Mika开源手机私人AI助理实践

现在的手机端 AI 助手普遍存在一个让人头疼的体验痛点。每当用户下达一个跨应用指令，AI 就会立刻霸占整个手机屏幕，自动点击、滑动、跳转页面。在这几分钟里，用户完全没法回微信、刷视频，只能眼睁睁看着手机自己乱跳。遇到应用弹窗音效或者误触返回键，整个任务还会直接中断。

Mika 项目拿出了一套纯本地驱动（无自有后端服务器）的终端 AI Agent 解决方案。它在 Android 手机内部开辟出独立的后台虚拟屏幕、离屏 WebView 与完整的 Linux 容器沙箱。AI 所有的点击、滑动、网页抓取与代码执行全部在后台隐身完成，用户在前台聊微信、打游戏丝毫不受干扰。本文将从核心功能特性、跨进程协同架构，到一份完整的京东选购显示器真实运行日志，全方位拆解这款手机端 AI Agent 的工程实现。

普通 Android 应用受限于系统沙箱，无法直接创建受信任的虚拟屏幕或跨屏幕挪动任务栈。Mika 巧妙利用了 Android 系统自带的 shell 特权身份（UID 2000），通过一次无线调试引导，在手机内部孵化出一个脱离 adbd、由系统 init 进程（PID 1）直接收养常驻的特权助手进程。

在真机运行态下，系统内部的实时进程分工如下表所示：

主进程与特权助手进程之间构建了严密的安全交接与双向保活拓扑：

这套双核架构在运行期包含三个精巧的工程细节： 1. 一次性口令交接：特权助手启动后，通过 HelperHandoffProvider 将 ShellService 的 Binder 句柄、进程信息与一次性 Nonce 口令交接给主进程的 HelperHub。 2. 磁盘口令自动销毁：一旦 HelperHub 确认连接成功，UsbStartScript.kt 会立即把外置存储 /sdcard/Android/data/com.wangzan101.mika/files/usb-start.sh 重写为不含口令的提示文本，防止启动口令残留在磁盘上造成安全泄露。 3. 双向 linkToDeath 保活自愈：主进程与特权助手互相注册了 Binder 死亡监听。当主进程被系统清理且超过 8 秒未能恢复时，常驻后台的 18606 特权助手会根据 RestoreWish 先修复无障碍服务设置，随后访问 HelperHandoffProvider 将主进程重新拉起。

为了直观展现 Mika 在真实复杂应用中的运行状态，我们以帮我在京东上选一款 2K 27 寸的显示器，要求综合评价比较高。用于办公。作为测试指令，同时在系统记忆层预设了用户偏好1. 用户不想要分辨率太高的，因为那样字体太小。。结合真机 App 内的「运行过程」实拍截图与底层 Trace 日志，我们分成三个小节深度拆解任务启动后的前 5 步核心操作。

全局运行账单与第1步：按需挂载的轻量冷启动

从第一张运行过程截图可以看到，Mika 在端侧提供了极高透明度的可观测面板： * 全局性能指标：整个选购任务总耗时 5 分 3 秒，和模型来回交互 16 次，总计消耗 108 万 Token，最终结局标记为「办成了」。 * 第一次反馈耗时拆解（22.9 秒）：截图显示第 1 步总耗时约 23.2 秒，其中模型耗时 22.9 秒，端侧操作仅耗时 337 毫秒（含重试 7 毫秒）。对照底层 trace.pb 日志，这 22.9 秒 的模型耗时包含了两部分：前置 IntentGate 意图门禁耗时 7.67 秒（消耗 355 输入 / 7 输出 Tokens），加上主循环 Step 01 的大模型首轮推理耗时 15.21 秒。 * 极简初始上下文：在 第 1 步 启动瞬间，为了节省首轮 Token 开销，Mika 仅向模型挂载了 22 个基础工具（手机相关仅有 phone_list_apps 和 phone_launch_app 以及日历闹钟接口，尚未挂载任何屏幕点击与观察工具），

后台虚拟屏静默拉起京东与实时画面回传

第二张截图展示了 第 2 步 启动目标应用并回传虚拟屏画面的全过程： * 精准定位与启动耗时：模型从第 1 步返回的包名列表中定位到 {“package”:“com.jingdong.app.mall”,“label”:“京东”}，随即输出京东 app 已安装，我打开它开始搜索。并调用 phone_launch_app。 * 后台特权静音与首屏稳定等待：后台 UID 2000 的 ShellService 先通过 AppOpsManager 将京东的音频播放权限设为静默，随后在独立的 AgentDisplay 虚拟屏中拉起京东首页，并持续监测画面帧直至首屏渲染完全稳定。 * 主副屏互不干扰的视觉验证：截图中点开「收起画面」下方的预览框，就能看到后台虚拟屏实时截取回传的京东首页画面。此时用户的主屏幕依然稳稳停留在 Mika 的白色「运行过程」页面。

第3至第5步：工具集动态解锁、借力搜索与滚动寻路

第三张截图连续呈现了 第 3 步至第 5 步 在京东应用内的核心交互推进： 

* 第 3 步：动态解锁 31 个屏幕工具 + 借力默认词直接搜索 一旦第 2 步调用了 phone_launch_app，Mika 在第 3 步立即触发架构级的 tools_opened 动态扩容机制：一次性向模型上下文注入 phone_observe、phone_tap、phone_find、hand_to_user 等 31 个手机屏幕交互工具（工具总数从 22 个扩充至 53 个），同时向 messages[0] 追加 13,126 字符的屏幕操作规。 

* 第 4 步：遵循首项命中原则锁定高销量商品 模型严格遵循系统规范中从列表选择第一个满足条件商品的准则，耗时 18.2 秒 完成多候选商品规格核对。 

* 第 5 步：核实当前选中规格并调用滚动查找 进入包含 11 个子款式的商品详情页后，模型首先核实当前已选中的款式 @e225 正是 [新]27”2K180Hz/硬（价格 ¥949，已售 200 万+）。为了核查真实口碑，模型耗时 10.9 秒 发起滚动查找调用：

端侧执行器收到指令后，由 GesturePacing.kt 生成拟人化的加减速滑动轨迹向虚拟屏注入触摸事件，仅向下滚动 1 次（耗时 3.0 秒）便精准捕获到 @e336（“好评率98%”）节点。

从后台免打扰的虚拟屏双核架构，到按需解锁工具、实时画面透视与拟人化触控交互，Mika 让手机端 AI Agent 彻底告别了抢屏幕玩具阶段，成为一个能在手机后台安静思考并可靠交付结果的实用生产力工具。