Hanako 是一个 Android 悬浮窗 AI 客户端，核心用途是截图识题与快速作答。默认助手提示词偏向搜题场景，也可以在应用内改成翻译、总结、阅读辅助等其他用途。

[Download 0.0.14-alpha] [View Release Notes] [Telegram]

Hanako 把截图、识题、解题、复制/填写这几个步骤压缩到尽可能短：

• 普通模式：点击悬浮球后框选题目区域，发送给 AI，结果面板会展示解题思路、答案和可一键复制的答案片段。
• 自动模式：主页长按启动后进入自动模式，点击悬浮球会直接截取整屏并交给 AI；选择题答案显示在悬浮球里，填空题或文本答案写入剪贴板。
• 多图模式：长按悬浮球进入多图截图，每次单击添加一页，再次长按把多张截图一起发送给 AI，双击取消。

主要功能

• 悬浮球常驻桌面，支持拖动、点击、双击、长按和扇形快捷菜单。
• 支持普通模式、自动模式、多图截图模式。
• 支持两种处理链路：
  • OCR_THEN_LLM：先 OCR 提取文字，再交给文本模型分析，适合纯文本题目。
  • MULTIMODAL_DIRECT：直接把截图交给多模态模型理解，适合含图题目。
• 支持云端 OCR、文本模型、多模态模型分别选择不同提供方和模型。
• Full 版本内置 ML Kit 中文 OCR；Lite 版本不包含本地 OCR，建议使用云端 OCR 模型。
• 普通模式支持 Markdown / LaTeX 渲染、答案版本切换、[copy:内容] 一键复制片段。
• 自动模式支持选择题字母答案显示、文本答案剪贴板写入、完成通知、超时设置和静态振动提示。
• 支持历史记录查看、删除、重新生成，并把截图保存到应用私有文件。
• 支持联网搜索工具，由模型按需调用 web_search 后把搜索结果注入上下文。
• 支持应用内检查更新，在首页标题旁提示新版本。
• 支持 The Kirari Network OIDC 登录和 Kirari LLM 网关，也支持自定义模型提供方。

使用方式

普通模式

普通模式适合希望先看分析过程、再决定如何填写答案的场景。

1. 在 Hanako 首页启动悬浮球。
2. 点击悬浮球。
3. 框选题目区域。
4. 将截图发送给 AI。
5. 在结果面板里查看解题思路、答案和一键复制片段。

自动模式

自动模式适合追求极短操作链路的场景。

1. 在 Hanako 首页长按启动按钮进入自动模式。
2. 点击悬浮球。
3. 应用截取整张屏幕并发送给 AI。
4. AI 判断题型并执行一个动作：
   • 选择题：把 A / BC / ABD 这类字母答案显示到悬浮球。
   • 填空题/文本题：把最终答案写入系统剪贴板。

悬浮球操作

悬浮球启动后会常驻在屏幕上，可以自由拖动到任意位置。不同状态下的手势含义如下：

手势	Idle / Copied / Error	Processing	MultiPage	MenuExpanded
单击	打开截屏面板	打开截屏面板	截图一页	关闭菜单
双击	展开扇形菜单	取消处理	退出多图	关闭菜单
长按	进入多图截图	展开扇形菜单	发送截图	关闭菜单
拖动	移动气泡	移动气泡	移动气泡	-

快捷菜单

双击悬浮球会展开扇形快捷菜单：

• 视觉：切换 OCR 模式 / 多模态模式，高亮表示当前为多模态模式。
• 联网：开启或关闭联网搜索，高亮表示已开启。
• 设置：打开应用主界面。

菜单会根据气泡在屏幕上的位置自动调整展开方向。可以在「设置 → 更多 → 扇形菜单设置」关闭菜单或调整跟随尺寸。

多图截图模式

长按悬浮球进入多图模式后，气泡会显示已截取数量：

• 单击：截取当前屏幕并添加到缓冲区。
• 长按：将所有截图一起发送给 AI。
• 双击：取消多图模式并清空缓冲区。

权限与截图方式

应用依赖以下系统能力：

• 悬浮窗权限：用于显示悬浮球和结果面板。
• 网络权限：用于请求模型接口、搜索接口和检查更新。
• 通知权限：用于自动模式完成后的通知提醒。
• 截屏能力：可在「设置 → 更多 → 屏幕录制方式」选择。

