在前面的博文中简单解析了一款智能AI应用的操作使用。https://csdn9.blog.csdn.net/article/details/156427864?spm=1001.2014.3001.5502

              这款应用如需达到最好的使用效果必须使用adb进行配置。今天这款开源应用完全摆脱 ADB 数据线与 PC 端 Python 环境，安装此款 App 即可使用。

目前这个原作者还在持续更新中，更强大的功能和Ai能力会持续提升。

应用特点：

1-----原生 Android 实现：基于 Kotlin 开发，截图、分析、决策、执行全部在手机本地完成。

2------多 Agent 协作机制：借鉴 Claude Code 的设计思想，采用 Tools / Skills 双层架构，实现任务规划与执行解耦。

3-------高度可定制：支持通义千问、GPT-4V、Claude 以及本地 Ollama 等多种模型后端。

工具的优势

原生 Android 实现，不是 Python 脚本的封装。目前市面上几乎所有手机自动化开源项目（包括阿里的 MobileAgent）都是 Python 实现，需要：

在电脑上运行 Python 脚本。手机通过 USB/WiFi ADB 连接电脑。截图通过 ADB 传输到电脑，处理后再把操作指令传回手机

用 Kotlin 重写了整个 MobileAgent 框架，原生运行在 Android 设备上：

截图、分析、执行全部在手机本地完成

无需电脑中转，延迟更低

利用 Shizuku 获得系统级权限，而非繁琐的 ADB 命令

截图演示

无需root的Shizuku安装

模拟用户点击、滑动屏幕。读取其他 App 的界面内容

执行 input tap、screencap 等系统命令。传统方案需要连接电脑执行 ADB 命令。而 Shizuku 是一个优雅的解决方案：这让肉包可以直接在手机上执行截图、点击、输入等操作，真正实现「一个 App 搞定一切」。

             这款应用的优势不仅体现在便捷的ADB配置环节，更在于构建了一套低延迟、高权限的本地闭环系统。通过Tools/Skills双层架构实现任务逻辑解耦，结合多模型后端的灵活切换，该应用在开源生态中填补了"原生Android+视觉智能(VLM)"的技术空白。这不仅是对闭源硬件方案的优质替代，更开创了移动端Agent运作的新范式：通过深度解耦系统级权限与大模型推理能力，让手机自动化真正回归移动场景的本质需求。

开源：https://github.com/Turbo1123/roubao