在“AI 手机”概念被反复提及但落地缓慢的 2026 年,Mika(GitHub
wangzan101/Mika)提供了一条无需 Root、无需 App 适配的通用 Agent 路径。它利用 Android 原生的 VirtualDisplay 在后台创建一块用户不可见的虚拟屏幕,让 AI 在其中像真人一样点击、输入、滑动,而你依然可以在主屏上正常使用手机。自 2026 年 10 月 29 日建仓以来,该项目在 5 天内斩获 5,331 星,下载量突破 23,980 次,并持续获得社区关注。
核心信息速览
| 项目 | 详情 |
|---|---|
| 项目名称 | Mika |
| GitHub 仓库 | wangzan101/Mika(另有社区分叉 BotHarness/Mika、woohaha/mika) |
| 开发者 | 王赞(@wangzan101) |
| 开源协议 | Apache-2.0 |
| 主要语言 | Kotlin + Jetpack Compose |
| 建仓时间 | 2026年10月29日 |
| GitHub Star | ~5,300+(5天内数据,2026年11月初) |
| 下载量 | 23,980次(截至2026年11月3日) |
| 当前状态 | 公开测试版(Public Beta),功能快速迭代 |
| 系统要求 | 聊天/网页/文件:Android 11+;操作手机App:Android 12+(推荐14+);Linux沙箱:仅 arm64 |
| Root需求 | 不需要Root。通过一次**无线调试(adb pair)**配对获取输入权限 |
| 模型支持 | 内置 20+ 预设(DeepSeek、通义、Kimi、智谱、OpenAI、Anthropic、Gemini、Ollama 等),支持自定义 OpenAI 兼容端点 |
| 数据流向 | 无 Mika 服务器;API Key 与记忆加密存储于本地,对话记录不上传;仅检查更新时连接 GitHub |
一、技术架构:虚拟屏、无障碍树与 Agent Loop 的三层协作
Mika 的核心工程创新在于把“后台自动化”从概念变成了无需 Root 的工程实现。其技术栈围绕三个核心组件展开。
1.1 后台虚拟显示(VirtualDisplay)
Mika 利用 Android 10 引入的 VirtualDisplay API,在系统内创建一块用户不可见的独立屏幕。目标 App 被启动在这块虚拟屏中,Mika 的点击、输入、滑动事件全部注入这块屏幕(通过环境变量 MIKA_DISPLAY_ID 标识当前任务的虚拟显示)。
这一设计的关键收益是完全不抢占用户的主屏焦点。用户可以在主屏上正常打字、刷视频,Mika 在后台独立操作,互不干扰。代价是需要**一次性配对无线调试(adb pair)**来获得注入事件的权限,不需要 Root。社区另有 root 变体(v0.1.33-root)供愿意折腾的用户选择,但主推的是免 root 路线。
1.2 感知层:无障碍树为主,OCR 与视觉模型兜底
Mika 的“看屏”入口是 phone_observe 工具。它不返回截图,而是返回一份结构化 JSON,包含:前台 App、全部可见元素、按窗口分组且保留父子关系的完整无障碍树(Accessibility Tree),以及控件的状态信息。
点击操作必须携带元素的 ref 和 snapshotId,确保点击落在正确的对象上。当无障碍树不够用时(treeQuality 报告内容缺失),visibleText 会追加本机 OCR 识别出的屏上文字并附带点击中心点;如果目标仍然模糊,才升级到 phone_screenshot 或 phone_find_visually(需要模型具备视觉能力)。
1.3 决策层:Agent Loop 与 Skill 沉淀
Mika 的默认模式是 Ask 模式:只在需要花钱(下单、付款)时询问用户,其余操作直接执行完毕。更值得关注的是它的 Skill 机制:完成过的任务会被沉淀为可复用的技能,下次遇到相同流程时直接按上次的路径执行,不再从零探索。这与 Claude Code 的 Skill 思路一致,只是作用对象从“代码库”换成了“手机 App”。
此外,Mika 支持定时与条件任务(“明早 9 点提醒我”)、任务中途插话修改需求、以及电脑端通过 CLI + Skill 或 MCP 派发任务。
二、功能矩阵:从群聊总结到 Linux 沙箱
| 能力类别 | 具体功能 |
|---|---|
| 操作 App | 读长列表和聊天记录、点击输入、分享文字进 App;登录/验证码/付款环节交还用户接管 |
| 网页操作 | 内置桌面级浏览器,保留登录态,可读页面、下载上传;遇到拦截时交还用户 |
| 文件与计算 | 每个对话一个 Linux 沙箱(仅 arm64),可运行 Python、Node、Shell 处理用户文件 |
| 即时截屏 | 双击悬浮胶囊,将当前主屏内容发给 Mika(“这个怎么回”“帮我记下来”) |
| 语音输入 | 输入框长按说话,识别后可修改再发送;支持服务商语音模型 |
