Mika:让AI在后台操作安卓手机,已经做到哪一步了

大家好，我是叉叉。

“帮我总结一下这个群今天聊了什么。”

这句话交给普通聊天机器人，下一步通常是你去复制聊天记录。交给 Mika，项目展示的做法是：它自己打开手机里的 App，翻阅页面，再把结果带回来。

更有意思的是，你不用一直盯着它点。它在一块后台虚拟屏幕里操作，你可以继续用手机。

最近我看了这个项目的文档和关键源码。它已经把手机操作、网页浏览和本地脚本接在了一起，里面有一些值得开发者参考的设计。不过，准备安装之前，有几个细节最好先弄清楚，尤其是它的“询问模式”。

Mika 是一个开源安卓 AI 助手，主项目采用 Apache-2.0 许可证。它接收自然语言任务，让模型决定下一步，再调用手机、网页或文件处理工具执行。

你可以把它理解成一个能看界面、也能动手的助手。

传统自动化脚本往往需要提前写好步骤：打开哪个页面、点哪个位置、输入什么。Mika 的路线是，每执行一段就重新观察界面，让模型判断接下来怎么做。页面变了、出现弹窗了，理论上也有机会调整。

这里最吸引我的，是它对“屏幕被占用”的处理。

Mika 利用安卓的无线调试启动内置手机助手，再创建独立的虚拟屏幕，把需要操作的 App 放进去。对话里能看到它的实时小画面，需要登录、验证码或人工处理时，再让你接管。官方设置指南 讲了完整流程，常规路径不需要 Root。

素材来自 Mika 官方仓库，原演示为 4 倍速播放，聊天列表已由项目方模糊处理；这是官方演示，不是本文实测。

不过，后台屏幕仍然使用你手机上的 App 和登录状态。不要把它理解成一台与个人账号隔离的测试手机。

系统版本也会影响体验。当前文档区分得很清楚：聊天、网页和文件功能支持安卓 11 及以上；操作手机 App 要安卓 12 及以上；更推荐安卓 14 及以上，因为后台屏幕有自己的焦点，对你在主屏打字的影响更小。

所以，“可以安装”和“能顺畅替你操作 App”，是两道不同的门槛。

我原本比较关心一件事：如果它每点一下都截图，再让视觉模型猜按钮位置，速度和费用会不会很难控制？

源码里的处理比这更细。

手机界面优先通过无障碍能力读取控件和文字。遇到自绘界面、没有标签的控件，再用随 APK 提供的文字识别补读；配置了视觉模型，还可以从截图里寻找目标。

也就是说，它把能直接读取的信息、文字识别和视觉理解结合起来使用。

这能减少一部分“只靠看图猜”的负担，但也带来现实限制：App 有没有暴露可读的控件、弹窗怎样出现、输入框能不能正常操作，都会影响任务结果。对禁止截图的敏感页面，也不能指望它照常看见并处理。

项目确实为一些常见 App 和网站准备了使用知识，记录入口、常见路径和注意事项。这些知识是可阅读的文本文件。没有专门知识的 App，仍然可以尝试通过界面操作。

我的理解是，这扩大了覆盖范围，却不能据此承诺“所有 App 都稳定可用”。

Mika 还有两部分能力，容易被后台操作的演示盖过去。

一部分是内置浏览器。它默认使用电脑版网页，可以保留网站登录状态，读取页面、点击输入、下载和上传文件。

另一部分是本地 Linux 沙箱。支持的 arm64 设备上，每个对话有自己的工作区，可以运行 Python、Node 和 shell，处理文件。沙箱默认断网，脚本联网需要另外开启。

这让它有机会完成一条更长的任务链：从网页下载一份公开数据，交给脚本计算，再把结果整理出来。

这里描述的是它已有能力能够组合出的任务类型，具体任务是否成功，仍要看模型、网页和文件格式。不能因为工具都在，就默认流程一定跑通。

从开发者角度看，我更在意它有没有把动作和结果连起来。Mika 将改变界面的动作收进统一执行入口，执行后读取效果，并保留过程记录；任务途中也可以补充要求或按停止。停下来后，它会整理已经做过什么、还剩什么。

