手机里那些没有 API 的 App,AI 终于能替你点了:浙大团队开源 nanoMuse

你有没有过这种时刻： AI 把操作步骤一条条列好，你还是得自己拿起手机，一页一页点过去。

公司报销在 App 里，银行转账要你自己输验证码，演唱会门票只在 App 里抢。这些地方都没有 API ，聊天 AI 再聪明也帮不上忙。

2026 年 9 月初， Meta 发布 Muse ，第一次把"个人 AI 管家"做成了完整产品：有名字，记得住你，会主动找你，花钱前要你点头。但它闭源，跑在 Meta 云上，只在美国卖。

半个多月后，浙江大学三个人做了开源对偶版 nanoMuse ，代码挂在 GitHub ，许可证 GPL-3.0 ，论文在 2026 年 10 月 6 日上了 arXiv ，编号 2610.08699 。它要解决的问题很具体：让 AI 替你完成那些只能在 App 里点的操作，而且整套东西装在你自己的设备上。

手机和电脑上的 App ，它都能替你点

它靠"看屏幕"干活。手机和电脑的屏幕就是它的手：截一张图，看懂上面有什么，点一下；再截一张，再点一下。没有 API 的 App ，它同样能操作。

这套能力叫 Hands ，默认关闭。打开后，手机屏幕下方会浮出一个小胶囊，显示它的脸、它准备做的动作，和一个红色停止键；下一个点击位置会在屏幕上画圈提示。电脑上，屏幕边缘有一圈呼吸光，鼠标旁标出下一次点击的位置。

苹果手机不能用这个功能。 iOS 不允许一个 App 操作另一个 App ，所以 iPhone 上只有其他能力，安卓和电脑可以用。

几台设备共用同一个账号和同一段对话。你在手机上发一句"把手机里那个快递单号填进电脑的表格"，任务可以交给电脑执行，需要确认时弹窗回到你手上的手机。官方演示里，给电脑派活只要在消息开头写 @Mac。

它记得你的方式很直接：几个 Markdown 文件。SOUL.md 是它是谁，USER.md 是你是谁，还有一份带日期的日记和一份作息表 HEARTBEAT.md。这些文件在手机里就能打开、修改，记错了删掉那一行即可。

模型不用它自己的，用你选的。填自己的 API key ，单台设备可以不连它的服务器，只有调用模型时往外走；也可以直接用你已经在付的 ChatGPT 、 Claude 、 Kimi 订阅。多设备同步需要一个小中转站，中转站开源， 1 核 1G 服务器就能自己搭。据论文数据，论文成文时支持 18 家模型厂商， README 已更新到 19 家。

付款、发消息、删文件，它每一下都得先问你

nanoMuse 里， AI 不能直接执行工具。每次调用先过一道叫 Sentinel 的检查：这个工具是否被禁用、你定的规则、以及"总是允许/总是询问"清单。

它还会记住这段对话有没有读过你的隐私数据。读过之后，任何往外发东西的操作都会自动降级成先问你一句，反过来不成立。

授权是分范围的：只此一次、本次对话有效，或对某个收件人、网站、文件夹长期有效，随时可以撤销。付款和密码永远不记，不管你说多少次"以后别问了"。

真要动手时，它会先用人话说明下一步，比如"我要按确认支付了"。规则看不懂图片，但看得懂这句话。动作里出现付款、转账、发送、删除这些词，每一步都要重新确认。

装它要多大、花多少钱，现在还差在哪

先说体积和费用。安卓包 38MB ，桌面端下载 256MB 到 498MB ，中转站装完 928MB 、空闲约占 0.5GB 内存。自建中转站按 1 核 1G 服务器算，国内大概 30 到 60 块钱一个月，海外 4 到 6 美元。这些数字据论文数据，来自那张估算表。

短板作者自己列了三条。

一是它会点错。 Hands 靠模型输出的动作描述来判断，作者表示没有给出成功率，也没统计过人工接管了多少次，原话大意是：这个数字还不存在，我们宁愿直说，也不猜一个。

二是安全有折扣。 Sentinel 和 AI 在同一台设备里，是"家规"不是"门锁"，设备一旦被攻破， AI 也一起沦陷。

三是记忆分不清出处，哪句话由哪个模型写的，它现在不记。

还有， Linux 上的 Hands 只支持 X11 ， iOS 没有 Hands ；同步对话要由中转站保存你选择同步的那部分文本。 nanoMuse 是独立社区项目，跟 Meta 没有任何关系， Muse 是 Meta 的商标。

现在它还谈不上成熟，但"能替你动手的 AI"第一次有了可以下载、跑在自己设备上的开源版本。你手机上最想交给它替你点的那件重复事，是什么？

参考来源（完整链接）：

本文由 AI 辅助创作，作者进行了实测验证和编辑修改。