💡 站外导读：在AI Agent（智能体）概念持续火热的背景下，手机端自动化助手成为落地热点。然而，商业化方案如字节跳动的“豆包手机助手”往往存在使用限制或潜在成本。开发者社区迫切需要一个真正免费、开源、可定制的底层框架，以打破平台依赖，实现安全、高效的本地自动化操作，满足用户对便捷数字生活的深层需求。
肉包是什么
肉包（Roubao）是开源的AI手机自动化助手，作为字节跳动”豆包手机助手”的免费替代方案。肉包基于视觉语言模型（VLM），采用Kotlin原生开发，无需电脑或Root权限，支持通过Shizuku获取系统级控制能力。肉包核心采用”截图-AI分析-执行”循环架构，支持Delegation（委托AI应用）和GUI自动化两种模式，可完成点外卖、发消息、导航等任务。
肉包的主要功能
- 智能AI Agent：肉包能基于视觉语言模型看懂屏幕内容，通过自然语言指令操作手机，自动规划并执行复杂任务。
- 精致UI设计：肉包采用精心设计的Material 3界面，支持深色浅色主题自适应，提供流畅动画效果和完整的中英文双语支持。
- 高度可定制：肉包支持多种视觉语言模型，包括阿里云通义千问、OpenAI GPT-4V、Claude等，支持用户配置自定义API端点和本地模型。
- 安全保护机制：肉包实现了API Key的AES-256-GCM加密存储，具备敏感页面自动检测停止机制，任务执行全程可视且可随时手动中断。
- Root模式扩展：肉包支持Root模式扩展，当Shizuku以Root权限运行时可解锁更多系统级操作能力。
肉包的技术原理
- 双层Agent架构：肉包的核心是双层Agent架构，受Claude Code启发分为Tools层和Skills层。Tools层封装原子能力如应用搜索、DeepLink跳转、剪贴板操作等基础功能；Skills层面向用户意图，将自然语言映射到具体任务，实现从”点外卖”到执行操作的全链路。
- 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调用系统级命令完成屏幕捕获和模拟点击。当接收到用户指令时，SkillManager首先进行意图识别，高置信度任务直接通过DeepLink委托给专业AI应用处理，低置信度或复杂任务则进入标准Agent循环，由Manager规划、Executor决策、Reflector反思直至完成。
- 原生Android实现：肉包用Kotlin重写MobileAgent框架，完全运行在Android设备本地，无需电脑中转。通过Shizuku获得ADB级别权限，实现截图、点击、滑动等操作的直接执行，避免传统Python方案需要连接电脑的繁琐流程。
肉包的项目地址
- GitHub仓库：https://github.com/Turbo1123/roubao
肉包的应用场景
- 日常任务自动化：肉包可帮用户点外卖、查天气、设闹钟、发消息等日常操作，只需说出需求即可自动完成，无需手动翻找应用。
- 跨应用信息处理：肉包能自动截图识别内容，帮用户将最后一张照片发送到微博、把链接分享到微信、或在不同应用间复制粘贴信息。
- 娱乐内容获取：肉包可自动打开音乐App播放每日推荐、在B站搜索并播放特定视频、或帮用户刷短视频、看热门内容。
- 导航出行服务：肉包支持直接唤醒高德地图进行路线搜索、帮用户打车、或查找附近餐厅和商店的位置信息。
📝 站长洞察 (Editor’s Insight)
肉包的出现，精准击中了当前AI落地的两个关键痛点：一是顶尖AI能力（VLM）的本地化、低成本部署；二是用户对数据隐私与操作自主权的诉求。它并非简单的脚本工具，而是采用了‘双层Agent架构’与‘循环式自动化’的轻量化智能体范式，代表了移动端AI Agent的一种务实路径——不追求全能，而是聚焦于屏幕理解与UI交互的原子能力封装。其开源属性将极大激发社区创造力，有望成为安卓自动化领域新的基础设施。未来，结合端侧大模型（如骁龙8 Gen3支持的70亿参数模型），此类工具将实现完全离线、超低延迟的私人助理，重新定义手机的人机交互边界。
