安卓也有 AI Agent 了!Mika 后台替你干活,一句话总结群聊,8.3K Stars

0 阅读8分钟

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

在这里插入图片描述

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。

在这里插入图片描述

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

  1. 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。
  2. 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。
  3. “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。
  4. 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/MikaApache-2.0
📦 Releases 下载https://github.com/wangzan101/Mika/releases/latestAPK 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。