手机 AI 在后台干活,你照样能玩手机

它干活的时候，你可以接着用手机

你在手机上装个 AI 助手，让它去美团凑个单。

它开始动了。屏幕跳进美团，一个一个点减号，你看着它算满减。这时候你想回一条微信——不行，屏幕被它占着。想刷一下微博——也不行。你就这么举着手机，看一个机器人替你点屏幕，点了好一会儿。

这不像助手。这像远程桌面。

十月底出了个项目叫 Mika，正好治这件事。到 11 月 2 日早上，建仓三天多，3812 星，一万六千多次下载。它的解法比「优化一下交互」狠得多：它给自己另开了一块屏。

安卓系统本身支持同时挂多块显示。平时你只看到主屏，但系统内部可以有第二块、第三块。Mika 用这个能力建了一块虚拟屏，尺寸跟你主屏一样，然后把 App 开到那块屏上去。

你手上这块屏，它不碰。

这个设计最直接的后果是：它干活的时候，你能接着用手机。回微信、刷视频、看文档，互不干扰。它甚至给了个小浮窗，你想看它干到哪了，点一下就能瞄一眼。

真正难的地方在权限上。要在另一块屏上开 App、模拟点击、读界面，光靠无障碍服务不够，得有 shell 权限。正常做法是让用户插电脑敲 adb 命令，那样九成人会放弃。

Mika 的办法是走无线调试，配对一次就行。配对码还能由无障碍服务从系统设置页自动读出来，省掉手输。

更有意思的是，ADB 协议是作者自己实现的。整个项目里有一个 core/adb/ 目录，专门干这件事。这意味着它不依赖电脑、不依赖 adb 工具链，一台手机自己就能把自己配对好。

还有个细节我读到时愣了一下：目标 App 在虚拟屏上是静音的。

想想为什么。你在后台开一个 App，如果它突然出声——消息提示音、视频片头、广告——你在前台干着活，手机莫名其妙响了，这叫穿帮。所以它在启动 App 之前就把这个 App 的音频设成忽略，任务结束再还原，还原规则细到「原来没设置过的写 allow，不动其他包」。

先说一句实话：这个功能有个前提——你得有一台不心疼的安卓机。

在主力机上开无线调试、给一个 App shell 权限，多数人不敢。现实里的用户大概率是抽屉里那台旧安卓、公司发的测试机、专门跑自动化的备用机。这一层人不多，但转化率最高，因为机器闲着也是闲着。

真正有需求的活，共同点是它只在 App 里，没有网页版。

还有一条，比任何功能都重要——它没有服务器。

你的话、屏幕内容、截图，只发给你自己配的模型服务商。DeepSeek、通义、Kimi、智谱、MiniMax、OpenRouter、OpenAI 这些都有预设，也能直接登录 ChatGPT、Grok、OpenRouter 账号。

API key、记忆、对话记录加密存在本机，只有检查更新才连 GitHub。

一个敢要 shell 权限的 App，这条不算加分项，是资格。

它不适合的活，也得说清楚：

• 要登录、要验证码、要人脸识别的，它会把屏幕交给你，等你弄完再接着做。这类活它不硬闯。

• 需要判断力的活，比如「帮我把这个月的账理一下」。它擅长的是照着界面走流程，不是替你想。

• iPhone 用户，直接排除，这是安卓专属。

手机上做自动化，主流做法是截图丢给多模态模型：「按钮在哪？」模型看一眼，回一个坐标，点下去。

这个做法有三个毛病：慢、贵、不准。分辨率一变就失效，弹窗一挡就找不到，一天跑几百次，token 账单能翻好几倍。

但这条路有个死角：有时候控件树是读不出来的。系统卡了、界面是自己画的、某个区域根本没暴露出来。这时候点了一下，界面没变。

多数工具会判「点击失败」，然后重试、报错、或者换个坐标再点一次。

Mika 的处理我读到时觉得挺难得：它把这种情况单独标出来，叫 treeBlind，提示语从「多半没点上」改成——

就这一句话。它承认自己这一处看不见，而不是假装知道发生了什么。因为这两种判断的后果完全不同：如果实际点上了，重试就会点两次；如果没点上，不重试就卡死。分不清的时候，说实话比猜准更重要。

还有一处设计，说明作者真的在真机上跑过：它会认「到上限了」。

界面里冒出来「操作过于频繁」「明天再来」「次数已用完」这类字，它当场停下，把 limitReached 写进结果，告诉你卡在哪一步。而不是傻乎乎地继续点，把账号点到限流。

