Mika不用1台电脑,手机自己在后台替你发微信、点外卖

开源手机 Agent Mika 最牛的是两件事。不插电脑，手机自己连上自己；不抢屏幕，它在一块看不见的后台屏上替你点 App，你该刷抖音刷抖音。

大家好，我是 D.K。

左边是你的手机，右边是 Mika 在后台屏上发微信（图源 Mika README）

先看这张动图。

左边是你的手机，你说一句，打开微信，给文件传输助手发今晚 8 点开会。

右边是 Mika 在一块你看不见的屏上，自己打开微信、找到联系人、打字、发出去。

全程没插电脑，没装什么 root，你的屏幕也没被它占一秒。

做它的是王赞，一个人，27 个小时发了 13 个版本。

事情是这样的。

昨天晚上我正好在跟 Claude 聊一个问题，我们自己能不能做一个开源的 Phone Agent。

就是那种你说一句话，它自己在安卓手机上点 App 的东西。

Claude 先说能做，然后很老实地列了一串它做不好的地方。

看截图找按钮，容易点偏。

每装一次包，华为都要我点两次确认、再验证一次身份，它没法自己调试。

只有我一台手机能测。

点错了「发送」「付款」，收不回来。

每一条都是实话。

然后我刷到了王赞那条推特，说他把 Mika 开源了。

我把链接丢给 Claude，说，你去看看他是怎么做的。

它把 README、架构文档、路线图、评测说明和 13 个版本的更新说明全读了一遍。

读完它跟我说，上次列的那几条难点，有两条他已经解决了。

01｜它到底能干什么

开头那张动图，是它最基础的活，替你发一条微信。

这件事难的不是发微信，是「在后台」。

常见的手机 Agent，是直接在你的屏幕上点。它在那点，你只能干看着，手一碰就乱了。

Mika 把活挪到了后台，你和它各用各的屏。

我是真的觉得这个设计很聪明。

让它打开小红书，总结一个博主最近发了什么（图源 Mika README）

这是让它打开小红书，把一个博主最近的笔记读完，写一份总结。

它会一屏一屏往下翻，读完了合起来，连哪几篇点赞高、哪几篇没人看都给你列出来。

再往上升一档。

在美团上凑满减，付款前停下来问你（图源 Mika README）

这张是让它在美团上点外卖、凑满减。

它自己算 15.6 加 31.38 等于 82.86。

差一点到满 85 减 21 的门槛，它打算再加一样东西凑过去。

然后停在付款前，等你点头。

说真的，这个算账的劲儿，比我自己点外卖还认真。

除了操作 App，它还有几样东西我觉得挺实用。

一个是内置浏览器，网页也开在后台，默认按电脑版打开。你在里面登录过的网站，它办事时直接能用。

一个是悬浮胶囊。你在别的 App 里刷着，屏幕边上有颗小胶囊，双击一下，就把你眼前这一屏发给 Mika。

比如别人发来一段话，你不知道怎么回，双击，问它这个怎么回。

还有定时任务。每天早上 8 点看看天气，下雨才告诉我，这种话它能听懂，到点自己去做。

02｜最狠的一招，手机自己连自己

我前阵子自己写过一个安卓 App。

每改一版，要用数据线连电脑，用 adb 装上去。

华为每次都弹两个确认框，最后还要我本人验证一次。

所以我一直以为，想让程序替你点手机，绕不开一台电脑。

Mika 不要电脑。

Mika 怎么让手机自己操作自己

它的做法有点绕，我用大白话捋一遍。

安卓 11 以后，系统里有个「无线调试」，本来是给电脑用 Wi-Fi 连手机的。

王赞在 App 里自己写了一套 adb 协议。

Mika 用这个无线调试，去连它自己所在的这台手机。

手机连自己，你敢信？？？

连上以后，它就能以系统调试的身份启动一个「内置手机助手」。

这个助手能建一块虚拟屏，把 App 开在那块屏上，再往上面发点击、滑动和按键。

后台干活就是这么来的。

你只需要在手机上配对一次，输 6 位配对码。

连配对码都可以让无障碍服务从设置页上直接读出来，你点一下通知就填好了。

换了 Wi-Fi、手机重启，系统会把无线调试关掉，Mika 也会自己把它重新打开。

这块需要注意一下，后台屏要安卓 13 以上，推荐安卓 14。

安卓 14 起，那块屏有自己的输入焦点，你在主屏打字它不会抢。

03｜它没训练模型，靠的是不看图

这一点最反我直觉。

我原来以为，手机 Agent 拼的是模型的眼神，截一张图，让模型说按钮在哪。

Claude 也是这么跟我说的，它自己看图点按钮，点不准。

Mika 能接 DeepSeek、通义千问、Kimi、Claude、GPT 这些现成模型。

它自己一个模型都没训练。

它的办法是，能不看图就不看图。

Mika 读屏幕的三层办法

第一层，读安卓的无障碍控件树，每个按钮叫什么、在哪，系统直接告诉你。

树读得不全，再用安装包里自带的文字识别，把屏上的字补出来。

两样都不行，才把截图交给能看图的模型去找，找完还要拿控件树核对一遍。

每点一下，它都看一眼界面变没变，打完字还会读回来对一遍。

没点上、焦点不在输入框里，都会照实报给模型，而不是假装成功。

还有一招很土但很管用，给常用 App 写说明书。

微信、小红书、BOSS 直聘、闲鱼、知乎，二十多个 App 和网站，各有一份纯文字的 Markdown。

里面写着入口在哪、常见做法、要注意什么。

