打开一个 AI agent,多数时候你是在跟机房里的模型说话:任务提交上去,结果传回来,中间发生了什么你看不见。GitHub 上有个项目把这件事反过来做——wangzan101/Mika 装在你的 Android 手机里,替你点按、输入、滑动,把事情在你自己的手机上做完。截至 2026 年 11 月 10 日,这个仓库经 GitHub API 实抓有 7,938 颗星,主语言 Kotlin,许可证 Apache-2.0,最近一次 push 在 2026 年 11 月 10 日 04:19(UTC),窗口内持续活跃。README 顶部一句话定位写得很直白:装在手机上的 AI 助手,你说出需求,它操作你的应用和网页,直到把事情办完。项目另有主页 mikaphone.com,README 除了英文版还提供简体、繁体中文以及日语、韩语、西班牙语等多个语种。
本篇是开源栏的单品深拆,只围绕这一个仓库的公开事实展开:它是什么、怎么干活、门槛在哪、边界在哪。另外,站内 2026 年 11 月 7 日的GitHub 高星工具元数据横评曾在参数表里给 Mika 登记过一行:7,489 颗星、Kotlin、Apache-2.0、最后 push 2026-11-07 10:00——那是元数据式的登记,一个仓库只占一行;本篇体裁不同,做的是逐节拆解,两个时点的星数变化也会如实带到。
一句话定位:端侧 agent,手长在手机上
仓库 description 原文是 "An on-device AI agent for Android that operates apps and the web to get things done for you"——一个跑在 Android 设备上的端侧 AI agent,操作应用与网页替你办事。这句里最值得掂量的是端侧两个字:它说的不是模型一定装在手机上(Mika 本身不附带模型,模型从哪来后面单独讲),而是那只执行的手必须在手机上。市面上常见的 agent 大致有几种形态:云端 agent 把整个任务放在服务商的服务器上执行;桌面类 agent 操作你的电脑;Mika 选的是第三条路——操作你的手机。这个区分是本篇的归纳框架,用来理解它跟另外两类产品的位置差异;它的具体能力边界,一律以 README 写明的内容为准,本篇不替它推测没写的能力。
这个选择带来一个直接的后果:它面对的是真实手机屏幕上的真实应用,而不是谁提前给它开好的接口。README 的 Why Mika 表格里有一行写得很关键:它像人一样看着屏幕找按钮,不依赖应用的开放接口,也不需要逐个应用做适配。这句话决定了它后面几乎所有机制的设计,也决定了它的门槛和边界,值得作为全文的基准线记住。
两个时点的星数,以及怎么读
仓库的 created_at 字段显示创建于 2026 年 10 月 29 日(UTC 14:34),到 2026 年 11 月 10 日实抓时不满两周。星数有两个可核时点:2026 年 11 月 7 日,站内元数据横评的快照记为 7,489 颗;2026 年 11 月 10 日,GitHub API 实抓为 7,938 颗。两个时点相隔三天,净增 449 颗。仓库地址是 https://github.com/wangzan101/Mika ,想复核不必依赖任何转述,直接查 GitHub API 即可,下面这条命令把关键字段一次列出:
gh api repos/wangzan101/Mika --jq '.stargazers_count, .created_at, .pushed_at, .license.spdx_id'读这两个数字有一条纪律:星数记录的是收藏动作,不等于活跃度、成熟度,更不构成质量结论,离开抓取时点谈星数没有意义。能说明活跃度的反而是 pushed_at 字段:2026-11-10 04:19(UTC)仍在推送,也就是后一个星数快照的同一天仓库还在动。本篇引用的每一个数字都带着它的时点,之后这些数字一定会变,回查时请连同自己的抓取日期一起记录。
屏幕后面的屏幕:它怎么替你干活
Mika 干活的核心机制是背景屏幕:它在一块隐藏的屏幕上打开应用、点按、输入、滑动,你自己的主屏照常用,互不打扰。想看它正在做什么,可以点开一块小的实时画面。以 README 的演示为例:你在聊天框里说给文件传输助手发条消息,它就在背景屏幕上打开微信、找到联系人、把消息发出去;说群里都聊了些什么,它自己翻聊天记录然后给你总结;购物场景里给它一个预算和评分条件,它挑好商品加进购物车,停在结账前;点外卖叠加优惠时,支付前会先问你。
