Alian
你的 AI 手机助手,让手机自己动起来
基于视觉语言模型 · 原生 Android · 多 Agent 协作架构
English | 简体中文
✨ 项目简介
Alian 是一款完全开源的 AI 手机助手,支持语音对话、视频通话、屏幕共享和自动化操作,让 AI 成为你的贴心伙伴。
它不仅仅是一个自动化工具,更是一个真正的 AI 伙伴 —— 你可以用语音和它对话,让它看懂你的屏幕或周围环境,甚至可以随时打断它正在执行的任务,像和人一样交流。
为什么选择 Alian?
- 🚀 零门槛使用 - 无需电脑、无需数据线、无需 Root,安装即可使用
- 🧠 真正的智能 - 基于视觉语言模型(VLM),能"看懂"屏幕、理解语境
- 🗣️ 自然交互 - 语音对话、视频通话、屏幕共享,多种方式与 AI 交流
- 🎭 深度定制 - 语音/视频通话支持自定义 Prompt,打造专属 AI 角色
- 🔌 能力可扩展 - 通过 MCP 协议连接外部工具,按需扩展 AI 能力
- 🔒 隐私安全 - API Key 本地加密存储,敏感操作需用户确认
- 💯 完全开源 - 代码完全开源,可自由定制和二次开发
核心能力
| 能力 | 描述 |
|---|---|
| 🤖 自动化操作 | 语音指令让 AI 自动操作手机,点外卖、打车、购物等 |
| 📞 语音通话 | 像打电话一样与 AI 聊天,支持自定义角色、打断、连续对话 |
| 📹 视频通话 | 开启摄像头,AI 看见你的世界,可定制角色、识别物品、解答疑问 |
| 📱 手机通话 | AI 看见你的屏幕,语音指挥 AI 操作手机 |
| 🔌 MCP 扩展 | 自定义添加 MCP Server,连接天气、地图、搜索等外部服务 |
| ⚙️ Prompt 定制 | 自由定制 AI 角色、性格、说话风格,每类通话可独立设置 |
🚀 快速体验
📱 移动端
- 下载 - 前往 Releases 页面下载最新版本 APK
- 安装 - 安装 APK 到你的 Android 设备
- 配置 API Key - 打开应用,进入设置页面,配置通义千问 API Key
- 设置权限 - 在设置中打开所需权限(录音、悬浮窗、无障碍服务等)
- 开启语音 - 在语音设置中开启 TTS 和相关语音功能
- 开始使用 - 返回主页,点击语音按钮开始与 AI 对话
💡 开源移动端无需登录也可体验本文描述的所有功能 ⚠️ MCP 功能:如需使用 MCP 功能,请先在设置中配置正确的 MCP(现在的是 demo),然后再打开 MCP 开关。配置完 MCP 后务必重启 APP,否则通话第一句会有约 10 秒的加载假死情况
🌐 Web 端
- 在线体验:https://ai.alian-anything.com/
- 案例库:
应用场景
🤖 AI 自动化操作
Alian 可以帮你自动操作手机完成各种任务:
- 🍔 点外卖 - 在美团、饿了么上点餐
- 🚗 打车导航 - 叫滴滴、高德打车,或导航到目的地
- 🎬 买票订房 - 买电影票、订酒店、订机票火车票
- 🎵 娱乐休闲 - 播放音乐、看视频、刷 B 站
- 💬 社交互动 - 发微信、发朋友圈、发小红书
- 🛒 购物支付 - 淘宝京东购物、扫码付款
- 🎨 AI 创作 - 生成图片、与 AI 对话
- ...还有更多,等待你探索
📞 语音通话
与 AI 进行实时语音对话,解放双手:
- 🎤 语音陪伴 - 像打电话一样与 AI 聊天,AI 会用温柔的声音回应你
- 🔄 实时交互 - 支持随时打断、连续对话,流畅自然
- 🛠️ 工具调用 - AI 可以调用 MCP 工具帮你查天气、查股票等