| 模型切换 | 20+ 预设 + 自定义端点;也可用 ChatGPT Plus/Pro、xAI/Grok、OpenRouter 账号登录 |
三、部署与配置:三步上手
第一步:下载安装 APK
从 github.com/wangzan101/Mika/releases/latest 下载并安装。
第二步:连接模型 在 设置 › 模型 中选择服务商并填入 API Key,或使用账号登录。Mika 没有自己的服务器,请求直接发往你配置的模型提供商。
第三步(仅操作 App 时需要):配置手机控制 按 设置 › 手机控制 的向导,在手机上配对一次无线调试(adb pair)。配对后 Mika 获得输入权限,无需 Root。如果只使用聊天、网页浏览和文件处理,这一步可以跳过。
四、客观边界与注意事项
- 它是公开测试版(Public Beta)。官方标注“功能和界面还在快速变化,升级时可能有不兼容的改动”,且“目前主要在一台安卓 14 手机上测试过”。不同机型、不同 Android 版本可能遇到未见过的问题。
- 虚拟屏的边界需要理解。当目标 App 从后台启动另一个 App(如系统选择器、第三方登录)时,Android 默认会将其放到主屏,Mika 的虚拟屏上可能看不到变化。这是系统行为,不是 Mika 的缺陷。
- “记住偏好”和“Skill 沉淀”需要时间积累。新安装的 Mika 没有历史记忆,越使用才会越贴合你的习惯。
- Android 版本与架构限制。操作 App 需要 Android 12+(推荐 14+),Linux 沙箱仅限 arm64 设备(x86 模拟器或老设备不支持)。
五、小结
Mika 的核心价值在于:用 Android 原生的 VirtualDisplay、无障碍树和免 Root 的无线调试配对,把“AI 在后台替你操作手机”从一个需要特殊权限或云真机的概念,变成了一款普通人可以直接安装、配置、使用的 APK。后台虚拟屏解决了“AI 操作时不抢你屏幕”的体验问题;无障碍树 + OCR 兜底提供了不依赖 App API 的通用感知能力;Skill 机制让重复任务越跑越快;而“无 Mika 服务器、数据不经过第三方”的架构,在隐私层面给出了清晰承诺。
它的边界同样清晰:公开测试版,机型覆盖和稳定性仍在验证中;无线调试配对是必要门槛;虚拟屏无法捕获跳到主屏的跨 App 跳转。但对于想在真机上体验“手机 Agent”到底能做到什么程度的 Android 用户,Mika 目前是开源生态中门槛最低、设计最完整的入口之一。
附录:资源列表
| 类型 | 资源 | 说明 |
|---|---|---|
| 📦 下载地址 | 点击下载 | APK 安装包 |
| ✅ GitHub 仓库(主) | https://github.com/wangzan101/Mika | Apache-2.0 |
| 📦 Releases 下载 | https://github.com/wangzan101/Mika/releases/latest | APK 安装包 |
| 📖 中文 README | 仓库内 docs/readme/README.zh-CN.md | 完整中文说明 |
| 📄 设置指南 | docs/setup-guide.md | 手机控制配对流程 |
| 📄 模型与登录 | docs/models.md | 支持的模型提供商与登录方式 |
| 📄 源码级解析(CSDN) | 《Mika 源码级深度解析:AI 如何在 Android 后台操作 App?》 | 虚拟屏、AgentLoop、MCP 的完整实现 |
| 📄 工具详解(GitCode) | 《Mika phone_observe 工具详解》 | 无障碍树、OCR 兜底、ref 快照机制 |
本文为原创内容,转载请注明来源与作者。
CSDN 首发 | 版权所有 © 2026
📢 免责声明与版权说明
1. 版权归属 本文提及的开源软件、第三方工具、代码片段、网盘资源及教程合集,其版权均归原作者或开源社区所有。本人仅出于技术分享与评测目的进行整理与推荐,不拥有相关内容的版权。
2. 仅供学习交流,严禁商用 本文提供的任何资源(包括但不限于软件安装包、教程、素材等)均来源于公开互联网渠道,仅供个人学习、研究与技术交流。严禁将本资源用于任何形式的商业牟利、二次售卖或非法传播。如需在商业环境中使用,请务必前往官方渠道购买正版授权。
3. 技术风险自行承担 文中涉及的软件、脚本及代码均在特定测试环境下验证。由于每位读者的设备硬件、操作系统及网络环境存在差异,因参考本文内容进行操作而导致的任何系统崩溃、数据丢失、硬件损坏或安全事故,由使用者自行承担全部风险,作者不承担任何连带法律及经济责任。操作前请务必做好重要数据的备份工作。
4. 侵权处理机制(避风港原则) 本人极其尊重原创与知识产权。若本文内容(包括文字、图片、附件链接等)无意中侵犯了您的合法权益,请务必通过 CSDN 站内私信或文末留言联系我,并提供您的身份证明及版权权属证明。核实无误后,我将在第一时间删除相关内容并致歉。