操作方式决定了两件事。第一,登录、验证码、支付这些环节它交还给你——README 的能力表写明这三类由你亲手完成,它不碰。第二,它默认跑在 Ask 模式:只在花钱(下单、支付)之前向你确认,其余动作直接执行;你也可以切换到 Autonomous 自主模式。这个默认值偏保守,与 README 里重要事项用 Ask 模式并核对结果的安全提示是配套的,两处对照着看更清楚。
除了操作应用,它还有一块内置的桌面级浏览器:保持你的登录状态、读页面、上传下载,节奏自己控制,遇到拦截页交还给你。双击悬浮胶囊可以把当前屏幕发给它——这条消息怎么回、记一下这个。定时与条件任务也支持:明早九点提醒我、每周五做这件事,到点在原对话里执行。任务运行中你可以随时插话补充或纠正,还没被它采纳的指令可以长按撤回或修改;停下来之后它会汇报进度到了哪一步,说声继续就从那里接着做。语音输入走手机内置的语音识别,没有的系统可以用提供商的语音模型。
内置的应用知识:它认识哪些界面
看屏幕找按钮是通用能力,但 Mika 另外给常见应用和网站配了内置使用知识,README 里以表格列出,并注明由构建脚本自动生成。应用一栏包括微信、抖音、小红书、哔哩哔哩、微博、知乎、闲鱼、BOSS直聘、飞书、快手、领英、Gmail、Telegram、WhatsApp、X、Uber、Uber Eats、Chrome、今日头条、即刻、得到、QQ邮箱、百家号等;网站一栏包括 Amazon、GitHub、YouTube、Instagram、Google Maps、Google Calendar、豆瓣、百度贴吧、搜狗微信、小宇宙等。另有若干通用技能,比如处理 PDF 文档、把内容整理成文字、查清一件事、消息与邮件、写技能,甚至包括改 Mika 自己的设置。
README 特别注明:没列在表里的应用和网站照样能用,内置知识只是让常用场景更稳。这个知识库的维护方式也值得一说——贡献使用知识只需要写纯文本,不需要写代码,社区可以按贡献指南逐条补充,应用和网站两栏会随版本持续变长。对一个看屏幕干活的项目来说,这份哪个按钮在哪、哪一步该等的经验积累,是一点点长出来的资产,也是星数之外更实在的护城河。
模型从哪来:自带 key、登录账号或本地模型
Mika 没有 Mika 服务器——这是 README 反复强调的前提。模型接入有三条路。第一条,自带 API key:设置里有各家提供商的预设,包括 DeepSeek、通义千问、Kimi、智谱(含智谱 Coding Plan)、硅基流动、火山方舟、MiniMax、阶跃星辰、腾讯混元、百度千帆、OpenRouter、Anthropic、Gemini、OpenAI、xAI、Mistral、Groq、Ollama、LM Studio 等;接其他提供商就选自定义,任何 OpenAI 兼容、Anthropic、Gemini 或 OpenAI Responses 端点都能填。第二条,免 key 登录:直接用 ChatGPT(Plus 或 Pro)、xAI/Grok 或 OpenRouter 账号登录,省去配 key 的步骤。第三条,本地模型:局域网里自己电脑上跑的模型,选自定义填地址即可,README 的常见问题里专门确认了这条路。
这个组合结构值得点破:手机提供执行的手,模型提供决策的脑,两边完全解耦。你把脑换成哪家、放在云端还是自己的局域网,Mika 的执行层不变。这也正是它与同批热点栏那对云端旗舰的镜像之处——那边是模型厂商把 agent 能力做进模型本身,这边是开源项目把 agent 的执行层做进手机,脑可以随时更换。给 Mika 配模型时若关心成本与档位,可以参考横评栏的四家轻量模型对照。
装之前核三道门槛
第一道门槛是系统版本,README 分档写明:聊天、网页、文件三件事 Android 11 及以上即可;要操作手机应用需 Android 12 及以上,官方建议 Android 14 以上——背景屏幕有自己的输入焦点,不会挡住你在主屏上的操作;Linux 沙箱要求 arm64 设备。第二道门槛是安装方式:从仓库的 Releases 页下载 APK 安装,更新也只来自这个仓库的 Releases,或应用内关于页的检查更新。第三道门槛只在你要它操作应用时才出现:按设置里的手机控制向导,配对一次无线调试。
配对有两个已知的小坑,README 的常见问题都写了:Android 在更换 Wi-Fi 或重启后会自行关掉无线调试,经你允许后 Mika 会自己重新打开,还不行就回向导重新配对一次;个别手机系统干脆砍掉了无线调试入口,那就改用电脑经 USB 启动手机助手这条路。拿不准设备行不行,设置里有一个兼容性自检,大约一分钟跑完十二项检查,结果可以一键提交给项目方,也方便你自己留档。