📹 视频通话
开启摄像头,让 AI "看见" 你的世界:
- 👁️ 视觉理解 - AI 能识别你周围的环境和物品
- 🏠 场景识别 - 识别植物、物品、文字,解答你的疑问
- 💡 智能建议 - 根据画面内容提供个性化建议
📱 手机通话
AI 实时观看你的手机屏幕,根据语音指令操作手机:
- 👀 屏幕共享 - AI 能实时看见你的手机屏幕内容
- 🎙️ 语音操控 - 用语音告诉 AI 你想做什么,AI 自动操作
- 🔄 实时交互 - 边看屏幕边对话,AI 根据画面智能响应
⚙️ Prompt 设置
自定义 AI 的角色和行为:
- 🎭 角色定制 - 设置 AI 的名字、性格、说话风格
- 📝 场景适配 - 为不同场景设置不同的系统提示词
- 💬 个性化体验 - 打造专属你的 AI 助手
🔌 MCP 设置
扩展 AI 的能力边界:
- 🌐 工具集成 - 添加 MCP Server,让 AI 调用外部工具和服务
- 📦 即插即用 - 支持 JSON 配置导入,快速添加新能力
- 🔗 无限扩展 - 天气查询、地图服务、搜索引擎...按需扩展
⚠️ 注意事项
权限与功能对应关系
Alian 的不同功能需要不同的权限支持。请在使用前确保已授予相应权限,否则相关功能将无法正常使用。
💡 提示:前往「设置」→「权限」页面查看和管理所有权限状态
| 权限名称 | 语音通话 | 手机通话 | 视频通话 | 手机自动化 | 说明 |
|---|---|---|---|---|---|
| 录音权限 | ✅ 必需 | ✅ 必需 | ✅ 必需 | ✅ 必需 | 用于语音输入和语音识别 |
| 相机权限 | ❌ 不需要 | ❌ 不需要 | ✅ 必需 | ❌ 不需要 | 用于视频通话时采集画面 |
| 悬浮窗权限 | ✅ 必需 | ✅ 必需 | ✅ 必需 | ✅ 必需 | 用于显示通话界面和执行进度 |
| 无障碍服务 | ❌ 不需要 | ✅ 必需 | ❌ 不需要 | ✅ 必需 | 用于自动化操作和控制其他应用 |
| 屏幕录制权限 | ❌ 不需要 | ✅ 必需 | ❌ 不需要 | ✅ 必需 | 用于截取屏幕内容进行视觉识别 |
| Shizuku 权限 | ❌ 不需要 | ⚡ 可选 | ❌ 不需要 | ⚡ 可选 | 提供更高效的设备控制(与无障碍服务二选一) |
| 通知权限 | ⚡ 推荐 | ✅ 必需 | ⚡ 推荐 | ✅ 必需 | 用于显示后台运行通知,防止应用被系统回收 |
图例说明: - ✅ 必需:该功能必须拥有此权限才能正常使用 - ⚡ 可选/推荐:拥有此权限可获得更好的体验 - ❌ 不需要:该功能不依赖此权限
权限配置建议
根据你的使用场景,推荐以下权限配置方案:
| 使用场景 | 推荐配置 |
|---|---|
| 仅使用语音/视频通话 | 录音权限 + 相机权限(视频通话需要)+ 悬浮窗权限 |
| 仅使用手机自动化 | 录音权限 + 悬浮窗权限 + 无障碍服务 + 屏幕录制权限(或 Shizuku 权限) |
| 使用全部功能 | 授予所有权限,获得完整体验 |
⚡ 实时中断与交互
核心亮点
Alian 最大的创新在于:在 AI 自动执行任务的过程中,你可以随时通过语音打断它,与 AI 进行对话,并下达新的命令。
这就像有一个真正的智能助手在帮你操作手机,你可以随时和它交流,改变主意,或者添加新的需求。
使用场景示例
场景 1:点外卖时改变主意
你:帮我点个披萨
Alian:好的,正在美团上帮你点披萨...
(Alian 开始在美团上搜索披萨)
你:等一下,我改主意了,点个汉堡吧
Alian:好的,那我帮你点汉堡。你想吃什么口味的?
