手机上的开源 Agent：对标 Pi 的 6 个原生 App 实战
一个古董级程序员，沉迷于把想法变成代码。日常工作是用 Codex 写长上下文，用 Claude Code 拆 Agent；业余时间折腾 zicode.com 上小说站和公众号的搭建。如果你也想看一个”工程师视角的 AI 落地日记”，欢迎关注微信公众号「字与码」（搜 zicode 或扫文末二维码），每周一更，不水文。
一、先对齐：“对标 Pi”到底是什么
很多人说”对标 Pi”，但 Pi（Inflection）到底是什么？
- 定位：移动原生 AI 伴侣 App，装完即跑。
- 体验：iOS / Android / Web / WhatsApp 多端同步，语音极其自然，完全免费。
- 短板：只聊天，不干活——没有 tool calling、没有 agent 循环、云端专有模型。
所以”对标 Pi”其实是两层叠加：
Pi 式 “移动原生 + 装完即跑 + 体验流畅” 的外壳 + Agent 真正 “动手干活” 的内核。
再加上两个硬约束：不要 Termux、原生 App（不是装个壳子跑桌面端）。基于这个组合，我们筛掉了一大批项目，下面 6 个能跑出来。
二、移动端开源 Agent 全景（先把全局看清）
2026 年的移动端开源 Agent 大致能分成五类，按”你拿手机干什么”分：
| 类别 | 做什么 | 代表项目 |
|---|---|---|
| A 类 | 手机当 Agent 主机（原生 App） | Aether · OpenDroid · PokeClaw · Operit · Gotcha · OpenMinis |
| B 类 | 手机当”被操控的设备”（MCP 适配器） | Aster · DroidMind · Lociant |
| C 类 | 手机跑桌面 harness（Termux 改造） | ClawPhone · Termux+Ollama · phone-agent |
| D 类 | 纯视觉/研究型（截图 + 多模态） | AppAgent（腾讯）· Mobile-Agent（阿里）· UI-TARS（字节）· UFO³ Galaxy（微软） |
| E 类 | 离线多合一 | OGAM / Off Grid AI |
需求——“对标 Pi + 装完即跑 + 不用 Termux”——精确锁定 A 类。下面这份图谱就是 A 类六个项目的横评。
三、A 类六项目横评图谱
先看图，再讲细节。所有数据均来自 GitHub REST API 与各项目 README（抓取时间 2026-08-21 21:17 GMT+8），综合分是基于六维定性评估打的，不是官方评分。
A 类六项目横评 · Operit 4.8 居首，Gotcha 因依赖 Termux 出局
从图里能直接看出三件事：
- 热度断层：Operit（7,139★）和后面五个完全不是一个量级，最像”真产品”。
- Termux 红线：只有 Gotcha 明确踩线，剩下 5 个要么自带 Linux 沙箱、要么走无障碍+端侧推理。
- License 风险：OpenDroid 是 NOASSERTION（未声明），商用 adoption 要小心；其余都是成熟开源协议。
四、逐个深扒（按综合分排序）
🥇 Operit — “手机里的 AI 操作系统”（综合 4.8 · 最推荐）
- 真实数据：7,139★ / 568 forks / LGPL-3.0 / v1.12.1 / 2026-08-08 / 已合并 1008 个 PR。
- 核心能力：内置 Ubuntu 24 chroot、40+ 工具、MCP / Skill 市场、Memory Vault、可视化工作流、Tasker 集成、本地 MNN/llama.cpp 推理。
- 技术合理性 ★★★★★：功能密度和工程完成度最高，是这批里唯一”看着像产品”的项目。
- 代价：380MB APK + chroot 较重，性能取决于机型。
✅ 我的判断：想看”一个完整的移动端 Agent 产品长什么样”，Operit 是首选样本。拆它的工具编排和 Memory 设计，比读 10 篇论文都管用。
🥈 OpenMinis — 工程含金量最高的跨端项目（综合 4.3）
