一、一句话定位

Operit 是当前移动端原生 AI Agent 赛道里功能最稠密、工程完成度最高、迭代最稳的开源项目。它把桌面级 Agent 几乎所有的能力（工具调用、本地大模型、UI 自动化、工作流、MCP/Skill 生态、Web Chat）压缩进一个 Android APK，是少有的「手机装完即跑、动手干活、不要 Termux」三件事同时满足的项目。

上一篇《手机上的开源 Agent：对标 Pi 的 6 个原生 App》把它评为 4.8/5 的综合分。本篇是对它的全维度深拆：从架构、技术栈、历史、热度、活跃度、质量、先进性、功能、使用、桌面版、性能，到 9 个我未想到的角度。

关键数据：GitHub 7,140★ / 576 Fork / LGPL-3.0 / 30 贡献者 / 73 Issue / 已合并 1,008+ PR / 最近合并 PR 就在今天 / 20 个发布版本（v1.0→v1.12.1）/ 包体 ~380MB。数据口径：GitHub REST API（2026-08-21 22:00 GMT+8）。

二、先说「对标 Pi」到底在比什么

Pi（Inflection）是一款移动原生 AI 伴侣 App：装完即跑、跨 iOS/Android/Web/WhatsApp、语音极自然——但它只聊天，不干活。所以「对标 Pi」在 Agent 语境里有两层叠加：

• 皮：移动原生 + 装完即跑 + 体验流畅（Pi 的强项）
• 核：Agent 真的能「动手」（Pi 的弱点）

Operit 拿到的是「皮 + 强核」：它是原生 Android APK，不依赖 Termux 装环境；能力密度又远超 Pi——这是它被关注的原因。但受众和 Pi 完全不同，这一点下面会展开讲。

三、数据快照：热度、活跃度、质量

3.1 热度（GitHub 口径，截至 2026-08-21）

指标	数值	说明
Stars	7,140	在 A 类六项目中绝对第一，是第二名 OpenMinis（3,880）的 1.84 倍
Forks	576	复制/二次开发的体量
Watchers	43	订阅更新
Open Issues	73	活跃讨论量适中
Contributors	30	详见下文化名
License	LGPL-3.0	修改后分发需开源改动部分
首发	2025-03-15	~17 个月项目
最近提交	2026-08-21（今天）	合并 PR #1008，fix token 数据迁移

关于社区传言：部分中文媒体转载的「15,000+ stars、80+ 贡献者、200+ 插件、500+ 工作流」与 GitHub API 返回的真实数据不一致（stars 7,140、贡献者 30、issues 73），本文以 GitHub 官方 API 为准。

3.2 活跃度

• 发布节奏：v1.4→v1.12.1 共 11 个月 20 个版本，平均约 3 周一版。最密是 2025-12（v1.6.0→v1.6.4→v1.7.0→v1.7.1）和 2026-02（v1.8.0→v1.8.1→v1.9.0→v1.9.1）连发 4 个版本。
• 代码语言：Kotlin 19.3MB（约 88%），JavaScript 2.5MB，C++ 524KB（llama.cpp/MNN 绑定），TypeScript 470KB，Python 444KB（脚本/工具）。
• 贡献分布：前 5：AAswordman 1,269、luojiaping 80、CATMIAOZHI 27、yizhen47 23、ic-timon 21。第二名与第一名差 15.8 倍——单点维护风险显著。

3.3 质量

• 安全：v1.12.0 主动移除硬编码默认 DeepSeek API Key（社区早期版本曾内置作者的免费 key 引发隐私讨论，这次清理是负责任的）
• 稳定性：v1.9.1、v1.12.0 等多个「.1/.0」版本都是「集中修复」型，节奏诚实
• 国际化：v1.12.0 新增韩语/西班牙语/葡萄牙语本地化，多模型显示名/按钮溢出已修
• 文档：官方文档站 operit.app + README（中文/英文双 README）+ 贡献指南 + Discord + QQ 群