数据与安全的边界在哪
隐私与安全一节,README 写了三层。第一层,没有 Mika 服务器:你说的话和屏幕上的内容只发给你自己配置的模型提供商,中间不经过别的环节。第二层,存储在本地:API key 和记忆加密存在手机上,对话与运行记录留在设备里,更新检查只连接 GitHub。第三层,边界诚实:自动操作第三方应用和网站可能违反其服务条款,README 提醒你自行判断;重要事项用 Ask 模式并核对结果。支付页、密码输入页这类屏幕本身禁止截图,Mika 到了这类页面会请求你接手——这是系统级限制,不是它偷懒。
这套边界决定了它的适用画像:适合愿意自带模型 key、对数据去向敏感、手机版本达标的个人用户;如果你希望开箱即用、什么都不想配置,三条接入路径里登录账号那条最省事,但代价是数据流向遵循对应账号平台的条款。这些是 README 写明的事实,本篇不再往好处或坏处多做推演。
它还带了什么:沙箱与电脑协作
两项容易被忽略的能力。一是文件与计算:每个对话内置一个 Linux 沙箱(arm64 设备),可以在你发去的文件上跑 Python、Node 和 shell,相当于手机里也有了一个能干活的命令行环境。二是从电脑指挥手机:电脑上的 AI 工具可以通过 CLI 加 Skill 或 MCP 的方式把任务交给手机上的 Mika,README 为此单独提供了文档——电脑上的 agent 出任务、手机上的 Mika 出手脚,两个端由此串起来。沙箱隔离这件事本身有多大分量,站内的CubeSandbox 专文从服务端角度写过:agent 跑代码需要隔离环境,Mika 把一个轻量沙箱直接装进了手机。
回到开头的问题:7,938 颗星换到了什么。换到的是一个把执行层做进 Android 的开源 agent:背景屏幕的操作机制、看屏幕找按钮的通用能力、一份社区可以纯文本贡献的应用知识库、三条模型接入路径、写明分档的版本门槛,以及一个不存在 Mika 服务器的数据边界。它不训练模型、不提供云服务,Apache-2.0 许可证下全部代码公开,LICENSE 原文就放在仓库根目录——你能把它拆开看到底,这正是开源栏把它单独拆一篇的理由。
常见问题
Q1:Mika 是免费的吗?商用要注意什么? A1:项目按 Apache-2.0 许可证开源,代码全部公开,APK 从仓库 Releases 页免费下载。商用注意两点:Apache-2.0 的具体条款以仓库 LICENSE 原文为准;模型调用费用取决于你接入的提供商,若走登录 ChatGPT、xAI 或 OpenRouter 账号的方式,则遵循对应平台的套餐条款。
Q2:我的手机能不能用? A2:聊天、网页、文件功能要求 Android 11 及以上;操作手机应用要求 Android 12 及以上,官方建议 Android 14 以上;Linux 沙箱要求 arm64 设备。拿不准就在设置里跑一次兼容性自检,十二项检查约一分钟出结果,不需要root也不改系统。
Q3:我的对话数据会上传到哪里? A3:没有 Mika 服务器。你说的话和屏幕内容只发送给你自己配置的模型提供商;API key 与记忆加密存在手机本地,对话与运行记录留在设备上,更新检查只连接 GitHub。选登录账号方式时,数据流向遵循对应平台的条款,这点 README 写得明白。
Q4:它能操作哪些应用?没列入的行不行? A4:它内置了微信、抖音、小红书、Gmail、Telegram 等一批应用与网站的使用知识,但没列入的照样能用——它的操作方式是看屏幕找按钮,不依赖逐个应用的接口适配。内置知识只是让常用场景更快更稳,而且社区可以用纯文本方式继续补充。
Q5:星数还在涨吗?怎么复核文中的数字? A5:星数随用户收藏持续变化。文中 7,489 是 2026 年 11 月 7 日站内快照值,7,938 是 2026 年 11 月 10 日 GitHub API 实抓值,两个数字都绑定时点。复核用 GitHub API 查 stargazers_count 字段即可,回查时请连同你自己的抓取日期一起记录。
延伸阅读
- Claude Fable 5.2 与 Mythos 5.2 发布纪实:云端旗舰那一头的官方口径与边界。
- 轻量执行模型四家对照:给 Mika 这类执行者配模型时的选型参照。
- Seedream 5.5 上手指南:同批图像工具的官方能力与入口现状核对。
- GitHub 高星 AI 工具元数据横评:本篇的切割对象,五个仓库的参数表登记。
- CubeSandbox:腾讯开源的 agent 安全沙箱:agent 跑代码的隔离问题,服务端视角。