这些地方没有演示视频那么显眼，却关系到助手做错一步以后，你能不能知道发生了什么。

项目提供记忆，也提供个人技能。

记忆保存你明确表达过的事实、偏好和做事方式，可以查看、修改和删除。个人技能则更接近一份办事说明：某类任务应该从哪里进入、按什么顺序处理、哪些情况需要停下。

它还有草稿、收下、试用和核实的流程，尝试把做过的事沉淀成下次能查阅的方法。

这不意味着模型在手机上重新训练、参数自动变强。更准确地说，它在积累下一次执行时能用上的上下文和操作经验。

我觉得这种设计很实用。一个助手知道“你通常怎么做”，往往比每次都从空白开始推理更有帮助。但学到的路线也可能过时，App 改版后仍需要重新验证。

电脑端也可以通过 CLI 加 Skill，或者 MCP，把任务交给手机上的 Mika。两种入口通常选一种就够了，它们共用手机里的任务服务。对已经在电脑上使用 AI 编程工具的人，这相当于多了一个能处理手机任务的执行端，连接方式见官方电脑使用指南。

第一，在手机上运行，不代表数据全程不离开手机。

按照项目的隐私说明，Mika 没有代收这些内容的项目服务器，API Key、记忆和画像加密保存在手机上，对话及运行记录也留在本机。

但任务里的对话、屏幕内容和截图，会发给你自己配置的模型服务商。模型从哪里来，就必须把那一侧的数据处理方式也考虑进去。

它支持多家模型服务，也能连接电脑或局域网里的模型。这个选择很灵活，但“支持本地模型地址”不能直接等同于“随便选个小模型，就能离线稳定操作手机”。主模型需要工具调用能力，读图能力和执行质量也各有要求。

软件开源免费，模型额度则是另一笔账。一次任务可能反复读屏、调用模型和核对结果。目前普通任务没有默认的固定步数上限；虽然代码有防卡住机制，仍不适合第一次就给它“直到成功为止”这类很难收敛的目标。

第二，默认的“询问模式”，并不会在所有重要操作前询问。

这是我最希望读者在安装前知道的一点。

按当前模式说明和审批代码，默认模式主要拦住花钱的步骤：下单、提交订单等要先确认，付款本身交给用户。发消息、发帖、提交表单、删除、改设置，默认会直接执行，不另问一次。

如果打开自主模式，连花钱的步骤也不再要求事先确认。登录、验证码、付款密码等需要本人处理的环节，仍可能要求接管。

所以，不能只看到“询问”两个字，就把账号里所有事情放心交出去。第一次尝试，我会选择公开网页或自己可检查的小任务，明确限制操作范围。重要账号、对外沟通和删除类任务，需要更谨慎。

项目本身也提示，自动操作第三方 App 或网站可能违反对方用户协议，存在功能受限或封号风险。能点到按钮，并不代表平台允许这样操作。

第三，它仍是快速变化中的 Beta。

截至 2026 年 11 月 1 日（美东时间），我核对到的最新发布版是 v0.1.33。这一版包含代理设置、回看此前运行读到的内容、安装包缩小等改动，项目还在持续补兼容性和体验。

一个很具体的社区反馈是：有用户在 v0.1.27 上通过了全部 12 项兼容性自检，操作微信时仍遇到了按钮和文字发送失败。这条 Issue 只代表该用户当时的设备和版本，不能证明最新版也一样；它提醒我们，自检通过不等于每个真实任务都能完成。

我还在当前源码里看到，交出最终回答前的独立核查开关 reviewFinalAnswer 设为 false。这不等于整个过程没有检查——动作后的效果检查、运行记录和后台结果分类仍在——但你不能把它返回的一段总结，当作经过独立验证的结论。

如果你有一台安卓备用机，愿意配置模型，想看看 AI 怎样跨页面执行任务，Mika 值得研究。开发者还可以顺着它的代码，看虚拟屏、控件读取、动作核对、任务中断和个人技能怎样接在一起。

上手可以很小：从官方 Releases 安装 APK，连接一个支持工具调用的模型；只用网页和文件功能，可以先不配置手机控制。需要操作 App 时，再按向导完成调试配对，并运行兼容性自检。

先让它读取一页公开信息，检查有没有漏读和编造；再试一个结果容易核对的小任务。等你知道它在哪些地方可靠、哪些地方会卡住，再扩大范围。

我对 Mika 最感兴趣的，是它已经把“让 AI 接手手机里的几步操作”做成了一个可以安装、可以读源码、也可以逐步检查的项目。

它离放心托管还有距离。但如果你想理解手机 Agent 正在解决哪些工程问题，这个仓库里已经有不少具体答案。

项目地址：https://github.com/wangzan101/mika

本文为官方资料与关键源码分析，未做真机实测。封面为 AI 生成的概念示意，正文动图来自项目官方演示。源码核对基于 v0.1.33 对应提交；功能、权限策略与兼容性可能随版本变化。