手机 AI Agent 横评 - 16 个能自己操作 Android 的项目（Shizuku/无障碍/视觉三条路）

豆包手机助手买不到，开源这边已经冒出一堆了

2025 年 12 月，字节跳动联合中兴发了台「豆包手机助手」——能自动比价下单、批量投简历、刷视频，甚至代打游戏。3 万台工程机定价 3499 元，上线当天售罄，二手炒到 5000+。

买不到的结果就是：开源社区自己做。 现在「能在手机上跑、能自己操作这台手机」的项目，光 awesome-shizuku 那份清单里就有 16 个。

这篇把它们摆在一起对比。先说清楚技术路线，再看表，最后给选型建议。

---

一、先搞懂三条技术路线

所有这类项目，本质都在解决同一个问题：怎么让一个普通 App 能「点」别的 App。 目前只有三条路：

路线	原理	优点	缺点
① Shizuku / ADB 特权	通过 Shizuku 拿到 shell uid（2000），直接跑 input tap、screencap	免 root、能力最全、能跨 App	需要先用无线调试启动一次；重启后要重新拉（换带 autostart 的维护版能治）
② 无障碍服务	读 UI 树、按控件点击	不用截屏烧 token，快、准、省	拿不到 WebView 内部；只能"看得见"的控件
③ 视觉语言模型（VLM）	截图喂给模型，模型返回坐标点	最通用，什么界面都能点	慢、烧 token；纯坐标点击容易点偏

现实里大多数项目是组合拳：用 Shizuku 拿权限，用无障碍读界面，用 VLM 兜底看不懂的地方。下面表里的「交互方式」一栏就是这个意思。

---

二、16 个项目总表

信息主要来自各项目自述 + 我逐个核对仓库。星数和活跃度会变，选之前建议点进仓库看最新提交时间。

项目	装机形态	需要电脑	交互方式	自带模型	热度	协议
roubao 肉包	完整 App	❌	Shizuku + VLM	❌ BYO Key	2.4k★	MIT
Ruto	完整 App	❌	Shizuku + AutoGLM	❌ BYO Key	715★	Apache-2.0
Operit AI	完整 App	❌	内置工具 + Shizuku	✅ 支持本地模型	—	LGPL-3.0
Zafiro	完整 App	❌	Shizuku + Shell/Python	❌ BYO Key	214★	—
Hermes Agent Android fork	完整 App	❌	Shizuku 特权 shell 桥	❌ BYO Key	214★	MIT
rish-mcp	手机端 agent + 自建 relay	可选	adb shell（uid 2000）	❌ BYO	22★	MIT
AutoXiao'er	完整 App	❌	Shizuku + 无障碍	❌	—	MIT
OpenCyvis	完整 App	❌	看屏幕操作，可后台	❌	—	Apache-2.0
OpenDroid	完整 App	❌	屏幕自动化，多步规划	❌	—	Apache-2.0
Open-AutoGLM-Android	完整 App	❌	AutoGLM VLM	❌	—	GPL-3.0
Aether	框架	❌	可选 Shizuku + Termux	❌	—	GPL-3.0
AndroidHarness	开发框架	❌	Shizuku shell UID	❌	—	MIT
ClawGUI	GUI-agent 运行器	❌	Shizuku	❌	—	Apache-2.0
OmniBot	完整 App	❌	终端 + 浏览 + 设备控制	❌	—	GPL-3.0
OpenMinis	完整 App	❌	Linux shell + 浏览器 + Shizuku	❌	—	GPL-3.0
talon	跨平台 harness	可选	Shizuku 提权	❌	—	Apache-2.0

一眼能看出的结论：绝大多数都不需要电脑了。 这是两年前那批 ADB + Python 方案的最大区别。

---

三、四个值得单独说的

🥟 roubao（肉包）—— 目前最完整的「装上就用」

2.4k 星，这个横评里热度最高的。 作者写得很直白：「买不到？那就自己做一个。」

技术上它做了一件别人没做的事：用 Kotlin 把阿里的 MobileAgent 框架整个重写成了原生 Android。截图、分析、执行全在手机本地完成，不经过电脑中转。

架构上最聪明的是 Tools + Skills 双层 + 双执行路径：

层	内容
Tools	search_apps / open_app / deep_link / clipboard / shell / http
Skills	点外卖（小美 = 委托）/ 点外卖（美团 = GUI 自动化）/ 导航（高德 = 委托）/ 生成图片（即梦 = 委托）/ 发微信（GUI 自动化）

• Delegation（委托）：目标 App 自己有 AI 能力（小美、豆包、即梦）→ 直接 DeepLink 打开，让它自己干。快、一步到位。
• GUI 自动化：目标 App 没 AI（美团、微信）→ 走标准截图-分析-操作循环。