你:要辣味的,加个可乐
Alian:没问题,正在帮你下单辣味汉堡和可乐...
(Alian 重新在美团上搜索汉堡,选择辣味汉堡,添加可乐,下单)场景 2:导航时添加途经点
你:导航到天安门广场
Alian:好的,正在打开高德地图导航到天安门广场...
(Alian 打开高德地图,开始导航)
你:等一下,先帮我加个途经点,我想路过星巴克买杯咖啡
Alian:好的,我来帮你添加途经点。附近有家星巴克,我帮你加进去?
你:好的,就这家
Alian:已添加星巴克作为途经点,继续导航...
(Alian 修改导航路线,添加星巴克途经点,继续导航)场景 3:购物时询问建议
你:帮我买双运动鞋
Alian:好的,正在淘宝上帮你搜索运动鞋...
(Alian 打开淘宝,搜索运动鞋,浏览商品)
你:等一下,这双鞋怎么样?你觉得好看吗?
Alian:(看着屏幕)这双鞋是白色的,设计比较简约,适合日常穿着。不过如果你想要更时尚一点的话,我可以帮你看看其他款式?
你:不用了,就这双吧
Alian:好的,正在帮你下单...
(Alian 继续完成购买流程)场景 4:发消息时临时添加内容
你:给我妈妈发条微信,说我想她了
Alian:好的,正在打开微信...
(Alian 打开微信,找到妈妈,准备发送消息)
你:等一下,再加一句,问她周末要不要一起吃饭
Alian:好的,我来修改一下消息内容:"妈妈,我想你了。周末要不要一起吃饭?"可以吗?
你:可以,发送吧
Alian:好的,正在发送...
(Alian 修改消息内容并发送)场景 5:看视频时切换内容
你:打开 B 站看热门视频
Alian:好的,正在打开 B 站...
(Alian 打开 B 站,开始播放热门视频)
你:等一下,我不想看这个,帮我搜一下"猫咪搞笑视频"
Alian:好的,我来帮你搜索猫咪搞笑视频...
(Alian 搜索"猫咪搞笑视频",开始播放相关视频)优势特点
- 🎯 真正的交互式体验 - 不是单向执行任务,而是像和人一样交流
- ⚡ 毫秒级响应 - 实时检测语音,快速中断和恢复
- 🧠 智能理解 - AI 能理解你的意图变化,智能调整任务
- 🔄 无缝切换 - 任务中断和切换流畅自然
- 🎤 解放双手 - 全程语音控制,无需触摸屏幕
实时语音播报
Alian 会实时语音告诉你它正在做什么,让你对 AI 的每一步操作都了如指掌。
┌─────────────────────────────────────────────────────────────┐
│ Alian 实时语音播报 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 场景:在美团上点外卖 │
│ │
│ Alian: "正在打开美团 App..." │
│ ↓ │
│ Alian: "正在搜索披萨..." │
│ ↓ │
│ Alian: "找到了 5 家商家,正在查看第一家..." │
│ ↓ │
│ Alian: "这家店的披萨评分 4.8 分,正在查看详情..." │
│ ↓ │
│ Alian: "准备下单,总价 45 元" │
│ ↓ │
│ Alian: "需要你确认,是否继续下单?" │
│ │
└─────────────────────────────────────────────────────────────┘支付结算类人工介入
所有涉及支付和结算的操作,都会暂停并等待你的明确确认。
┌─────────────────────────────────────────────────────────────┐
│ 支付结算类任务流程 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 1. Alian 自动执行任务 │
│ - 浏览商品 │
│ - 添加到购物车 │
│ - 填写收货地址 │
│ │
│ 2. 检测到支付页面 │
│ - CaptchaDetector 识别支付页面 │
│ - RiskyActionPolicy 触发人工介入 │
│ │
│ 3. 暂停执行,语音播报 │
│ Alian: "检测到支付页面,商品总价 199 元," │
│ "收货地址已填写,需要你确认后继续" │
│ │
│ 4. 显示确认界面 │
│ - 商品信息 │