它还有一组工具叫 end_not_done、handle_obstacle、hand_to_user。名字本身就说明了态度——做不完有地方说，卡住了有地方报，该你上了就交回去。

这一层很多人会忽略，但它可能是这个项目最长寿的部分。

Mika 把手机变成了一个 MCP 服务器。电脑上的 AI 通过 USB 或局域网连过来，用六个工具派活：mika_run_task 跑、mika_task_status 查、mika_wait_task 等、mika_answer 回、mika_cancel_task 取消、mika_list_tasks 列表。

它甚至给了个一键路径：把一句话发给电脑上的 agent，让它照着文档自己把手机装好。

安全上也能看出取舍。它不做 TLS，靠两条：只接受私有地址（回环、局域网、链路本地，其中一端不是私有地址就当场断开），以及访问令牌。USB 的令牌只认回环，局域网的令牌认允许的连接，两个都比一遍、不短路。同一地址一分钟内认证失败五次，封一分钟。

配套的一个细节：无人在场的任务，会被砍掉一批工具。它去掉追问、确认、接管、建定时、改画像这些需要人的能力。因为任务跑起来的时候，你可能根本不在手机边上——询问模式下遇到要花钱那一步，它不会干等，而是直接不做，然后老实告诉你哪一步没做成。

这部分是我认为最值得抄的。

任务办成了，它会起草一份技能：这次在哪几个界面点了什么、顺序是什么、有哪些坑。存下来，下次同类任务直接用。

问题来了：AI 自己总结的经验，凭什么信？

它的答案是：不信，先上岗试用。

一份技能的一生

一份新技能存下来只是草稿，得你自己在「记忆与技能」里收下，才进入试用。试用期办成一次，转正式。试用期办砸了，直接停用。转正之后也不是一劳永逸——最近三次里有两次办不好，停用。

它连「什么样的任务才够格起草技能」都设了闸：动作得够多，中途没被你接管，不是你亲自动手办完的，也没有出现你不同意的确认。回放出来的、动作太少的，都不学。

还有一处我觉得特别清醒：从成功里学的和从失败里学的，宽容度不一样。

从教训里总结出来的东西，连着两次办不好才归档；从成功里总结的，一次不好就归档。

道理不难想：一次失败可能有很多偶然原因——网络断了、跳了验证码、那个 App 当天改版了，这些怪不到知识头上。反过来，一次成功也可能是运气好，多试一次就露馅。

它还防了一个很实际的问题：不许模型把密码写进技能里。起草技能、补充 App 知识时，凡是写了密码、验证码这类内容的，整份拒收。

先把最硬的一条放前面：这是 Beta，而且主要在一台安卓 14 手机上测过。

不是「支持安卓 11 以上」这么轻松。分三层：

安卓 14 是个分水岭，因为从 14 起虚拟屏才有自己的焦点，不抢你主屏的输入。12、13 上主屏焦点可能短暂丢失，设置里会提示。安卓 12 以下干脆不能操作 App，只能聊天、看网页、跑沙箱。

真实的兼容问题已经冒出来了：鸿蒙 NEXT 配对失败、小米 HyperOS 无障碍被误判、三星 Android 16 有问题。作者在设置里放了个「兼容性自检」，12 项检查大概一分钟——他知道兼容性是最大障碍。

第二个必须说清楚的是「询问模式」。

默认是询问模式，很多人看到这四个字会以为它事事都问。实际不是：

它只在花钱那一步问你——下单、提交订单、页面显示应付金额时的确认。而且付款本身是你亲手完成的，它不代付。

发消息、发帖、提交表单、删东西、改设置，它不问，直接做完。

这个边界得记住。想让它在每件事上问你，它做不到，它只在一个点上守门。

还有两条：

• 封号风险是明写着的。用自动化方式操作第三方 App，可能违反它们的用户协议。它的免责声明第一条就是这个，自担风险。

• 它不处理验证码和登录。遇到这类它会请你接管，你弄完它接着做。这是对的做法，但也意味着带登录的自动流程做不到全自动。

这个项目的更新节奏快得有点不像话：10 月 29 日下午建仓，11 月 1 日晚上已经发了 35 个版本，351 个提交，十个外部贡献者提的 PR 里有真修复。这个速度刷不出来，只可能是真有人在用、真有人在报 bug。

但我更在意的是它解决问题的姿势。手机上让 AI 干活，大家都在同一个池子里卷：怎么把模型调得更准、怎么让点击更稳、怎么支持更多 App。Mika 没在这个池子里，它把前提改了——先解决「它干活的时候你还能干别的」这件事，剩下的才好谈。

我是智点AGI，专注 AI 技术解读与开源项目拆解。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见

THANKS FOR READING