← 返回博客
Ai预计阅读 8 分钟

在你没看见的那块屏幕上,替你操作手机

发布于 2026年11月7日
在你没看见的那块屏幕上,替你操作手机

关于 Mika,第一件值得知道的事是它不抢你的东西:屏幕。

我用过的手机 agent 都是同一个路子。接管显示,以实习生的手速在你的 app 里点,做完把手机还你。它干活的时候,你用不了自己的设备。Mika 把整套东西跑在第二块隐藏屏幕上,它替你去发消息的时候,你照样刷你的。

Android app,Apache-2.0,Kotlin 写的,上了一个月 GitHub 趋势榜,现在大约 7,500 star。没有服务器。你自己带模型 key,或者用已有账号登录。

后台那块屏幕是怎么做到的

Android 支持虚拟显示很久了——投屏和录屏就是这么做出来的。Mika 拿一块当工作区:app 在那里打开,agent 在那里点、打字、滚动,一个小悬浮窗让你想看的时候能看。双击胶囊,agent 就改成看你自己这块屏幕上的东西,这也是你问“这句我该怎么回”的方式。

聪明的地方在于,agent 不需要逐个 app 做集成。它看屏幕,像人一样找按钮。没有 API,没有插件,不需要开发者配合。这也是让人不舒服的地方,我后面会说。

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

三步装好,其中一步不太寻常

从 releases 页装 APK,要 Android 11 或更新。在设置里选模型服务商,贴上 key,或者用 ChatGPT、xAI、OpenRouter 账号登录。也可以指向你自己机器上通过局域网跑的模型——README 明确支持自定义 endpoint。

第三步才有意思。要操作别的 app,Mika 需要打开并配对 Android 的无线调试,一次就行。这给了它创建虚拟显示和注入输入的权限。安装向导会带你走,对一些 ROM 藏了无线调试开关的手机,还有一条有文档的 USB 备用路径。

这是个有真实后果的技术决定。意味着 Mika 能用在那些永远不会内置无障碍服务型 agent 的手机上,也意味着你给的权限比普通 app 宽。README 对这笔交易很坦白:换 Wi-Fi 或者重启,Android 会把无线调试关掉,所以 Mika 会在你同意后重新打开,你可能得重新配对。

它到底擅长什么

demo GIF 是 repo 里最有用的部分,因为它们演的是普通、无聊的活,不是魔法。读一个微信群,把今天说了什么总结出来。把一台 30 美元以内、4.5 星的充电器加进购物车,到结算前停手。看一个小红书博主最近的笔记并总结。给三个招聘岗位的 HR 打招呼。看广告解锁音乐权益。叠好优惠券点外卖,付钱前先问你。

这张单子很好地画出了价值在哪。这些任务成功条件清楚、不需要创意、界面无聊。正好是没人愿意在手机上干的活,也正好是看屏幕的 agent 不需要任何 API 就能干的活。

demo 里用中国 app 不是随手选的。微信和小红书没有公开的自动化 API,以后也不会有,这让它们成了最好的压力测试。README 说 Mika 并不绑定它们,这是实话——但这些 app 会出现在 demo 里,是因为“任何 app,无需集成”这个说法,只有在对拒绝被集成的 app 上才证明得了自己。

护栏就是设计

有两点很突出。

第一,危险的部分它交回给你。登录、验证码、支付都还给你。禁止截图的页面——支付流程、密码输入——也交回去。agent 被要求停在结算按钮前面,不许按。

第二,没有 Mika 的服务器。API key 和记忆加密存在设备上,对话和运行记录留在本地,除了模型服务商之外唯一的对外请求是去 GitHub 查更新。如果你是那种装之前先读隐私条款的人,那一段就是写给你的。

它还会记住你说过的偏好,把做完的任务变成可复用的 skill——所以第二次提同样的要求,它不用重新摸索这个 app 的布局。这跟 coding agent 圈子里流行的“把 repo 学一遍”是同一个思路,搬到了手机上。

会让它在某些地方被封的那部分

自动操作第三方 app 可能违反它们的服务条款。README 直说了,然后说让你自己判断,重要的事优先用 Ask 模式。

这一句话扛了很多。规模化的看屏自动化,正是平台反滥用团队专门要检测的东西,而一个跑在你自己设备上、用你自己账号的工具,既是这个想法最正当的版本,也最难跟滥用的版本区分开。你用 Mika 读个群聊,没人在意。一万人用它刷互动,app 会反应,反应不会客气。

还有个安全角度值得说:一个握着虚拟显示和输入注入的 agent,能在那些 app 里做你能做的任何事。把这种权限交给一个要跟第三方模型服务商通信的 app——哪怕是你自己挑的——这是信任决定,不是功能决定。

为什么这件事不止一个 app

Mika 里有意思的判断是架构上的,不是功能上的。两年来大家默认手机 agent 需要 app 配合:一个 API、一个 intent、一个插件。Mika 证明了第二块屏幕加输入注入就够了,而且这条路对所有拒绝配合的 app 都成立。

也就是说,手机自动化的天花板不是技术配合,是政策。那是另一场仗,会在接下来几年里,一个一个 app、一条一条服务条款地打。

装之前有两个现实限制值得知道。只有 Android——没有 iOS 的路子,考虑到苹果对虚拟显示和输入注入的态度,短期大概也不会有。而且这是一个人的项目,issue 区还很年轻,所以 ROM 兼容列表当传闻看,别当认证。你的手机要是藏了无线调试,USB 备用方案是有的,但确实比向导麻烦。

话说回来,在它明显没问题的那个窄带里——读、总结、填表、付钱前停手——Mika 是我在 Android 上见过最能用的东西,也是唯一一个干活时不把你手机扣作人质的。

相关文章