│ - 价格详情 │
│ - 收货地址 │
│ - 支付方式 │
│ │
│ 5. 等待用户确认 │
│ - 点击"确认支付"按钮 │
│ - 或点击"取消"按钮 │
│ - 或语音说"确认"或"取消" │
│ │
│ 6. 继续或取消任务 │
│ - 确认:Alian 完成支付 │
│ - 取消:Alian 停止任务 │
│ │
└─────────────────────────────────────────────────────────────┘敏感操作检测
Alian 会自动检测以下敏感操作,并在执行前暂停等待确认:
| 操作类型 | 检测方式 | 处理方式 |
|---|---|---|
| 支付页面 | CaptchaDetector 识别支付相关关键词 | 暂停 + 语音播报 + 用户确认 |
| 密码输入 | 检测密码输入框 | 暂停 + 语音播报 + 用户确认 |
| 验证码 | 检测验证码输入框 | 暂停 + 语音播报 + 等待用户输入 |
| 转账操作 | 检测转账相关关键词 | 暂停 + 语音播报 + 用户确认 |
| 删除操作 | 检测删除确认对话框 | 暂停 + 语音播报 + 用户确认 |
| 权限请求 | 检测系统权限请求 | 暂停 + 语音播报 + 用户确认 |
API Key 加密存储
- AES-256-GCM 加密 - API Key 使用军用级加密存储
- 密钥隔离 - 每个用户的密钥独立加密
- 安全存储 - 存储在 Android Keystore 中
- 永不上传 - API Key 永远不会上传到服务器
用户控制权
Alian 始终将控制权交给用户:
- ✅ 随时停止 - 悬浮窗提供停止按钮,可随时停止任务
- ✅ 实时监控 - 实时语音播报当前操作
- ✅ 人工确认 - 敏感操作需要用户明确确认
- ✅ 语音中断 - 可随时语音打断并下达新命令
- ✅ 透明可见 - 所有操作都可见,无隐藏行为
🚀 快速开始
环境要求
- Android 8.0 (API 26) 或更高版本
- WiFi 网络
- VLM API Key - 需要视觉语言模型的 API 密钥(推荐阿里云通义千问)
- 权限方式(二选一):
- Shizuku - 用于获取系统级控制权限(推荐) - 无障碍服务 + 屏幕录制 - 无需额外工具,但功能受限
安装步骤
1. 安装 Alian
从 Releases 页面下载最新 APK 安装。
2. 选择权限方式(二选一)
方式一:使用 Shizuku(推荐,功能完整)
Shizuku 是一个开源工具,可以让普通应用获得 ADB 级别的权限,无需 Root。
启动 Shizuku(二选一):
无线调试(推荐,需 Android 11+)
- 进入
设置 > 开发者选项 > 无线调试 - 开启无线调试
- 在 Shizuku App 中选择"无线调试"方式启动
电脑 ADB
- 手机连接电脑,开启 USB 调试
- 执行:
adb shell sh /storage/emulated/0/Android/data/moe.shizuku.privileged.api/start.sh
授权 Alian
- 打开 Shizuku App
- 在应用列表中找到 Alian 并授权
方式二:使用无障碍服务 + 屏幕录制(无需额外工具)
- 打开 Alian App
- 进入
设置 > 无障碍 - 找到「Alian」并开启无障碍服务
- 在 Alian App 中授予屏幕录制权限
⚠️ 注意:此方式功能受限,某些操作可能无法完成
3. 配置 API Key
⚠️ 重要:进入设置页面,配置你的 API Key
获取 API Key
阿里云通义千问(推荐国内用户)
- 访问 阿里云百炼平台
- 开通 DashScope 服务
- 在 API-KEY 管理中创建密钥
⚙️ 配置说明
Alian 提供了丰富的配置选项,让你可以根据自己的需求和使用习惯进行个性化设置。所有配置都可以在「设置」页面中找到。
外观与交互
主题模式
- 浅色模式 - 使用浅色主题
- 深色模式 - 使用深色主题
- 跟随系统 - 根据系统设置自动切换
Alian 设置
- 头像设置 - 上传自定义 AI 助手头像
- 音色选择 - 选择语音播报的音色,支持试听
