肉包

肉包 – 开源的AI手机自动化助手，豆包手机平替

肉包：您的智能手机自动化新伙伴，告别繁琐操作

在智能手机日益普及的今天，我们每天都在与各种应用程序打交道，完成各种任务。然而，繁琐的操作、重复性的点击、跨应用的切换，常常耗费我们宝贵的时间和精力。现在，一款名为“肉包”（Roubao）的开源AI手机自动化助手横空出世，旨在彻底改变您的手机使用体验，成为字节跳动“豆包手机助手”的免费且强大的替代品。

肉包的独特之处

肉包是一款基于先进视觉语言模型（VLM）的AI助手，采用Kotlin原生开发，这意味着它能够直接在您的Android设备上运行，无需借助电脑或进行Root。它巧妙地利用Shizuku框架，获得了系统级的控制能力，从而能够真正理解屏幕上的内容并执行指令。肉包的核心运作模式是“截图-AI分析-执行”的闭环流程，支持“委托AI应用”和“GUI自动化”两种模式，让点外卖、发送消息、规划路线等任务变得轻而易举。

肉包的核心能力解析

• 智慧AI代理：肉包搭载了强大的视觉语言模型，能够“看懂”您的手机屏幕，并能通过自然语言指令来操作手机。它能够智能地规划并执行一系列复杂的任务，让您的手机真正成为您的得力助手。
• 精美的用户界面：肉包的设计秉承了Material 3设计语言，界面美观且易于操作。它支持深色和浅色主题的自适应，动画效果流畅自然，并且提供了完整的中英文双语支持，满足不同用户的需求。
• 高度个性化配置：为了提供最适合您的体验，肉包支持多种顶尖的视觉语言模型，包括阿里云通义千问、OpenAI GPT-4V、Claude等。用户还可以配置自定义API端点，甚至支持本地模型的部署，实现真正的个性化智能。
• 严密的安保机制：您的数据安全是肉包的首要考量。所有API密钥都经过AES-256-GCM加密存储，同时具备敏感页面自动检测和停止机制，确保您的隐私得到充分保护。任务执行全程可视化，并支持随时手动中断，让您拥有完全的控制权。
• Root权限的增强：虽然肉包无需Root即可使用，但当Shizuku以Root权限运行时，它能够解锁更多强大的系统级操作能力，进一步扩展其自动化潜力。

肉包背后的技术引擎

• 双层Agent架构：肉包的强大之处源于其创新的双层Agent架构，灵感来源于Claude Code。这一架构分为Tools层和Skills层。Tools层负责封装如应用搜索、DeepLink跳转、剪贴板操作等基础原子能力；而Skills层则直接面向用户意图，将自然语言指令精准映射到具体的任务流程，实现从“点外卖”到最终执行操作的全链路自动化。
• 循环式自动化流程：肉包采用“截图-分析-执行”的循环式自动化流程，通过Shizuku调用系统级命令来捕获屏幕内容和模拟用户点击。当接收到用户指令时，SkillManager首先进行意图识别。高置信度的任务会直接通过DeepLink委托给专业的AI应用处理。而对于低置信度或更为复杂的任务，则会进入标准的Agent循环：由Manager负责规划，Executor进行决策，Reflector进行反思优化，直至任务圆满完成。
• 原生Android实现：肉包使用Kotlin语言重写了MobileAgent框架，完全运行在Android设备本地，彻底摆脱了对电脑中转的依赖。通过Shizuku获得的ADB级别权限，它能够直接执行截图、点击、滑动等操作，这与传统的Python方案相比，大大简化了使用流程，提供了更便捷的体验。

肉包的GitHub项目地址

• GitHub仓库：https://github.com/Turbo1123/roubao

肉包的应用场景畅想

• 日常琐事自动化：想象一下，只需告诉肉包“帮我点一份麻辣香锅”，或者“明天早上七点叫我起床”，它就能自动完成点餐、设置闹钟等任务，无需您手动翻找应用。
• 跨应用信息整合：肉包能够智能识别屏幕内容，轻松实现“将最后一张照片发送到微博”，或“把这个链接分享到微信”，甚至可以在不同应用间无缝复制粘贴信息，极大地提高了信息处理效率。
• 娱乐内容轻松获取：想听音乐？让肉包自动打开音乐App播放您的每日推荐。想看视频？在B站搜索并播放您想看的视频，或者让它帮您刷短视频、浏览热门内容，尽享便捷的娱乐时光。
• 导航出行无忧：肉包可以直接唤醒高德地图进行路线搜索，帮您轻松打车，或者快速查找附近的美食和商店，让您的出行更加顺畅。