Mika 用到哪个 App，就先翻那份说明书。

0.1.9 的更新说明，订 3 个闹钟从 32 步变成 6 步

我最喜欢的是 0.1.9 这一条。

原来让它订 3 个闹钟，它要一格一格去滚时钟的滚轮，32 步，3 分半。

后来改成直接调安卓系统设闹钟的标准接口，6 步，37 秒。

模型一点没变，变的是给它的工具。

我自己的感受是，这跟我用 Claude Code 的经验一模一样。

模型够用以后，差距全在你给它什么工具、什么说明书。

还有一个细节，让我觉得这人是认真的。

他在仓库里放了一套真机评测题，读系统设置、查商品、订闹钟、发消息，一题一个文件，每题怎么算对都写死了。

题目分成两池，七成拿来调提示词，三成锁起来不碰，只在决定发不发版的时候跑。

调过的题就挪出去，再补新题进来。

这是做模型评测的老规矩，防的就是自己给自己出题、自己考满分。

一个刚上线两天的个人项目，把这个都想到了，我是真的被震了一下。

04｜它在学人的手速

这一节我有点复杂的感受。

让它在 BOSS 直聘网页上给 3 个岗位打招呼（图源 Mika README）

这是让它在 BOSS 直聘的网页上，找 AI 产品经理的岗位，给前 3 个打招呼。

批量的事，网站最敏感。

所以 Mika 在节奏上下了很多功夫，文档里的数我整理成了一张表。

Mika 给自己定的节奏

每次手指落下前停 30 到 120 毫秒。

点按钮不点正中间，随机偏一点。

滑屏走一小段弧线，起步慢、收尾稳。

同一个网站连着翻页，第二页起停 4 到 7 秒，越翻停得越久，最长 12 秒。

一个任务在同一个网站最多看 20 页，再多要先问你。

碰到「操作过于频繁」「访问异常」这种拦截页，它不硬闯，交给你处理。

怎么说呢，停一停、别刷太快，这是对网站的礼貌。

但随机偏移、走弧线这些，有一部分就是在让自己看起来像真人。

我们自己定过规矩，不做规避平台检测的东西。

所以这块我只记录他怎么做的，我自己不会照抄。

05｜算笔账，装它之前你要准备什么

先算他的速度账。

27 个小时，13 个版本

10 月 29 日 23 点 53 分，他发了第一个测试版。

10 月 31 日凌晨 2 点 34 分，已经发到 0.1.12。

26 个多小时，13 个版本，平均两个小时一版。

每一版都写了中英双语的更新说明。

修的大多是用户刚报上来的问题，配对卡住、模型填错、要英文界面。

再算闹钟那条账。

32 步变 6 步，步数少了 81%。

210 秒变 37 秒，时间省了 82%。

每少一步，就少一次把屏幕发给模型、等它回话，这省下来的就是 token 钱。

最后算你自己的门槛账。

装 Mika 之前，先对一下这张表

手机要安卓 13 以上才能操作 App，安卓 11、12 只能用它的网页和聊天。

Linux 沙箱只支持 arm64 的手机。

安装包 82.8 MB。

要一个支持工具调用的大模型 API Key，或者用 ChatGPT Plus 账号直接登录。

钱是你自己付给模型厂商的，Mika 没有自己的服务器。

我手上那台华为，能不能过安卓 13 这条线，我还没来得及插上电脑确认。

所以这篇不是实测，是我让 Claude 读完源码文档以后的拆解。

06｜但是，它才上线两天

公平地说，它现在的问题也不少。

上线两天，Issues 里已经有人报问题

Issues 里已经有人说，vivo 上虚拟屏只能跑几秒钟就不动了。

有人说一运行云闪付就自动断线。

有人卡在配对的第六步，一直连不上。

王赞自己在 README 里写得很坦白，主要在一台安卓 14 手机上测过。

这跟 Claude 跟我说的那条一模一样，只有一台测试机，别的手机全靠用户替你踩坑。

路线图里，作者自己写的已知问题

还有一条我觉得更要紧。

它默认只有花钱前会问你，发消息、发帖、删除、改设置，都直接做完。

路线图里也写了，开发阶段把最后那道核查关掉了。

所以重要的账号，比如工作微信、常用的支付 App，我不建议现在就交给它。

它自己的免责声明也写了。

自动化操作第三方 App，可能违反人家的用户协议，有被限制甚至封号的风险。

我反正觉得，拿个备用手机、小号先玩，最稳。

回到开头 Claude 列的那四条。

看图点不准，他用控件树、文字识别加动作核对，绕过去了。

要人守着装包授权，他用手机自己连自己，配对一次就够了。

只有一台测试机，他也一样。

点错了收不回，他也还没解决。

两条解决了，两条还在。

我挺喜欢这个结果的。

它说明这事没有我想的那么遥不可及，也没有演示动图看起来那么完美。

一个人，两天，把一个大厂都在做的东西做到了能用。

剩下那两条，是所有做手机 Agent 的人都得面对的。

你最想让手机 Agent 替你干哪件事？

回消息、点外卖，还是每天帮你签到？评论区告诉我，我挑呼声最高的那件去试。

我是 D.K，用 AI 打工，每篇记一笔账。

后台回复【Mika】，领一份装 Mika 之前的检查清单。

手机版本、模型 Key、配对步骤和先别交给它的 App，都在里面。

下一篇，我想找一台安卓 14 的手机真跑一遍 Mika，算算一个任务到底花多少 token。

如果觉得有用，点个赞、在看、转发吧，也可以给我设个星标，下次更新第一时间就能看到。