Android 保险箱:4 个字段只能打进,读不回来

3 阅读6分钟

Andee 是跑在 Android 上的一个 agent,内部是一个工具调用循环:模型每说一句「调用某个方法」,都汇总到同一个 dispatcher 上执行。当前这版有 74 个方法,其中 3 个属于保险箱——device.vault.list、device.vault.get、device.vault.fill。

这 3 个方法的设计只围绕一件事:只要接口里存在一条路径能把密码读出来,上层迟早会有人用它,然后密码就进了提示词,然后什么都不用再谈了。所以真正的设计不是「怎么存」,是「接口往哪边开」。

这篇是这三个方法的接口账:每个方法返回什么、为什么存储要手写、回声规则怎么定,以及这样切之后要付的代价。

一、接口先分方向,再谈实现

三个方法有明确的方向性,两个只读,一个只写:

device.vault.list  → { entries: [{id, label, fields:{...}, secrets:[...]}], count }
device.vault.get   → { entry, field, value }        // field 若是秘密,抛错
device.vault.fill   → { performed, len, via }        // 任何情况下都不含值

list 给的是清单和「这个账号有哪些秘密字段」的名字,get 给的是某一个可读字段的明文,fill 什么都不给。

fill 的返回值只有三样:打没打成(布尔)、打了几个字符(整数)、走的是哪条输入通道(字符串)。它不返回内容,成功不返回,失败也不返回。

这个形状定下来之后,后面很多事就不用争了:模型拿不到值,就既没法把它转发给谁,也没法写进笔记、写进日志、写进下一次对话的上下文。不是不许他做,是他手里根本没有那个东西。

二、清单和秘密是两个字段集合

一条记录里存的字段,被 Entry 分成了三类方法:

  • readable():手机号、邮箱、用户名、备注、持卡人、卡号后四位——明文,可读
  • secrets():密码、卡号、有效期、CVV——只有名字,没有值
  • secretValue(field):按名字取值的唯一入口,且只有一个调用方

前两个是给 dispatcher 的两条分支用的,第三个是给 fill 用的。这样拆的好处是,list 和 get 的代码里根本不存在「取值」这个动作,它想泄露也没有路径。

masked() 是在 readable() 上做的一层打码,138****1111 这种。里面有一个刻意的例外:card_last4 不打码。因为打码函数对四位数字的处理是「全变星号」,于是两张卡在清单里变成两行 ****,模型只能猜用哪一张——而付款最不能猜。

顺带一个故意没做的「友好」:get 拿到秘密字段名时是抛异常,不是返回 ****。星号看起来更温和,实际上会让模型把 **** 打进表单,然后回报成功。

三、存储:手写 AES/GCM,一个依赖都不加

存的是整个数组的密文,落在私有 SharedPreferences 里:JSON 序列化 → AES/GCM 加密 → base64(iv || ciphertext) → 写盘。密钥在 AndroidKeyStore 里,别名 body_vault_key,GCM tag 128 位,IV 12 字节,每次加密由系统生成。

两个「为什么不用」:

不用 Jetpack Security Crypto。 它已废弃,而这个功能需要的加解密代码不到三十行,加一个会废弃的依赖来省这三十行不划算。

不放 voice_prefs。 那个文件是扁平的 Map<String, String>,过一层 ALLOWED_KEYS 白名单,而且整体明文——一串记录进不去,也不该进去。

写入的失败路径是:加密拿不到结果,就什么都不写,只留一行日志。它不会保留旧内容假装成功——否则用户关掉表单时以为存上了。这一点我做得不够好:界面拿到的仍然只是一个「保存」动作,没有明确的失败反馈,只在 logcat 里。

四、写侧的难点不是加密,是回声

fill 落到设备上,走的是和 type_text 同一条输入通路,只是多带一个 secret = true。

两条通道:

  1. 本服务自己的无障碍输入法(API 33 起可用)。不用装、不用切,用户自己的键盘全程还在。
  2. ADBKeyboard 兜底。这条要求用户有一台电脑:侧载一个第三方 APK,再用 adb shell pm grant 给它 WRITE_SECURE_SETTINGS 才能改默认输入法。借来打字,打完立刻还回去。

打完之后必须回读——键盘说「我打了」不算,得看见框里真的有。回读是每 200 毫秒一次、总预算 1.5 秒的轮询,先读焦点节点,读不到再扫整棵树的文本。

关键在回读之后怎么报告:

return if (ok) {
    JSONObject().put("performed", true).put("via", VIA).put("len", text.length)
        .apply { if (!secret) put("text", got) }   // 秘密:不打回声
} else if (secret) {
    JSONObject().put("performed", false).put("len", text.length)
        .put("error", "… holds ${got.length} chars instead of ${text.length}")
}

普通输入成功会把文本回显,因为那是给模型确认「打对了」用的。秘密路径上这一句必须去掉——回显等于把明文顺着 WebSocket 送回远端模型,「只填不给」这条边界就是在这里成立或者失效的。

失败时更微妙:报「框里有 3 个字符,应该是 16 个」而不是「框里是 abc」。长度可以救命,片段会致命。

五、三处写死在代码里

这类东西靠注释是守不住的,所以都在代码里:

  1. get 的秘密分支 throw,不是 return。
  2. BrainTrace 对 device.vault. 前缀的调用,结果字段直接写字面量 <vault result not traced>——连 get 返回的手机号和邮箱也不落盘。调试文件是最不该出现这些东西的地方。
  3. TurnGuards 里按前缀拒绝,不是按方法名。这样以后加第四个 vault 方法时,陌生通知触发的回合自动也调不到——规则不会因为「有人忘了加一行」而漏。

六、这套切法的代价

都写在这里,因为它们不会自己消失:

一次只能填一个字段。 卡号、有效期、CVV 是三次 fill,每次都要先 tap 到对应的框。一整套结算表单是六到七次调用。

只到焦点输入框。 App 自己画的数字键盘(原生支付)不是输入框,够不到。能到的只有网页结算表单、绑卡页这类真输入框。

通道依赖是真的硬。 API 33 以下、又没装 ADBKeyboard 的设备,一个字都打不进去。这时候他会响亮地失败:抛一句 cannot make ADBKeyboard the active IME,而不是假装成功——因为广播发出去没人接,回读只会得到「框还是空的」,那条错误信息会去怪目标 App 藏了文本。

保险箱没绑设备解锁。 密钥生成时没有要求生物识别,理由是填入发生在任务中途,弹一次指纹就把自动化打断了。这条在 SECURITY.md 里是公开的已知限制:它防提取、防外流,不防拿着你解锁手机的人。

卸载即清空。 密钥随 App 消失,恢复过来的密文在新机器上解不开,代码里那句日志写得很直接:密文解不开,只能整份作废。


app/src/main/java/net/kuafuai/andee/config/Vault.kt(存储与字段分层)、core/src/main/kotlin/net/kuafuai/andee/net/ToolSchemas.kt(三个方法的说明文本,模型看到的就是那段)、app/src/main/java/net/kuafuai/andee/net/CommandDispatcher.kt(device.vault.* 三个分支)。

仓库:github.com/kuafuai/and…