主張是架構性的,不是功能性的。兩年來,大家假設手機 agent 需要 app 配合:一個 API、一個 intent、一個外掛。Mika 證明了第二螢幕加上輸入注入就夠了,而且這條路在每一個拒絕配合的 app 上都行得通。
這意味著手機自動化的天花板不是技術配合,而是政策。那是另一場戰爭,而且接下來幾年會一個 app 一個 app 地打,戰場是服務條款。
安裝前有兩個實務限制值得知道。它只支援 Android——沒有 iOS 的路徑,而且看 Apple 怎麼對待虛擬顯示器和輸入注入,短期內大概也不會有。它是一人專案,issue tracker 還很年輕,所以那張 ROM 相容性清單請當成個案回報,而不是認證。如果你的手機把無線偵錯藏起來,USB 備援是存在的,但真的比精靈麻煩得多。
而在它明顯沒問題的那個窄帶裡——讀取、摘要、填表單、付款前停手——Mika 是我在 Android 上看過最可用的東西,也是唯一一個在工作的時候不會把你手機當人質的。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。