- 真实数据：3,880★ / 451 forks / GPL-3.0 / v1.12 / 2026-08-18 / 约 34 万行代码。
- 核心能力：手机里跑完整 Alpine Linux 沙箱（iOS 用自研 iSH-ARM64 + Asbestos 解释器 + JIT 崩溃恢复；Android 用 PRoot），27 个 native offload（HealthKit/HomeKit…），MCP 客户端、Skills、浏览器自动化、持久记忆。
- 技术合理性 ★★★★★：在 iOS 沙箱里塞进真 Linux 是硬核系统工程。
- 代价：BYOM（带自己的 API Key / 云端模型），无端侧推理，Linux 沙箱偏重。
🥉 Aether（扶摇）— 最”对标 Pi”的一个（综合 4.2）
- 真实数据：576★ / 41 forks / GPL-3.0 / v2.1.3 / 2026-08-18 / 提交节奏”sporadic”。
- 核心能力：原生 Kotlin App，基于 Pi framework 内核，原生兼容 90% Pi Coding Agent 插件（5000+），完整 MCP + Anthropic Skills，GUI 虚拟屏（Ruto / AutoGLM 式截图回灌），并行工具调用、定时任务、Watchdog 自愈。
- 技术合理性 ★★★★☆：把桌面 Agent 的 MCP/Skills 范式搬上手机，架构先进。
⚠️ 风险：作者是初三学生，提交节奏”sporadic”，成熟度存疑。Pi framework 是闭源内核封装，可审计性一般。
OpenDroid — 最”自治”的一个（综合 4.2）
- 真实数据：888★ / 114 forks / License 未声明（NOASSERTION）/ v1.0.5 / 2026-08-18。
- 核心能力：自主规划→执行→验证→修正闭环，四层记忆，无障碍操控全手机，60+ 设备动作，截图理解，支持 12 家 LLM + 本地模型 + 故障转移。
- 技术合理性 ★★★★☆：无障碍驱动比截图视觉更稳，自愈循环是差异化。
⚠️ 风险：License NOASSERTION，开源 adoption 有法律灰度。商用前必须重写许可声明。
PokeClaw — 最”纯离线隐私”的一个（综合 3.7）
- 真实数据：1,010★ / 144 forks / Apache-2.0 / v0.7.1 / 2026-05-26 后无提交（~2.5 月停滞）。
- 核心能力：Gemma4 经 LiteRT-LM 完全端侧推理，UI 树（非脆弱截图）判定，原生 tool calling，Skills 系统，token 预算上限，WhatsApp 上下文感知自动回复。
- 技术合理性 ★★★★★：架构最”正确”——零云、零 Termux、端侧推理、UI 树。
⚠️ 风险：单人开发、提交停滞、35 个 open issues。端侧小模型能力上限明显。适合”研究离线架构”，不适合”当生产工具”。
Gotcha — 安全模型最亮眼，但踩 Termux 红线（综合 2.8 · ❌ 不推荐）
- 真实数据：9★（GitHub 仓库 2026-08-01 才建，Product Hunt 首发 95 upvotes 但 GitHub presence 极嫩）/ AGPL-3.0 / v1.0.2。
- 核心能力：100+ 原生设备工具、Monitor/Operator 双模式、4 级权限、审计日志、Safe-Mode 安全 LLM、跨 App 实时语音通话。
- 技术合理性 ★★★★：安全分层是真创新。
❌ 出局原因：明确依赖 Termux 跑终端能力，违反硬约束。其安全分层思路值得关注，但产品形态不贴合”装完即跑”。
五、深度分析：三个我自己想强调的判断
判断 1：MCP 是移动端 Agent 的”事实标准接口”
把这份图谱和上一篇《成为 Agent 工程师，需要哪些技能？》对照着看，会发现一个非常一致的现象：
Aether、Operit、OpenMinis、OpenDroid……六分之四的项目原生支持 MCP。手机端 Agent 的事实标准接口，就是 MCP。
这意味着两件事：
- 如果你在研究移动端 Agent 生态，先理解 MCP，再看项目，效率翻倍。