四、架构：塞进 Android 的「AI 操作系统」

我从 README / 更新日志 / 多篇社区拆解中还原了 Operit 的运行时分层（非官方发布图）：

图 1 · Operit 5 层架构（UI / Agent 运行时 / 能力执行 / 对外服务 / 底座）

4.1 技术栈关键决策

• chroot Ubuntu 24：不是 Termux，是把完整 Linux 用户空间 chroot 进 Android，与宿主共享内核。代价：无真实隔离；收益：apt 装包、Python/Node.js/SSH/vim 真能用。
• AutoGLM + UI Tree 双通道：AutoGLM（智谱）做视觉+规划决策；UI Tree + uiautomator dump 做结构化元素识别。两条路互补，比单截图更稳。
• MNN + llama.cpp 双推理：MNN（阿里）偏移动端速度优化；llama.cpp（GGUF）偏生态丰富度。Qwen 2.5 1.5B/7B 是社区主流搭配。
• ToolPkg IPC + Hook Runner + Plan-mode IPC：v1.11/v1.12 才浮出水面的「内核」：工具包以独立进程通信，Hook 可在调用前后拦截，Plan-mode 让 Agent 显式「先想后做」。这套设计对标桌面 harness 的内核抽象。

架构上的一个反直觉点：Operit 是一个单体 Android 应用，不是可自托管的 Web 服务。社区里把它类比成「手机版 Open WebUI / Open Claw」其实并不严谨——Open WebUI 是 Web 服务（多用户、跨设备、API），Operit 是 App（单用户、可选 Web 端点 + HTTP API）。这俩的目标形态不同。

五、历史演进：从聊天壳到 Agent OS

图 2 · v1.0 → v1.12.1，2025-05 → 2026-08

阶段一 · 聊天 + 工具（2025 上）

v1.0 (2025-05) 首发只有 AI 聊天 + 基础工具调用 + Shizuku/Root 集成；v1.1 接入 MCP 协议、OCR、悬浮窗；v1.2 上线语音和知识库；v1.3 加 Web 开发与主题；v1.4 把并行工具执行和角色卡做扎实——这是它从「App」变成「框架」的拐点。

阶段二 · Agent 化 + 生态（2025 下–2026）

v1.5 (2025-09) 是真正的分水岭：Ubuntu 24 完整终端 + MCP 市场 + 桌宠上线，「手机里的 Linux 工作站」叙事定型。后续节奏：

• v1.6 (2025-10)：MNN 本地推理 + 记忆库（Memory Vault）重写 + Tasker 联动
• v1.7 (2025-12)：AutoGLM + Root 虚拟屏（多显示器并行），并引入 Skill 协议 + Skill 市场
• v1.8 (2026-01/02)：llama.cpp (GGUF) 本地推理，工作流系统+语音唤醒
• v1.9 (2026-02)：移动端 Web 自动化 + Windows 终端控制（关键，详见 §八）
• v1.10 (2026-03/04)：角色卡群聊 + AI 自配置 + 主题/液态玻璃 UI
• v1.11 (2026-05)：Web Chat（桌面浏览器访问手机端对话）+ Artifact 市场 + ToolPkg AI Provider
• v1.12 (2026-07/08)：统一市场 + Hook Runner + Plan-mode IPC + 多语言扩展

这条曲线与桌面 Agent 生态（OpenClaw/dify/n8n）的成熟轨迹高度同构——印证了上一篇文章的论点：MCP / Skill 协议 / 工具并行 / 工作流 / Artifact 是新 Agent 平台的事实标准组件。手机端不是另起炉灶，是同构压缩。

六、技术先进性：被低估的 5 个细节

不是「做出来」，是「做对」。下面这 5 点在桌面 harness 圈里讨论得也不多：

• ToolPkg IPC（v1.12）：工具包不再是「直接调函数」，而是走 IPC。这意味着工具崩溃不会拖垮主进程，也可以做权限沙箱——是把桌面「sidecar / microservice」思维带进 App 的设计。
• Hook Runner + 计划模式：在 Agent 调工具前后插入拦截，可做权限提示、参数改写、审计；计划模式让 Agent 显式「先想后做」，减少直接执行的风险。这两件事桌面 harness 还在补。
• 并行只读工具（v1.10+）：只读工具（文件搜索、HTTP 探活）自动并行，长上下文 token 减少的同时响应更快——是「工程化打磨」层面的进步。
• Compose DSL（v1.11）：自研 DSL 支持 WebView、slot、调试 dump、重渲染——把移动端的 UI 表达力提升到接近桌面 SPA。
• 上下文限制器 + WorldBook 搜索（v1.11）：长对话「lost in the middle」的硬解法，桌面 harness 普遍还没做。