这个设计思路值得抄：能用别人家 AI 就别自己点，省时省 token 还更准。

其他实打实的：API Key 用 AES-256-GCM 加密存、检测到支付/密码页面自动停止、悬浮窗全程可视可中断、支持 Ollama/vLLM 本地模型、可选 Root 模式。MIT。

⚠️ 但它最近一次提交在 2026 年 1 月，之后停了约 9 个月。

🖥️ Ruto —— 唯一能「真后台」的

这个项目的思路和其他都不一样：它造虚拟屏幕。

AI 在一个独立的虚拟屏上跑自动化，你的主屏照常用，互不干扰。顺带就实现了应用多开（应用分身）和类似桌面的多窗口管理。官方描述是「支持熄屏、同时多个任务并行」。

底层是 Open-AutoGLM 模型。

⚠️ 有一条和你直接相关：它的更新日志里有一条 commit 是「新增 Shizuku Terminal 授权方案，解决联发科设备无法启动的问题」。

如果你手机是联发科（MediaTek）芯片，务必用带这个修复的版本，别用旧 release。

同样注意：12 个提交、最近一次在 2026 年 1 月，不算活跃。

🧰 Zafiro —— BYOK + 原生 Shell/Python 的那一派

214 星、896 个提交（这个提交数是横评里最多的，说明开发很密）。

它的定位很清楚：你自带 API Key，它给你一个完整的 agent 运行时。 特色是：

• 设备上原生跑 Shell 和 Python 3 —— 不是调远程，是真的在手机上跑
• Meta-tooling：agent 可以自己写 Python 工具并复用、自己维护
• 内置场景：网页搜索、读网页、下载 APK 并安装
• 完整支持 Skills / MCP / 记忆 / workspace
• 能连 Termux、SSH、Claude Code（把开发任务丢给远程编码 agent）
• 通过 Shizuku 工作，不需要 Root；有 Root 体验更完整
• 界面上有个屏幕上的小鼠标，让你看到 agent 每一步点了哪

一句话：如果你想要的是"手机上有一个 Claude Code"，这个最接近。

🤖 Operit AI —— 自带模型 + 内置 Ubuntu

本站之前单独推荐过（内置 Ubuntu 24、40+ 工具、支持本地 MNN/llama.cpp 推理、MCP/Skill 生态、支持 Tasker 集成）。它是这批里少数能完全离线跑的——如果你不想把屏幕内容发到云端 API，这是主要选项。

---

四、怎么选：按需求路由

你的需求	选谁
我要装上就能用，不想配置	roubao（肉包） —— 门槛最低、文档最全
我要跑长任务，同时自己还要用手机	Ruto —— 唯一真正的虚拟屏后台
我想要一个手机上的完整 agent 运行时（Shell/Python/MCP/Skills）	Zafiro
我要完全本地、不把屏幕发出去	Operit AI（本地模型）
我要把手机的 shell 接进我自己的 AI 客户端	rish-mcp（MCP 协议，出站 WebSocket，不需要公网入口）
我已经在用 Hermes，只想要 Shizuku 提权	Hermes Agent Android fork
我是开发者，要做开发框架而不是用 App	Aether / AndroidHarness / ClawGUI / OmniBot

---

五、三个必须知道的风险

1. 这些项目等于把你手机的 shell 交出去。 rish-mcp 的文档写得很坦白：AI_TOKEN 就是远程 shell 凭证，要当 SSH 私钥一样对待。roubao 那种则是把屏幕截图发给第三方 VLM API——你的微信聊天、银行页面都在截图里。
2. 别指望它们像商业产品一样稳。 除了 roubao（2.4k★）和 Ruto（715★），其他大多是个位数到两百星的小项目，很多最近提交停在 2026 年初。发之前一定要点进去看最后一次 commit。
3. 钱和密码一定要设卡。 roubao 默认检测到支付/密码页就停，这是对的做法；如果你用别家，自己确认有没有这个保护。

---

六、一句话

这一波的价值不在"哪个最好"，而在"现在真的可以不用电脑了"。

先用 roubao 试手感（门槛最低），如果你需要长任务后台跑就上 Ruto，如果你要的是完整运行时就去 Zafiro。三个都跑一遍的成本，比买台豆包手机低多了。

完整清单（16 个 AI Agent + 几百个 Shizuku 应用）我单独写过一篇：awesome-shizuku - 装完 Shizuku 该装什么？

如果你还没换掉官方版 Shizuku（已停更一年、Android 17 上失效），先看这篇：Shizuku 维护版全景 —— 上面这些项目全都依赖 Shizuku，它是地基。