← 返回部落格
Ai預計閱讀 8 分鐘

在你從沒看見的那個螢幕上,替你操作手機的 agent

發布於 2026年11月7日
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。

A phone held in one hand with a second phone resting on a café table

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