# 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。16 个项目横评：谁不用电脑、谁免 root、谁自带模型，一张表看完。 ## 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](https://github.com/timschneeb/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](https://octohz.com/p/2252)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**](https://github.com/Turbo1123/roubao) | 完整 App | ❌ | Shizuku + VLM | ❌ BYO Key | **2.4k★** | MIT | | [**Ruto**](https://github.com/iamr0s/Ruto-GLM) | 完整 App | ❌ | Shizuku + AutoGLM | ❌ BYO Key | 715★ | Apache-2.0 | | [**Operit AI**](https://github.com/AAswordman/Operit) | 完整 App | ❌ | 内置工具 + Shizuku | ✅ 支持本地模型 | — | LGPL-3.0 | | [**Zafiro**](https://github.com/niki914/zafiro) | 完整 App | ❌ | Shizuku + Shell/Python | ❌ BYO Key | 214★ | — | | [**Hermes Agent** Android fork](https://github.com/adybag14-cyber/hermes-agent) | 完整 App | ❌ | Shizuku 特权 shell 桥 | ❌ BYO Key | 214★ | MIT | | [**rish-mcp**](https://github.com/turin-dev/rish-mcp) | 手机端 agent + 自建 relay | 可选 | adb shell（uid 2000） | ❌ BYO | 22★ | MIT | | [**AutoXiao'er**](https://github.com/Joy-word/AutoXiaoer) | 完整 App | ❌ | Shizuku **+** 无障碍 | ❌ | — | MIT | | [**OpenCyvis**](https://github.com/opencyvis/opencyvis-phone) | 完整 App | ❌ | 看屏幕操作，可后台 | ❌ | — | Apache-2.0 | | [**OpenDroid**](https://github.com/yashab-cyber/opendroid) | 完整 App | ❌ | 屏幕自动化，多步规划 | ❌ | — | Apache-2.0 | | [**Open-AutoGLM-Android**](https://github.com/xinzezhu/Open-AutoGLM-Android) | 完整 App | ❌ | AutoGLM VLM | ❌ | — | GPL-3.0 | | [**Aether**](https://github.com/Zhou-Shilin/Aether) | 框架 | ❌ | 可选 Shizuku + Termux | ❌ | — | GPL-3.0 | | [**AndroidHarness**](https://github.com/Sanuu7/AndroidHarness) | 开发框架 | ❌ | Shizuku shell UID | ❌ | — | MIT | | [**ClawGUI**](https://github.com/ZJU-REAL/ClawGUI) | GUI-agent 运行器 | ❌ | Shizuku | ❌ | — | Apache-2.0 | | [**OmniBot**](https://github.com/omnimind-ai/OmniBot) | 完整 App | ❌ | 终端 + 浏览 + 设备控制 | ❌ | — | GPL-3.0 | | [**OpenMinis**](https://github.com/OpenMinis/OpenMinis) | 完整 App | ❌ | Linux shell + 浏览器 + Shizuku | ❌ | — | GPL-3.0 | | [**talon**](https://github.com/thefalconry/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](https://github.com/zai-org/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？](https://octohz.com/p/2253)** 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](https://octohz.com/p/2252)** —— 上面这些项目全都依赖 Shizuku，它是地基。 --- **分类**：软件 **标签**：github · https · Shizuku **作者**：子龙 **链接**：https://octohz.com/p/2254