肉包（Roubao）：你没抢到那台 3499 元的 AI 手机？这个开源 App 帮你省下来
一、那台抢不到的 AI 手机，和它背后的真需求
去年 12 月，一款”AI 手机助手”火了。
它能自动操作你的手机——帮你比价下单、批量投简历、刷视频、甚至代打游戏。发布当天，首批 3 万台工程机直接售罄，二手市场一度溢价到 5000 元以上。
问题是：你真的需要买一台新手机才能让 AI 帮你操作手机吗？
仔细一想，AI 操作手机需要的无非是三个能力：看懂屏幕、做出决策、模拟点击。前两个靠大模型（VLM），第三个靠系统权限——这些东西你现在的手机本来就有。
做”手机自动化”这件事，市面上早就有开源方案了（比如阿里达摩院的 MobileAgent）。但它们有一个共同的毛病：必须连接电脑。Python 环境、ADB 数据线、截图传电脑处理再发指令回来——操作链路长、延迟高、技术门槛劝退大多数人。
能不能把这些全部打包进一个 App，装上就能用？这就是 肉包（Roubao） 的出发点。
▎项目地址：github.com/Turbo1123/roubao
二、肉包是什么：一个 App，让你的 Android 手机被 AI 接管
一句话：肉包是一个纯 Kotlin 原生开发的 Android AI 自动化助手，装上就能用——不需要电脑、不需要数据线、不需要 Python 环境，通过 Shizuku 获取系统权限，用视觉语言模型（VLM）看懂屏幕内容并模拟点击操作。
它做的事情本质上是把阿里 MobileAgent 的整套框架用 Kotlin 重写了一遍，打包成一个独立 App，并且加上了类似 Claude Code 的 Tools + Skills 双层架构。
三、技术架构：它不是”Python 脚本套壳”
市面上几乎所有手机自动化开源方案都是 Python 实现。这意味着：
- 电脑上跑 Python 脚本
- 手机通过 USB/WiFi ADB 连接电脑
- 截图通过 ADB 传电脑 → 电脑分析 → 指令传回手机 → 模拟操作
每一步都是延迟，每一步都是故障点。
肉包完全不同。它把 截图、分析、执行 全部搬到了手机本地。
关键依赖是 Shizuku——一个开源工具，让普通 App 获得 ADB 级别的系统权限，不需要 Root。通过无线调试启动一次 Shizuku 服务（Android 11+ 原生支持），之后肉包就能在手机上执行截图、点击、输入等所有操作了。
双层架构：Tools + Skills
受 Claude Code 的架构启发，肉包实现了清晰的双层设计：
Tools 层（原子能力）：search_apps、open_app、deep_link、clipboard、shell、http——每个 Tool 完成一个独立操作，Agent 按需调用。
Skills 层（用户意图）：将自然语言映射到具体操作。比如”帮我点个外卖”——
- 快速路径（Delegation）：如果匹配到高置信度 Skill，直接 DeepLink 跳转到有小美 AI 的 App，让它帮你点——一步到位。
- 标准路径（GUI 自动化）：如果没有 AI 能力的 App（如美团），走传统的截图→分析→点击→反思循环。Skill 提供操作步骤指导，提高成功率。
目前内置的 Skills 覆盖了点外卖、导航、发微信、AI 画图等高频场景。
四、上手只需要三步
前提条件
- Android 8.0+ 的手机
- 手机连接 WiFi（Shizuku 无线调试依赖）
第一步：装 Shizuku
从 Google Play 或 GitHub 下载 Shizuku App。启动方式二选一：
推荐：无线调试（Android 11+） → 设置 → 开发者选项 → 无线调试 → 开启 → Shizuku 里选”无线调试”启动。
备选：电脑 ADB → 手机连电脑，执行一条 adb shell 命令即可。
一次启动，长期有效（重启手机后需要重新启动 Shizuku）。
第二步：装肉包
从 Releases 页面 下载 APK 安装。在 Shizuku 中授权肉包。
第三步：配 API Key
推荐国内用户用阿里云百炼（通义千问 VL），申请免费额度即可开始。也支持 OpenAI GPT-4V、Claude、OpenRouter、Ollama 本地模型等。
然后说一句：
帮我点个附近好吃的汉堡
打开网易云音乐播放每日推荐
帮我把最后一张照片发送到微博五、实战场：用肉包在美团自动点一份猪脚饭
假设你加班到晚上九点，累得不想打开外卖 App 翻菜单——
传统操作：
- 解锁手机 → 找美团图标 → 打开 App
- 搜索”猪脚饭” → 翻列表 → 看评分 → 看评论 → 选商家
- 点进去 → 选规格 → 加购物车 → 结算 → 填地址 → 确认支付
- 全程手指不停，眼睛盯着屏幕，至少 3-5 分钟
用肉包：
对着它说一句”帮我在美团点一份猪脚饭”。
接下来的画面是：
- 悬浮窗亮起，显示”正在执行任务”
- 手机自动打开美团 App
- 自动搜索、翻找列表、点进店铺
- 自动选规格、加购物车
- 到达支付页面 → 自动停止（肉包检测到支付页面会立即暂停，不会替你付款）
整个过程你可以去做别的事——倒水、回消息、甚至闭眼休息两分钟。等手机震动或者悬浮窗提示”任务完成”，回来确认付款就行。
两种执行模式的区别：
如果换成”帮我点外卖”而不指定平台，肉包匹配到的是快速路径——直接 DeepLink 打开小美 AI（美团内置的 AI 助手），让它帮你点。整个过程可能只需要几秒钟。
而指定”在美团”时走的是标准 GUI 自动化路径——截图、分析、点击、反思，循环操作，每一步都在肉包的 Agent 循环里被 Manager 规划、Executor 执行、Reflector 校验。
六、为什么它和同类方案不一样
还有一个不可忽视的差异：快速路径（Delegation）的存在。大部分方案遇到任何任务都走截图分析循环——即使是”打开高德搜地址”这种一步就能完成的事。肉包会先判断：这事能不能直接 DeepLink 跳过去让目标 App 的 AI 自己处理？能的话就不浪费 Token 走完整的 Agent 循环了。
最后的话
肉包是一个”不爽就自己做一个”的故事——因为买不到那台 3499 的 AI 手机，所以用 Kotlin 重写了整个 MobileAgent，打包成一个开源 App，免费放出来。
它不一定能覆盖所有手机上的所有操作（毕竟是开源社区项目，不是大厂产品），但它证明了一件事：AI 操作手机这件事，不需要买新硬件，不需要连电脑，一个 App 就够了。
项目采用 MIT 协议开源，v2.0 已规划了无障碍服务混合模式、UI 树感知、宏脚本录制回放、MCP 能力扩展等功能。如果你也对”让 AI 帮你操作手机”这件事感兴趣，不妨从装一个肉包开始。