引言
「没有 App API，没有逐个 App 适配。」
这是「一天一个开源项目」系列的第 255 篇 。今天的项目是 Mika，一个跑在安卓手机上的 AI 代理。
让 AI 替你操作手机，常见的做法有两条：要么靠各个 App 开放接口（绝大多数没有），要么给每个 App 单独写适配（维护不过来）。Mika 走的是第三条：像人一样看屏幕、找按钮、点击、输入。README 的说法是「不需要 App API，不需要逐个 App 集成」。
它有一个很实用的设计：任务在一块隐藏的后台屏幕上执行，你的主屏幕可以继续做别的事。仓库创建于 2026-10-29，目前约 7.2k Stars，增长很快，不过项目还很新，下面讲的内容都以 README 为准，没有一一实测。
你将学到什么
- Mika 如何在不依赖 App 接口的前提下操作手机
- 模型怎么选：它没有自己的服务器，数据流向在哪里
- 提问模式与自主模式如何控制风险，以及哪些场景会交还给你
- 内置浏览器、定时任务、Linux 沙箱、技能学习这些扩展能力
- 安装要求与几处需要留意的限制
前置知识
- 会安装 APK、使用安卓的开发者选项
- 了解大模型 API Key 的基本用法
- 可选：了解 MCP
项目背景
项目简介
Mika 是一个 Android AI 助手应用：你下达指令，它在多个 App 和网页之间执行任务。仓库描述是「一个在设备上运行的 Android AI 代理，替你操作应用和网页」。这里的「设备上」指的是代理本体运行在手机里；模型本身是否本地，取决于你怎么配置（见下文）。
项目数据
- ⭐ GitHub Stars：约 7,240
- 🍴 Forks：约 1,655
- 💻 语言：Kotlin
- 📅 创建时间：2026-10-29
- 📄 许可证：Apache-2.0（附 NOTICE 与第三方声明）
- 👤 作者：wangzan101（X 上为 @wangzan101），有社区 X 群聊
- 🌐 界面支持 10 种语言，含中英日韩西阿
主要功能
核心作用
让 AI 操作手机的常见障碍：
大多数 App 没有开放接口
给每个 App 写适配又维护不过来
代理占着主屏，你就没法用手机
Mika 的做法：
像人一样看屏幕、找按钮、点击输入
↓ 在隐藏的后台屏幕上执行
↑ 主屏幕仍然归你；遇到登录、验证码、支付就交还给你能做什么
- 操作 App：读取长列表和聊天记录、点击、输入、分享文本
- 内置浏览器：保持登录状态，读取页面，处理下载和上传
- 悬浮胶囊：双击即可把当前屏幕发给它
- 定时与条件任务：提醒、周期性任务
- 随时插话：任务中途可以打断、停止，之后说「继续」
- 按住说话：语音输入，使用手机自带识别，没有的话用提供商的语音模型
- Linux 沙箱：每个对话一个沙箱，可运行 Python、Node 和 shell（仅 arm64 设备）
- 电脑端接入：电脑上的 AI 工具可通过 CLI + Skill 或 MCP 给它派任务
- 学习能力：记住你的偏好，把完成的任务沉淀成技能
- 内置 App 知识：覆盖大量应用和网站，以国内平台为主，另有 Amazon、Gmail、Uber、YouTube 等；没列出的应用同样可用
快速开始
- 在 GitHub Releases 页面下载 APK
- 进入 设置 › 模型，选择提供商并填写 Key，或直接登录账号
- 想控制手机上的其他 App，运行「设置手机控制」向导，配对一次无线调试
README 没有提供从源码构建的命令，只提到了一个用来生成 README 片段的 ./gradlew updateReadme 任务。电脑端安装代理可参考 README 里链接的指南。
系统要求
| 能力 | 要求 |
|---|---|
| 聊天、网页、文件 | Android 11+ |
| 操作其他 App | Android 12+，推荐 14+ |
| Linux 沙箱 | arm64 设备 |
设置 › 恢复与修复 里有兼容性自检。
项目详细剖析
没有 Mika 服务器：数据只去你选的模型
README 明确说没有 Mika 自己的服务器，你的请求和屏幕内容只发给你配置的模型提供商。这决定了隐私边界：
- 预设：DeepSeek、Qwen、Kimi、智谱、SiliconFlow、火山方舟、MiniMax、OpenRouter、Anthropic、Gemini、OpenAI、xAI、Mistral、Groq、Ollama、LM Studio 等
- 自定义：接受 OpenAI 兼容、Anthropic、Gemini 或 OpenAI Responses 端点，包括通过局域网地址指向你自己电脑上的模型
- 登录方式：可用自己的 API Key，也可用 ChatGPT（Plus/Pro）、xAI/Grok、OpenRouter 账号登录
也就是说，想做到屏幕内容完全不出本地，可以接 Ollama 或 LM Studio 跑在自己电脑上的模型；用云端模型时，屏幕内容会发给对应的厂商。这一点使用前要想清楚。
本机存储方面：API Key 和记忆加密保存在设备上，对话和运行记录留在本地，检查更新只会连接 GitHub。
风险控制：两种模式与主动交还
- 提问模式（默认）：只在要花钱之前确认
- 自主模式：更少打断
- 主动交还：登录、验证码、支付一律交给你；屏幕禁止截图的页面（如支付、密码页）同样会触发交还
README 也提醒：自动化第三方 App 可能违反对方的服务条款，请自行判断，重要任务建议用提问模式，仓库里链有免责声明文档。
它到底怎么控制手机
README 只说手机控制通过设置向导配对一次无线调试，并没有明确是否使用无障碍服务，也没有写清楚是否用到视觉模型。「看屏幕、找按钮」暗示有某种读屏方式，但细节没有公开。README 同样没有架构和目录结构说明。想了解实现，只能直接读源码。
限制与注意事项
- 无线调试会在 Wi-Fi 切换或手机重启后断开；个别手机系统没有这个功能，此时只能退回到用 USB 连电脑的设置方式
- 部分页面无法截屏，操作会受限
- 内置的 App 知识是用中文写的，不过你可以用英文跟 Mika 对话
- 项目很新，README 没有路线图，成熟度需要自己判断
- 欢迎贡献，可提交使用知识或代码，参见贡献指南
项目地址与资源
- 🌟 GitHub ：github.com/wangzan101/...
- 📦 下载：GitHub Releases 页面
- 📄 许可证：Apache-2.0
- 🐦 作者：X 上 @wangzan101
总结与展望
核心要点回顾
- 思路：不依赖 App 接口，像人一样看屏幕并操作
- 后台虚拟屏：执行任务时不占用主屏
- 数据流向清晰：无 Mika 服务器，只发给你配置的模型；可接本地模型
- 风险控制：默认花钱前确认，登录、验证码、支付交还给你
- 扩展性：内置浏览器、定时任务、Linux 沙箱、技能学习，以及 MCP/CLI 接入
适用人群
- 想让 AI 帮忙处理手机上重复操作的安卓用户
- 想把手机能力接进电脑端 Agent 工作流的开发者
- 对移动端 GUI Agent 的实现思路感兴趣的人
学习建议
先在一台备用机上装，用提问模式试几个无关紧要的任务，观察它什么时候交还控制权。若在意隐私，先接 Ollama 或 LM Studio 的本地模型再测试。涉及账号、支付的任务，等你熟悉它的行为后再考虑放开。
欢迎访问 PrimeSkills ------ 一个精心策划的 AI Agent 与技能市场，所有内容均经过真实企业级工作流验证。没有噱头，只有真正有效的东西。
更多实用知识和有趣产品，欢迎访问我的个人主页