news 2026/2/22 15:47:48

肉包 Roubao:首款无需电脑的开源 AI 手机自动化助手

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
肉包 Roubao:首款无需电脑的开源 AI 手机自动化助手

项目背景:2025 年 12 月,字节跳动联合中兴发布了「豆包手机助手」,可自动操作手机完成复杂任务。但首批工程机一机难求,二手市场价格居高不下。

于是有了「肉包」—— 一个完全开源、基于视觉语言模型(VLM)的 AI 手机自动化助手。

名字来源很简单:作者不爱吃素。


一、项目亮点

  • 无需电脑:完全摆脱 ADB 数据线与 PC 端 Python 环境,安装 App 即可使用。
  • 原生 Android 实现:基于 Kotlin 开发,截图、分析、决策、执行全部在手机本地完成。
  • 多 Agent 协作机制:借鉴 Claude Code 的设计思想,采用 Tools / Skills 双层架构,实现任务规划与执行解耦。
  • 高度可定制:支持通义千问、GPT-4V、Claude 以及本地 Ollama 等多种模型后端。

二、方案对比

特性肉包(Roubao)豆包手机助手其他开源方案
是否需要电脑❌ 不需要❌ 不需要✅ 多数需要
是否依赖专用硬件❌ 不需要✅ 需要(3499+)❌ 不需要
实现语言✅ Kotlin(原生)✅ 原生❌ 多为 Python
是否开源✅ MIT❌ 闭源✅ 开源
架构设计✅ Tools / Skills 双层❓ 未公开❌ 通常无明确分层
自定义模型✅ 支持❌ 仅豆包模型⚠️ 部分支持

三、整体技术架构

肉包的核心设计理念,是将复杂的 GUI 自动化过程拆解为两个正交维度:

  • 原子能力(How):系统可以“做什么”
  • 用户意图(What):用户“想要什么”

3.1 Tools 层:原子能力集合

Tools 层负责执行最底层、可复用的物理或系统操作,包括但不限于:

  • search_apps:智能搜索已安装应用(支持拼音与语义匹配)。
  • deep_link:通过协议直接跳转到 App 内指定页面。
  • shell / http:执行系统命令或调用外部 HTTP API。
  • screenshot / tap / swipe:基础屏幕采集与触控操作能力。

这些工具本身不具备“目标感”,只负责可靠执行。

3.2 Skills 层:用户意图封装

Skills 层面向最终用户,负责将自然语言意图映射为可执行策略,支持两种核心模式:

  • Delegation(委托模式)
    直接通过 DeepLink 调用本身具备 AI 能力的应用(如小美、即梦等),特点是速度快、路径短、成功率高

  • GUI 自动化模式
    面向普通应用,采用“截图 → 分析 → 操作 → 再截图”的闭环,由 Agent 逐步完成任务。


四、界面与交互展示

肉包采用Material 3设计规范,整体风格简洁现代,支持流畅动画与完整的中英文双语切换。


五、关键依赖:为什么需要 Shizuku?

出于系统安全考虑,Android 普通应用默认无法:

  • 模拟其他应用的点击操作
  • 读取或分析其他应用的界面内容

传统解决方案通常依赖电脑端 ADB,这与“随时随地自动化”的目标相悖。

Shizuku提供了一种优雅且合规的中间方案:

  1. 用户仅需通过无线调试启动一次 Shizuku 服务;
  2. 肉包即可在非 Root 情况下获得ADB 级别能力
  3. 所有敏感信息(如 API Key)均采用AES-256-GCM加密存储;
  4. 一旦检测到支付类页面,系统会自动中止操作,避免风险。

六、快速上手

6.1 前置条件

  • Android 8.0 及以上设备
  • 已安装并启动 Shizuku
  • 一个可用的 VLM API Key(国内用户推荐使用阿里云百炼)

6.2 使用示例

直接对肉包输入自然语言指令,例如:

  • “帮我点个附近好吃的汉堡”
  • “打开网易云音乐并播放每日推荐”
  • “把我手机里最后一张照片发到微博”

七、项目路线图

已完成(v1.x)

  • 原生 Kotlin 核心框架
  • 智能应用分类与语义搜索
  • Delegation 快速路径支持

开发中(v2.0)

  • 无障碍服务混合模式(索引点击与坐标点击自动切换)
  • UI 树感知能力,减少纯视觉分析带来的误判
  • 宏脚本系统,支持操作序列的录制与回放

长期规划

  • 多应用协作,跨 App 联动完成复杂工作流
  • 边缘侧 AI,支持本地运行轻量级 VLM,实现离线自动化

八、开发者指南

如需自行构建与安装:

# 克隆仓库gitclone https://github.com/Turbo1123/roubao.gitcdroubao# 构建并安装./gradlew assembleDebug ./gradlew installDebug

项目地址:https://github.com/Turbo1123/roubao

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/2/22 9:09:05

回滚机制设计:出现问题快速恢复旧版本

回滚机制设计:出现问题快速恢复旧版本 在一次企业知识库升级后,系统突然无法加载任何文档,用户搜索全部返回空结果。运维团队紧急排查发现,新版本中一个看似微小的分块逻辑变更,导致嵌入模型输入张量形状不匹配——整个…

作者头像 李华
网站建设 2026/2/22 6:50:49

性能监控指标采集:Prometheus集成方案

性能监控指标采集:Prometheus集成方案 在一台运行着个人知识库的老旧笔记本上,用户突然发现上传文档后问答变得异常卡顿;与此同时,某企业内部部署的 AI 助手平台因连续高负载处理请求而触发 OOM(内存溢出)…

作者头像 李华
网站建设 2026/2/22 8:09:58

标签系统引入设想:更灵活的知识标注机制

标签系统引入设想:更灵活的知识标注机制 在如今个人与企业知识库日益膨胀的背景下,如何让AI助手真正“理解”我们想查什么,而不是仅仅模糊匹配几个关键词,成了一个越来越紧迫的问题。尤其是在使用像 Anything-LLM 这类基于RAG&…

作者头像 李华
网站建设 2026/2/20 11:53:22

《P4139 上帝与集合的正确用法》

题目描述 根据一些书上的记载,上帝的一次失败的创世经历是这样的: 第一天,上帝创造了一个世界的基本元素,称做元。 第二天,上帝创造了一个新的元素,称作 α 。 α 被定义为元构成的集合。容易发现&#…

作者头像 李华
网站建设 2026/2/21 18:35:16

基于Python+大数据+SSM饮食计划推荐与交流分享平台(源码+LW+调试文档+讲解等)/饮食方案推荐/饮食计划分享/饮食交流平台/饮食推荐平台/饮食计划交流

博主介绍 💗博主介绍:✌全栈领域优质创作者,专注于Java、小程序、Python技术领域和计算机毕业项目实战✌💗 👇🏻 精彩专栏 推荐订阅👇🏻 2025-2026年最新1000个热门Java毕业设计选题…

作者头像 李华
网站建设 2026/2/20 16:34:08

screen+驱动工业级显示屏的技术要点:通俗解释

screen 驱动工业屏实战:从原理到“永不黑屏”的设计秘诀 你有没有遇到过这样的场景?一台部署在变电站的HMI终端,明明系统还在运行,屏幕却突然黑了——没有响应、无法远程重启,只能派人现场插拔电源。这在工业现场不是个…

作者头像 李华