- 语速调节 - 调整语音播报的速度(0.5x - 2.0x)
- 音量调节 - 调整语音播报的音量(0% - 100%)
- 语音通话提示词 - 自定义语音通话时的系统提示词
- 视频通话提示词 - 自定义视频通话时的系统提示词
权限管理
- 基础权限 - 录音、相机、通知等基础权限状态
- 核心权限 - 无障碍服务、屏幕录制、Shizuku 等核心权限状态
- 其他权限 - 悬浮窗等其他权限状态
- 快速跳转 - 点击权限项可直接跳转到系统设置页面
核心功能
执行设置
- 批量执行 - 启用批量执行模式,一次执行多个任务
- 改进模式 - 启用改进模式,优化任务执行效果
- 仅响应 - 仅响应模式,不执行实际操作
- 启用 Chat Agent - 启用聊天代理功能
- 最大执行步数 - 限制 Agent 执行的最大步数,防止无限循环
语音设置
- 启用 TTS - 开启/关闭语音播报功能
- 实时播报 - 实时语音播报 AI 的操作过程
- 中断播报 - 允许语音中断,实现实时交互
- 启用 AEC - 启用声学回声消除,提升语音识别准确度
- 启用流式 - 启用流式语音识别,降低延迟
能力
- 查看能力列表 - 查看 Alian 支持的所有能力
- 能力详情 - 了解每个能力的具体用途和使用方法
设备控制器
执行策略
- 自动 - 自动选择最佳的执行方式
- 仅 Shizuku - 仅使用 Shizuku 控制器(需要 Shizuku 权限)
- 仅无障碍 - 仅使用无障碍控制器(需要无障碍服务和屏幕录制权限)
- 混合模式 - 智能切换 Shizuku 和无障碍控制器
降级策略
- 自动 - 自动选择降级方式
- 优先 Shizuku - 降级时优先使用 Shizuku
- 优先无障碍 - 降级时优先使用无障碍
性能设置
- 截图缓存 - 启用截图缓存以提升性能
- 手势延迟 - 调整点击和滑动操作的延迟时间(0 - 1000ms)
- 输入延迟 - 调整文本输入操作的延迟时间(0 - 500ms)
屏幕录制权限
- 请求权限 - 请求屏幕录制权限(无障碍控制器需要)
- 权限说明 - 解释屏幕录制权限的作用和必要性
API 与支持
Backend API
- 启用 Backend - 启用/关闭服务端 Backend API
- Backend 地址 - 配置 Backend 服务器地址
- 登录状态 - 显示当前登录状态和用户信息
- 用户头像 - 上传自定义用户头像
API 配置
- API 提供商 - 选择 API 服务提供商(阿里云、OpenAI 等)
- API Key - 配置 API 密钥
- Base URL - 配置自定义 API 端点
- 模型选择 - 选择使用的模型
- 获取模型列表 - 从 API 动态获取可用模型列表
初次使用
- 配置 API Key - 首先配置 VLM 模型的 API Key
- 选择执行策略 - 根据你的设备选择 Shizuku 或无障碍服务
- 开启语音播报 - 建议开启实时语音播报,了解 AI 的操作
- 调整性能参数 - 根据设备性能调整延迟参数
日常使用
- 定期检查权限 - 确保 Shizuku 或无障碍服务正常运行
- 自定义音色 - 根据个人喜好选择合适的语音音色
- 优化执行策略 - 根据实际使用情况选择最佳的执行策略
- 监控性能 - 根据设备性能调整缓存和延迟设置
🛠️ 开发
环境要求
- Android Studio Hedgehog 或更高版本
- JDK 17
- Android SDK 34
构建
# 克隆仓库
git clone https://github.com/xlb1130/alian-android.git
cd alian-android
# 构建 Debug 版本
./gradlew assembleDebug
# 安装到设备
./gradlew installDebug📝 开发进度
✅ 已完成功能
核心架构
- [x] 原生 Android 实现 - 完全使用 Kotlin 开发,无需 Python 依赖
- [x] 分层架构设计 - Presentation、Core、Infrastructure、Data、Common 五层架构
- [x] 多 Agent 协作 - Manager、Executor、Reflector、Notetaker 协同工作