当前支持两种截图后端：

• MediaProjection：Android 系统截屏/录屏授权，兼容性最好，但通常会出现系统授权弹窗。
• Shizuku ADB：通过 Shizuku 执行 screencap，需要设备已运行并授权 Shizuku。

配置说明

应用主界面底部有两个入口：

• Hanako：启动悬浮球、进入自动模式、切换处理链路、查看历史记录。
• 设置：管理模型、联网搜索、助手和其他高级选项。

设置页目前分为：

• 模型提供方：新增/编辑 API Base URL、API Key、提供方类型，支持连接测试和模型列表预览。
• 模型设置：分别为 OCR、文本、多模态任务指定提供方和模型，可收藏常用模型或手动输入模型名。
• 联网搜索：配置搜索开关、自动模式是否允许搜索、搜索引擎、API URL、API Key 和 Tavily 额度查询。
• 助手配置：管理助手名称、OCR 提示词、文本提示词和多模态提示词。
• 更多：配置悬浮球外观、扇形菜单、自动模式、静态振动、截图方式、网络兼容和 The Kirari Network。

当前支持的模型提供方类型：

• OpenAI Compatible
• OpenAI Responses
• Anthropic
• Google Gemini
• The Kirari Network

联网搜索

联网搜索开启后，当前任务模型可以通过 web_search 工具决定是否需要搜索。若模型调用工具，Hanako 会根据工具参数中的 query 调用搜索引擎，并把结果作为上下文继续交给模型生成回答。

适用场景：

• 时政、新闻、近期事件等模型训练数据未覆盖的问题。
• 需要最新数据才能准确作答的题目。
• 明确要求联网查询的问题。

支持的搜索引擎：

• Tavily
• Brave Search
• Serper.dev
• 自定义（Tavily 兼容格式）

技术实现概览

• Android + Kotlin
• Jetpack Compose + Material 3
• DataStore 保存本地配置与历史记录
• OkHttp / SSE 处理流式模型输出
• MediaProjection / Shizuku 完成截屏
• 前台服务承载悬浮窗
• kirari-llm-core 封装多提供方 LLM 适配器与工具调用格式
• kirari-auth-core 封装 OIDC PKCE 登录流程

主要目录：

• app/src/main/java/fun/kirari/hanako/ui
• app/src/main/java/fun/kirari/hanako/overlay
• app/src/main/java/fun/kirari/hanako/capture
• app/src/main/java/fun/kirari/hanako/network
• app/src/main/java/fun/kirari/hanako/workflow
• kirari-llm-core
• kirari-auth-core

本地构建

环境要求：

• Android Studio 最新稳定版
• Android SDK 36
• JDK 11
• Android 7.0 及以上设备或模拟器（项目 minSdk = 24）

构建调试包：

./gradlew assembleDebug

运行单元测试：

./gradlew test

构建 release 包：

./gradlew assembleRelease

项目包含 full 和 lite 两个 flavor，并按 ABI 拆包：

• app-lite-arm64-v8a-release.apk：推荐大多数手机使用。
• app-full-arm64-v8a-release.apk：包含本地 ML Kit 中文 OCR。
• app-lite-armeabi-v7a-release.apk / app-full-armeabi-v7a-release.apk：32 位设备使用。

如果需要构建签名发布包，可在项目根目录提供 keystore.properties。

Changelog

• 修复自动模式原始输出展示：不再根据“识别为单选题”等文本伪造工具动作，历史记录保留模型原始输出和真实工具调用结果。
• 修复 Responses 流式工具调用解析，兼容通过 SSE event 标识工具事件的网关线路，避免自动模式在 Kirari 线路下丢失工具调用。
• 新增自动模式图片 live 测试：生成实际选择题与填空题图片，验证选择题走悬浮球、填空题走剪贴板。
• 将最低支持系统降到 Android 7.0（API 24），并把 targetSdk 调整为 35，降低新系统兼容策略对悬浮窗/截屏流程的影响。