七、功能全景：40+ 工具的拓扑

类别	代表能力	对标桌面能力
Linux 环境	apt、Python、Node.js、Git、SSH、vim	WSL / 多发行版容器
文件系统	读写、搜索、解压、格式转换、Git 集成	shell + git + 文件管理器
网络	HTTP 请求、网页访问、文件上传/下载、Web 开发导出	curl + 浏览器 + webhook
系统操作	装/卸 App、权限管理、UI 自动化（无障碍/ADB/Root）、AutoGLM、虚拟屏	UIAutomator + ADB + AutoHotkey
媒体	视频转换、帧提取、OCR/视觉理解、相机、音频读取	ffmpeg + Tesseract + GPT-4V
开发 / 终端	Web 工作区/一键打包、代码编辑/语法高亮、SSH/Chroot/vim、Ctrl 组合键	VSCode + tmux
AI 创作	绘图（OpenAI/Qwen/NanoBanana/Zhipu）、图片搜索/下载	ComfyUI + Midjourney
搜索	深度搜索、DuckDuckGo、Tavily、谷歌学术、Bing、百度地图	Perplexity + 学术检索
工具包 / 工作流	ToolPkg 管理、工作流自动化、定时/语音唤醒触发	n8n / Zapier / Make
集成	Tasker、MCP/Skill 市场、OpenAI Responses、Claude、Gemini、xAI、Ollama、NVIDIA、OpenRouter、LMStudio	LangChain / LiteLLM / MCP 客户端

八、使用方法：5 步上手 + 3 个场景

8.1 上手 5 步

1. 从 GitHub Releases（AAswordman/Operit/releases）或官网下载 APK（第三方分发站存在被植入风险，README 明确警告）
2. 安装并启动，依次同意协议、个性化定制（职业/性格/身份）
3. 授予「无障碍」权限；想做更强的自动化再开 Shizuku 或 Root
4. 配置模型：云端填 API Key（OpenAI/Claude/Gemini/DeepSeek 等），或本地导入 GGUF 文件到 models/ 目录
5. 进入 AI 对话，先试「Linux 环境」跑一条 python3 -c "print(1+1)"，再试「UI 自动化」说一句「把微信第 3 条文件保存到网盘」

8.2 三个典型场景

• 移动开发者应急：高铁上 SSH 服务器、Git clone、修代码、跑测试、Commit。Ubuntu 终端 + 自动化一条龙。
• 自媒体内容工厂：深度搜索 → 总结大纲 → 绘图插件 → 本地 TTS 配音 → 整理到文件夹，全部由工作流串起来。
• 极客自动化中枢：Tasker 监听通知 → 触发工作流 → AI 读邮件 → 自动回复 → 摘要写 Notion，自然语言描述就能搭。

九、桌面版？明确回答 + 关系图

没有原生桌面版（没有 Windows / macOS / Linux 客户端）。官方只发 Android APK。

但桌面与 Operit 的关系不止「没有」这么简单。三条通路：

• ① 桌面 → 手机：v1.11 起开放 Web Chat：同 WiFi 下桌面浏览器访问手机 IP，可直接对话、操作工具。这是「手机当服务器，桌面当客户端」。
• ② 手机 → 桌面：v1.9 起支持 Windows 终端控制：Operit 远程执行 Windows 命令，可直接驱动 Codex 等桌面 CLI。手机成了桌面的「远程大脑」。
• ③ 任意 → 任意：v1.12 起 外部 HTTP 服务 默认关闭；开启后暴露本地 Web Chat + HTTP API，可自托管为家庭 Agent 节点。QQ Bot 示例也已就位。

所以「桌面版」这件事的答案不是「有/没有」，而是**「手机正在变成 Agent 节点，桌面只是它的一种端」**——这是 Agent 时代典型的形态转移。

十、性能 / 硬件门槛：物理上限是天花板

10.1 设备门槛（README）

• Android 8.0+（API 26+）
• 推荐 6GB+ RAM，最小 4GB
• 剩余存储 5GB+
• APK ~380MB（含 chroot 镜像）