- [x] 内存管理 - ConversationMemory 和 InfoPool 状态管理
Skills 系统
- [x] Skills 层 - 用户意图映射和技能匹配
- [x] Delegation 模式 - 高置信度任务直接 DeepLink 跳转
- [x] GUI 自动化模式 - 传统截图-分析-操作循环
- [x] 智能应用搜索 - 支持拼音、语义、分类多维度匹配
- [x] Skill 配置化 - 通过 skills.json 灵活配置技能
- [x] 内置 25+ Skills - 涵盖外卖、导航、打车、社交、购物等场景
Tools 系统
- [x] Tools 层 - 原子能力封装
- [x] SearchAppsTool - 智能应用搜索
- [x] OpenAppTool - 应用打开
- [x] DeepLinkTool - DeepLink 跳转
- [x] ClipboardTool - 剪贴板操作
- [x] ShellTool - Shell 命令执行
- [x] HttpTool - HTTP 请求
设备控制
- [x] Shizuku 控制器 - 通过 Shizuku 获取系统权限
- [x] 无障碍控制器 - 通过 AccessibilityService 实现元素级操作
- [x] 混合模式 - 优先无障碍,失败自动切换 Shizuku
- [x] 虚拟屏运行时 - 支持 VirtualDisplay 执行链路
- [x] 运行时编排与自动降级 - 虚拟屏异常自动回退前台运行时
- [x] 屏幕操作 - 点击、滑动、长按、文本输入
- [x] 截图功能 - 支持降级处理
- [x] 截图快照管线 - 支持缓存、节流复用与降级统计
- [x] 应用扫描 - 异步预扫描已安装应用
AI 能力
- [x] VLM 客户端 - 支持通义千问、GPT-4V、Claude
- [x] GUIOwl 客户端 - 专用 GUI Agent 客户端
- [x] MAI-UI 客户端 - 本地 UI 代理客户端
- [x] 对话历史管理 - 维护上下文对话
语音交互
- [x] 语音识别 (ASR) - 阿里云 Dashscope 流式 ASR
- [x] 本地离线 ASR(Sherpa) - 支持本地模型离线识别(包含按住说话与通话链路)
- [x] 语音合成 (TTS) - CosyVoice TTS 客户端
- [x] 本地离线 TTS(sherpa-onnx,实验性) - 支持本地模型离线语音合成
- [x] 语音输入 - 支持语音输入指令
- [x] 离线 ASR 开关 - 设置页支持启用离线识别与失败自动回退在线 ASR
- [x] 离线 TTS 开关 - 设置页支持启用离线合成与失败自动回退在线 TTS
- [x] 离线开关统一接管在线 ASR 场景 - 语音输入、语音通话、视频通话、手机通话、InterruptOrchestrator 均由离线开关统一控制
- [x] 离线 ASR 支持 AEC 音频链路 - AEC 处理后的音频可直接喂给离线 ASR,离线模式下同样支持实时打断
- [x] 抗噪语音打断优化 - 打断检测升级为动态噪声底 + 多特征判定 + 持续时长确认 + 冷却机制
- [x] ASR 结果有效性闸门 - 在线/离线 ASR final 文本统一过滤噪声词与无效短文本,减少误触发
- [x] 执行中打断策略收敛 - InterruptOrchestrator 对非关键词打断从严校验,降低噪声导致的误暂停
- [x] 语音终端观测埋点 - 新增候选打断/确认打断/拒绝打断/ASR过滤等指标聚合日志
- [x] 语音播报 - 支持 TTS 语音播报
- [x] VAD 语音活动检测 - 智能检测语音开始和结束
- [x] 声纹识别 - SpeakerRecognitionManager 说话人识别
- [x] 音频预处理 - AudioPreprocessor 音频特征提取
手机通话
- [x] PhoneCallAgent - 手机通话专用 Agent
- [x] 视频通话 - 支持与 AI 进行实时视频通话
- [x] 音频处理 - AecAudioProcessor 回声消除
