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。

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
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。
有人从外部重建了 IDM,并写下了自己没有碰过的部分
Mister Download Manager 用 Rust 重写了 Internet Download Manager 的下载流程,声称速度快 5 倍、支持 86 种语言。更值得细读的,是它解释如何在不复制任何代码的前提下完成重写的那一段。
Rune 是一个 Rust UI 框架,设计初衷是让 agent 能检查自己的工作
Rune 能无头渲染、导出元素树并接受脚本化输入,这让编码 agent 拿到截图永远给不了的东西,一个可 diff 的信号。这个框架仍是预发布版本,不接受 pull request。