Oktobot:能真正操控安卓手机的AI Agent

Oktobot 是一款能实际操控 Android 手机的 AI Agent,采用多 Agent 工作流并注重安全设计。
Oktobot 是一款突破聊天边界的 AI Agent,通过 Android 无障碍服务和可选 Shizuku 支持,实现对手机应用的真实操控。它采用多 Agent 架构,包含规划、执行和重新规划(replan)能力,并能记住上下文、调用预定义技能,还内置基于 Termux 的 Linux 终端。模型方面支持本地模型或自带 API 密钥(ChatGPT、Claude 等),安装包体积 227 MB。安全上设计了按应用/操作权限、不可逆操作审批、密码和支付信息拦截等机制。目前下载量突破 100 次,处于早期阶段,通过 Google Play、ShizuStore 和 GitHub 分发,开发者欢迎社区反馈。
从聊天到操控:Oktobot的野心
大多数AI助手停留在对话框里,而Oktobot试图打破这一边界。开发者近日在Reddit上分享了这款AI Agent,它不仅能聊天,更能实际操作用户的Android手机。根据其描述,Oktobot通过无障碍服务(Accessibility)控制应用,并可选支持Shizuku作为守护机制,实现更稳定的自动化操作。

这个项目的核心思路是让AI从“建议者”变成“执行者”。用户只需给出任务目标,Oktobot便会规划步骤、执行操作,并在遇到变化时重新规划。这种多Agent工作流的设计,使其更接近一个自主代理,而非简单的语音助手。
Android 无障碍服务(Accessibility Service) 是 Android 系统为辅助残障用户而设计的一套 API,允许应用读取屏幕内容、模拟点击、滑动、输入等操作。它运行在系统级权限下,因此无需 root 即可跨应用操控界面。正因如此,它常被自动化工具(如 Tasker、Auto.js)用来实现“真实”操作。但 Google Play 对无障碍服务的使用有严格审核政策,滥用可能被下架。Oktobot 依赖该服务,意味着其能力边界受限于 Android 版本和厂商定制,且用户需手动在设置中开启权限,这既是能力来源,也是合规与安全风险的焦点。
多Agent工作流与Replan能力
Oktobot采用多Agent架构:一个Agent负责规划任务,另一个负责执行步骤,当执行过程中遇到意外情况(如界面变化、权限弹窗),系统会触发重新规划(replan)。这种机制在自动化领域并不常见,多数工具只能执行固定脚本,而Oktobot试图引入动态调整能力。
据开发者介绍,Oktobot还内置了基于Termux的Linux终端,并具备记忆和技能系统。这意味着Agent可以记住之前的操作上下文,并调用预定义的技能来完成复杂任务。唤醒词功能则让用户可以通过语音快速唤起Agent,进一步降低使用门槛。
Shizuku 是一个开源的 Android 权限管理框架,它通过 ADB 或 root 授权,让普通应用临时获得系统级 API 的调用能力,而无需真正 root 设备。常见用途包括冻结应用、修改系统设置、调用隐藏 API 等。在自动化场景中,Shizuku 可充当“看门狗”或权限代理,监控 Agent 行为或在无障碍服务受限时提供备用通道。不过,Shizuku 本身需要用户通过 USB 调试或无线调试激活,且每次重启后可能失效,这增加了使用门槛。Oktobot 将其列为可选支持,意在为高级用户提供更稳定的自动化能力,但具体实现细节未公开,用户需自行权衡便利与安全。
Termux 是 Android 上的终端模拟器和 Linux 环境,无需 root 即可运行包管理器(如 apt)和大量命令行工具。它常被开发者用于在手机上运行脚本、编译代码或搭建轻量服务。Oktobot 内置基于 Termux 的 Linux 终端,意味着 Agent 可以调用 shell 命令、执行脚本,甚至运行本地模型或工具链。这扩展了自动化能力,但也带来安全考量:终端权限较高,若 Agent 被恶意指令诱导,可能执行危险命令。因此,Oktobot 的权限审批机制在此场景下尤为重要。
本地模型与自带API密钥
在模型选择上,Oktobot给予用户较大自由度:既可以使用本地模型,也可以填入自己的API密钥(支持ChatGPT、Claude等)。这一设计迎合了不同用户对隐私和成本的需求。本地模型适合对数据敏感的场景,而云端API则能提供更强的推理能力。
你可能没注意到,Oktobot的安装包体积控制在227 MB(最新v2.6.48版本),对于集成终端和Agent能力的应用来说,这个体积相对克制。开发者透露,该应用刚突破100次下载,仍处于早期阶段。
安全机制:权限与审批
让AI操控手机,安全是绕不开的议题。Oktobot在这方面做了多层设计:按应用和按操作划分权限,不可逆操作需要用户审批,并且密码和支付信息会被阻止发送给Agent。这些措施旨在防止Agent误操作或泄露敏感数据。
据开发者描述,Shizuku支持作为可选的“看门狗”(watchdog),可能用于监控Agent行为或提升权限管理的可靠性。不过,具体实现细节尚未公开,用户需自行评估风险。
获取方式与反馈渠道
Oktobot目前可通过Google Play和ShizuStore下载,GitHub上也提供了签名构建版本。开发者明确表示欢迎诚实反馈、功能请求和bug报告。对于喜欢折腾的安卓用户,这或许是一个值得尝试的自动化新玩具。
从社区反应看,这类“真操控”Agent正受到关注,但成熟度仍需时间检验。Oktobot能否在安全与能力之间找到平衡,将决定它能否从早期项目走向更广泛的用户群体。
相关推荐

OpenAI 11月30日关停Agent Builder等三项服务,开发者需紧急迁移
OpenAI 将于 11 月 30 日关停 Agent Builder、evals 仪表盘和可复用提示三项开发者功能,evals 已转为只读。本文梳理受影响范围、OpenAI 官方给出的迁移路径(Agent SDK、PromptFu、自有代码)以及开发者本周应完成的导出与重建动作。

RankSpot:按次付费的SEO与AI搜索执行层,让Agent替你写文、发布、换外链
RankSpot 是面向 AI Agent 的 SEO 与 AI 搜索执行层,通过 MCP 接入 Claude 或 ChatGPT,让 Agent 完成写文、发布和外链获取。按次付费,每篇文章 3 美元,读数据免费,支持 100 多种语言。

Appxiom:给AI编程助手装上生产环境上下文
Appxiom为AI编程Agent提供生产环境上下文,覆盖崩溃、卡顿、内存泄漏与失败的网络调用,支持Android、iOS、Flutter、KMP和Web,并通过Goal Friction Impact按业务目标排序Bug。