10.2 本地推理速度（社区实测口径）

方案	模型	内存	速度（骁龙 8 系）	适用
MNN	Qwen2.5-1.5B / TinyLlama-1.1B	2–4 GB	10–20 tok/s	中端机日常对话
llama.cpp	Qwen2.5-7B-Q4 / Llama-3-8B-Q4	5–8 GB	5–12 tok/s	旗舰机离线复杂任务
混合	本地 + 云端按需切换	—	—	日常本地省电、复杂任务上云

10.3 物理天花板（软件改不了的部分）

三条硬约束：

1. 散热：持续推理 10 分钟开始降频，7B 速度会从 12 tok/s 掉到 5 tok/s；
2. 屏幕与输入：长代码编辑、表格操作，触屏仍不如键鼠；
3. 电池：本地 7B 一小时对话约 20–30% 电量——应急可以，长时间不行。

所以「手机取代笔记本」是叙事，不是结论。它的真实价值是「应急/碎片时间/通勤的生产力补充」，不是替代。把期望放对，体验会顺很多。

十一、9 个我未想到的角度（文章真正的核心）

网上关于 Operit 的文章大多是「功能介绍 + 哇塞」型。我更想分享一些看穿表象的判断。

① 受众错位：装完即跑 ≠ 对标 Pi

满足「移动原生 + 装完即跑」是真的，但 Operit 的人群不是 Pi 的人群。Pi 是消费级伴侣——打开就聊、什么都不用配置。Operit 是工程级极客工具——你要懂 Shizuku、API Key、模型选择、权限分级。把它推荐给「想换个 AI 聊天」的朋友，大概率会被劝退。这是它和 Pi 最大的、但最不被人说起的差距。

图 3 · 移动原生 × 动手能力的二维定位：Operit 落在右上（满足你的约束），但与 Pi 的「右下大众」象限不同

② 单维护者风险（Bus Factor = 1）

AAswordman（aa 剑侠，B 站 UP 主）一人贡献 1,269 次 commit，第二名 luojiaping 80 次——差 15.8 倍。LGPL 保护代码，保护不了项目延续。如果他停更一年，主线几乎立刻停滞；社区可以 fork，但主线的事实标准仍会随维护者一起消失。这是「把 Operit 用于生产」时必须诚实写下的风险。给它一个 star 不够，贡献 issue/PR/文档是更实质的支持。

③ chroot 是特性，也是攻击面

「上帝视角」的代价是「无真实隔离」。chroot 共享 Android 内核，不是真容器：一旦授权 Root 或无障碍，被恶意工具利用就等于全设备裸奔。再加上它支持外部 HTTP API、QQ Bot、远程 MCP——任何一个开启的网络面都是新的攻击面。安全模型 = Android 权限本身 + 你给它的授权。不要在主力手机上裸跑陌生 MCP。

④ 集成者，不是创新者

把 Operit 的所有「先进技术」列出来：MCP（Anthropic 提出）、AutoGLM（智谱）、llama.cpp（社区）、MNN（阿里）、Skills（自创但概念上追随 Anthropic Agent Skills）、Compose DSL（学自桌面 SPA）、Hook Runner（学自桌面 harness）……它几乎没有自己的底层研究创新。它的强项是把别人的好东西压缩进 Android 并稳定可用。这本身就是巨大的工程价值，但要分清「集成」与「创新」——前者更常见，后者更稀有。

⑤ 与 Open WebUI 的类比不严谨

社区常说「手机版 Open WebUI」——不对。Open WebUI 是多用户 Web 服务，跑在服务器上，所有人共享一个大脑。Operit 是单用户 App，一个手机一个大脑，多端通过 Web Chat 接入是「可选项」。两者的部署、运维、扩展心智完全不同。这是判断它能不能上生产的根本分歧。