- [x] 音频管理 - VoiceCallAudioManager 音频流管理
- [x] 悬浮窗服务 - PhoneCallOverlayService 视频通话界面
用户界面
- [x] Jetpack Compose - 现代化 UI 框架
- [x] Material 3 设计 - 精美的设计语言
- [x] 深色主题 - 支持深色/浅色主题自适应
- [x] 流畅动画 - 丝滑的交互体验
- [x] 主页 - 主操作界面
- [x] 能力页 - 功能展示界面
- [x] 历史页 - 执行历史记录
- [x] 设置页 - 设置界面
- [x] 执行指标页 - 历史详情支持运行时/截图/降级指标展示
- [x] 虚拟屏执行开关 - 执行设置支持一键启停虚拟屏运行时
- [x] 应用内更新设置 - 支持更新频道、检查与下载状态显示
- [x] 悬浮窗 - OverlayService 悬浮窗服务
数据管理
- [x] SettingsManager - 设置管理
- [x] ExecutionHistory - 执行历史记录
- [x] ExecutionMetrics - 执行指标结构化持久化(兼容日志兜底解析)
- [x] VoicePreset - 语音预设
- [x] 加密存储 - AES-256-GCM 加密存储 API Key
安全机制
- [x] 敏感页面检测 - CaptchaDetector 自动检测验证码
- [x] 风险操作策略 - RiskyActionPolicy 风险操作控制
- [x] 人工干预模型 - HumanInterventionModels 需要人工介入的场景
- [x] 权限管理 - PermissionManager 统一权限管理
其他功能
- [x] Markdown 支持 - multiplatform-markdown-renderer
- [x] 图片加载 - Coil 图片加载库
- [x] 崩溃处理 - CrashHandler 崩溃捕获
- [x] 日志导出 - 支持导出日志用于调试
- [x] FileProvider - 文件分享支持
- [x] 国际化支持 - 支持简体中文、英语、日语、韩语、繁体中文,应用内可切换语言
🚧 开发中
MCP 协议支持
- [x] MCP 客户端 - 实现 Model Context Protocol 客户端
- [x] 能力扩展 - 通过 MCP 接入更多外部能力
Skills 扩展
- [x] 自定义 Skills - 支持用户自定义 Skills
- [ ] Skills 市场 - 分享和下载社区 Skills
- [ ] 更多内置 Skills - 扩充更多常用场景 Skills
📋 计划中
本地模型支持
- [ ] 端侧 VLM - 支持在设备端运行小型视觉语言模型
- [ ] 离线模式 - 无网络情况下使用本地模型
- [ ] 模型管理 - 下载、更新、切换本地模型
- [ ] 性能优化 - 优化端侧模型推理性能
执行录屏
- [ ] 屏幕录制 - 录制任务执行过程
- [ ] 视频存储 - 保存执行视频到本地
- [ ] 视频分享 - 支持分享执行视频
- [ ] 回放功能 - 回放历史执行过程
多应用协作
- [ ] 跨 App 工作流 - 支持多个 App 联动完成复杂任务
- [ ] 任务编排 - 可视化任务编排界面
- [ ] 数据传递 - App 间数据传递机制
- [ ] 状态同步 - 多 App 状态同步
智能学习
- [ ] 习惯学习 - 从用户操作习惯中学习
- [ ] 策略优化 - 自动优化执行策略
- [ ] 成功率提升 - 基于历史数据提升任务成功率
- [ ] 个性化推荐 - 根据用户习惯推荐操作
性能优化
- [ ] 启动优化 - 减少应用启动时间
- [ ] 内存优化 - 降低内存占用
- [ ] 电池优化 - 减少电量消耗
- [ ] 网络优化 - 优化网络请求,减少流量消耗
更多设备支持
- [ ] MIUI 适配 - 小米 MIUI 系统适配
- [ ] ColorOS 适配 - OPPO ColorOS 系统适配
- [ ] HarmonyOS 适配 - 华为鸿蒙系统适配
- [ ] 平板适配 - 平板设备界面适配
📄 许可证
本项目基于 MIT 许可证开源。详见 LICENSE 文件。