- 如果你是 Agent 工程师，把现有脚本封装成 MCP Server，既能直接挂到这些手机 Agent 上用，又是顶配档的硬通货。
判断 2：Pi 的”多端无缝”至今没人追上
这六个项目都超越了 Pi 的”能动性”（Pi 只聊天），但在 “Pi 式多端无缝体验” 上都输了——Pi 是 Web / iOS / Android / WhatsApp 全打通，而这批绝大多数是 Android-only（仅 OpenMinis 跨端）。
这是当前移动端 Agent 生态最大的真空：没人做到”桌面、手机、IM、邮件多端无缝接管同一会话”。这是产品机会，不是技术问题。
判断 3：架构先进性 ≠ 工程完成度
把六项目的”架构先进性”和”工程完成度”分开打分，会得到一张非常反直觉的图：
| 项目 | 架构先进性 | 工程完成度 |
|---|---|---|
| PokeClaw | ★★★★★ | ★★ |
| OpenMinis | ★★★★★ | ★★★★ |
| Operit | ★★★★★ | ★★★★★ |
| OpenDroid | ★★★★ | ★★★★ |
| Aether | ★★★★ | ★★★ |
| Gotcha | ★★★★ | ★★ |
PokeClaw 架构最”正确”（零云 + 端侧 + UI 树），但工程完成度拉胯；Operit 架构和工程都拉满。这就是为什么”评分表”在 Agent 生态里特别容易误导——你得分开看”设计得分”和”能跑得分”。
六、给你的选型建议（结合”Agent 工程师 + 看重 MCP + 做作品集”）
不同的目标，最优选择完全不同：
| 你的目标 | 推荐项目 | 理由 |
|---|---|---|
| 最快”对标 Pi + 研究 MCP 移动化” | Aether（扶摇） | 基于 Pi framework + MCP/Skills 原生，最贴上一篇 347 份 JD 的论点 |
| 想看”完整产品范式” | Operit | 7,139★、最成熟、MCP 市场 + 工作流，拆解价值最大 |
| 想要”真离线 + 无 Termux + 端侧推理” | OpenDroid（活跃）/ PokeClaw（架构） | OpenDroid 仍在迭代；PokeClaw 适合学离线架构 |
| 想啃”系统级工程”（iOS 沙箱黑科技） | OpenMinis | 34 万行代码、自研 iSH-ARM64，跨端项目首选 |
| 仅作研究 | Gotcha | 安全分层思路值得学，但不要装（Termux 红线） |
七、写在最后
这一轮做完最大的体感是：移动端 Agent 生态已经过了”玩具期”。Operit、OpenMinis 这种项目无论从代码量、用户量、活跃度看，都已经接近”真产品”的水位。
但同时，真正的”对标 Pi 体验”还没人做出来。Pi 最大的优势不是模型强，而是”装完即跑 + 多端无缝 + 体验流畅”——这一层目前所有开源 Agent 都没接住。
如果你正在从普通 AI 工程师往 Agent 工程师转型，这条赛道比单纯卷大模型后端要香得多：竞争没那么红海、技术栈完整、产品体验差距大、上手机会大。
下一篇文章，我会拆 Aether 的 MCP 架构，把它和上一篇的 MCP 知识点对上号，看它怎么把”桌面 Agent 范式”搬上手机。
📌 数据说明：本图谱所有 GitHub 数据通过 REST API 实时抓取（stars / forks / license / 最新 release / 最近 commit），抓取时间 2026-08-21 21:17 GMT+8。综合分为本人基于”热度 / 活跃 / 技术先进 / 无 Termux / 装完即跑 / 代理能力”六维做的定性评估，不是官方评分。
📌 立场：本文侧重”对标 Pi + 装完即跑 + 不用 Termux”这一硬约束场景。如果你的场景是”手机跑桌面 harness 跑模型服务”，请看 C 类（ClawPhone / Termux + Ollama），完全是另一套选型逻辑。
微信公众号
欢迎关注「字与码」
如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。
X / Twitter
关注 @ax2_zicode
更即时的技术观察、新文章提醒和一些短想法会发在 X 上。