AI Agent for Android

一个第三方 Android 系统级 AI Agent，能操作手机界面，也能像 Coding Agent 一样读文件、跑命令。

核心能力 | 使用场景 | 安装 | 项目结构

底层基于 libxposed API 102 的 Xposed 模块，面向 ColorOS 16。Hook 小布进程拦截对话请求，接入同一套 Agent Runtime，支持 BYOK 自定义模型；App 本体是主工作台。此外保留了 system_server、SystemUI、ColorDirectService、Google App 等进程中的早期 Hook 功能（电源键唤醒 Gemini、手势条/双指识屏触发一圈即搜），当前不是重点，后续仍会维护。

界面预览

GUI Agent 演示	小布助手 BYOK：电源键启动

App 本体聊天首页	小布 BYOK：系统内存分析	命令执行

设置	工具能力	Skills

核心能力

Agent 不会问一句答一句就结束。它在一个 loop 里运转：模型发指令，系统执行，结果写回上下文，模型再决定下一步。如此往复，直到做完。

作为 Android AI Agent，Eta 同时具备 GUI 操作和终端执行能力，这和主流 Coding Agent 的逻辑一致——屏幕是表层，shell 才是完整计算环境。

GUI 操作

• 屏幕与控件：截图、读取无障碍节点、按节点或坐标点击、滑动、滚动
• 应用与系统：启动 App、打开链接、模拟按键、下拉通知栏、搜索应用
• 文本与剪贴板：输入文字、设置剪贴板、粘贴、等待特定文本出现
• 运行可视化：前台操作时显示浮层与手势反馈，让你知道它正在点哪里、怎么滑

终端与文件

在用户授权下执行 user 或 root shell 命令，读写文件、列目录、跑脚本、查日志、改配置。会话式 shell 保持 cwd 和环境变量，异步任务后台执行并分段读取输出。默认关闭，需手动开启。

通用

• Skills：Skills 索引与按需读取，扩展 Agent 的能力边界
• 结果归档：外部入口触发的运行结果会归档到 App 会话，即使 App 进程被杀也会尝试恢复

使用场景

• 跨 App GUI 操作 — "帮我把微信未读消息都点了"，Agent 自己看屏幕、找按钮、执行
• 跨 App 比价 — 截图分析淘宝商品，自动打开京东搜索同款并返回结果
• 终端任务 — "清一下后台，查 LSPosed 日志看 Hook 有没有异常，再看看 Magisk 模块生效了没"——Agent 可以执行 shell 命令、读系统日志、查模块状态、改配置，把意图转化为终端操作
• 小布入口触发复杂任务 — 按电源键唤醒小布，用自然语言让 Agent 执行多步流程

边界说明

第三方 Xposed 模块永远做不到系统内置助手那种动画丝滑和入口一致性。但原厂做得烂的时候，Hack 就是用户唯一的选择。

• 这不是聊天机器人换皮。 普通 AI App 只能输出文字。本项目通过 Xposed Hook、无障碍服务、系统浮层和 ==root== 权限，让 Agent 同时掌握 GUI 和终端——前者操作屏幕，后者进入本机命令层。两个入口叠加，意味着 Agent 拥有接近完整手机环境的操作能力。
• 目标系统为 ColorOS 16。 Hook 点强依赖 OPPO / Google App 当前实现，系统或 App 大版本更新后可能需要重新适配。

与豆包手机助手的区别

豆包手机助手证明了手机 AI 的方向：从聊天框走向系统级操作。但它是超级 App，有平台资源，也有平台约束——跨 App 接管会撞上微信登录异常、淘宝人机验证、银行 App 风险提示。厂商要维护商业关系、支付安全和监管合规，天然被生态绑住手脚。

本项目走第三方开发者路线：不代表手机厂商，不需要维护预装合作。用户愿意解锁、==root==、启用 Xposed 和无障碍，就应该能把自己的手机入口接给自己选择的 Agent。风险边界由用户决定，工具必须透明可见，敏感操作必须能随时停止和接管。

更重要的是，我们把终端执行能力放进了 Agent Runtime。普通手机 AI 只会点屏幕，但 Agent 一旦能在用户授权下执行 shell 命令、读写文件、跑脚本、改配置，它就具备了和主流 Coding Agent 同类的"把意图转化为操作"的能力。GUI 是手机表层，终端才是完整计算环境。

系统入口接管

项目早期做了大量 ColorOS 系统入口的 Hook 工作，保留至今，当前不是重点：

• 小布接管：接管小布对话入口，解析图片上下文，交给同一套 Agent Runtime 处理。支持 BYOK，默认只在 /agent 前缀下触发
• Gemini 解锁：电源键长按唤起 Gemini、锁屏自动语音输入、息屏维持 Hey Google 检测
• 一圈即搜：手势条长按和双指识屏触发 Android contextual_search，不改系统文件

模型与 BYOK

Agent 的能力取决于你用什么模型。

• OpenAI-compatible 与 Anthropic 双协议，支持 SSE 流式传输、流式工具调用、图片输入、推理内容
• 内置提供商：OpenAI、Anthropic、阿里百炼、DeepSeek、Kimi、MiMo、MiniMax、StepFun、硅基流动、OpenRouter
• 自定义提供商：自定义 Base URL、API Key、请求头、body JSON
• 模型管理：内置官方目录、远程拉取列表、自定义模型、启停管理

BYOK（Bring Your Own Key）意味着 Agent 能力跟随你选择的模型，而不是被内置供应限制。

安装

展开安装步骤

1. 在支持 libxposed API 102 的 LSPosed 环境中安装 APK
2. 作用域包含 system、SystemUI、Google App、小布识屏 和小布助手
3. 重启手机
4. 打开 App，配置模型提供商、API Key 和当前模型
5. 授予悬浮窗、无障碍、应用列表读取、后台运行等权限；终端/文件工具以 root 身份执行 shell 命令，以及无障碍自恢复在开机/升级后重写系统配置，均需要 root
6. 按需开启小布接管、终端/文件工具等

当前限制

• 第三方模块无法获得原厂系统组件的全部私有权限，交互 UI、动画衔接和系统级一致性会弱于厂商内置方案

项目结构

核心代码在 app/src/main/kotlin/：

ModuleMain.kt              Xposed 模块入口
Application 层             App 初始化

hook/system/               system_server Hook
hook/google/               Google App 进程 Hook
hook/colordirect/          ColorDirectService Hook
hook/breeno/               小布入口接管

agent/runtime/             Agent Runtime、跨进程协议、结果归档
agent/model/               模型提供商抽象、SSE 解析
agent/tool/                本机工具执行器
agent/device/              root / 无障碍 / input 设备控制
agent/terminal/            会话式 shell 与文件工具
agent/overlay/             运行浮层与手势反馈
agent/skill/               Skills 解析与索引
agent/accessibility/       无障碍服务与自恢复

data/db/                   Room：会话、模型提供商、运行归档
data/repository/           仓库层
data/provider/             内置模型提供商与官方模型目录

ui/app/                    App 根状态、导航
ui/screens/                各功能页面
ui.pages/providers/        模型提供商管理
ui/components/             通用组件
systemizer/                Google App 系统化安装器
config/Prefs.kt            RemotePreferences 配置

更多旧入口接管细节见 docs/TECHNICAL.md。该文档主要记录 Gemini、一圈即搜和 RemotePreferences 链路，Agent Runtime 以后会单独补充技术文档。