⑥ MCP 移动端标准化：上篇文章论点的强证据

我上篇文章说「MCP 是新基础设施」。A 类六项目里 Operit、Aether、OpenMinis 都 MCP 原生，OpenDroid 部分支持。从「桌面协议 → 移动端默认」只用了 1 年——这是非常快的协议扩散速度。Operit 还在 MCP 之上加了 uvx/npx 支持，等于把 npm 生态一并带进手机。这件事对未来 1–2 年的移动 Agent 格局影响极深。

⑦ 从「代理」到「产品」的拐点：Agent-as-a-Service

v1.11 Web Chat + v1.12 Artifact 市场 + 外部 HTTP API + QQ Bot 示例——这条线是**「你的手机正在变成一个 Agent 节点」**。它不再只「听你说话」，而是可以被外部系统调用、发布作品、对接 IM。下一阶段（v1.13 以后）的合理想象：把 Operit 装在旧手机上作为家庭 AI 节点，桌面/家庭设备全部接入。这和 Pi 的「云端大脑 + 任意端」形态是同构的，只是大脑在本地。

⑧ 物理天花板是真天花板

7B 5–12 tok/s、4GB 内存起步、380MB APK、Root 授权解锁虚拟屏——这些是「手机能跑到这里」的硬线。不是软件能改的。所以「手机变唯一计算设备」是远景，不是当下。当下真实：在通勤/高铁/临时场景下，能干活。期望放对，Operit 会很香；期望当 PC 替代品，会失望。

⑨ 给 Agent 工程师的作品集启示

Operit 是百万行级别的 Kotlin 单体应用，直接 fork 做作品集性价比低。但它的设计模式值得拆：

• ToolPkg IPC 抽象（怎么把工具做成 sidecar 进程）
• Hook Runner（怎么在 Agent 调工具时插入权限/审计/参数改写）
• Plan-mode + 上下文限制器（怎么压住长对话的失焦）
• Skill 协议（怎么把桌面 Skills 模式迁移到移动）
• Compose DSL（怎么在 App 内做嵌入式 UI 表达）

把这五点抽出来，用 200 行 Python 在你熟悉的桌面 harness 里复现一遍，比 fork Operit 改一行更值。

十二、结论：给谁用、怎么用（诚实给建议）

• ✓ 推荐：极客 / 移动开发者 / 自动化玩家 / 隐私敏感用户 / 想研究 MCP 移动化的 Agent 工程师 / 旧手机再利用玩家
• ✗ 不推荐：只想找个「开箱即聊的 AI 伴侣」的人 / 不会用 Shizuku/API Key/权限分级的人 / 把手机当唯一计算设备的人

我的真实使用建议：

• 研究者：把它当模式库，拆 ToolPkg IPC / Hook / Skill 协议 / 上下文限制器，写一篇《Operit 的可借鉴设计》——这比 star 数更能体现你深度
• 使用者：主力机不要裸跑未知 MCP，旧手机/备用机开 Root 玩，玩一周判断真不真用
• 普通用户：现阶段 Pi 仍然是更平滑的体验；Operit 的红利要等你愿意「自己配置」之后才能吃到

十三、关键数据卡

维度	结论
形态	Android 原生 App（无桌面客户端）
License	LGPL-3.0
主语言	Kotlin（88%），C++ 524KB（llama.cpp/MNN）
系统要求	Android 8+，6GB+ RAM，5GB 存储
APK 大小	~380MB（含 chroot Ubuntu 24）
最新版本	v1.12.1（2026-08-08）
项目年龄	~17 个月（2025-03-15 首发）
GitHub Stars	7,140（A 类第一）
Forks / Contributors	576 / 30（TOP1 占 95%+）
版本节奏	~3 周一版，最新合并 PR 在今天
是否用 Termux	否（chroot Ubuntu 24，自有容器）
本地模型	MNN + llama.cpp（GGUF），Qwen/Llama 主流
推理速度	MNN 1.5B: 10–20 tok/s；llama.cpp 7B: 5–12 tok/s
桌面接入	Web Chat（桌面→手机）+ 外部 HTTP API + Windows 终端控制（手机→桌面）
核心风险	单维护者（bus factor 1）/ chroot 无真实隔离 / 380MB 重

---

系列文章：上一篇《成为 Agent 工程师，需要哪些技能？》、上上一篇《手机上的开源 Agent：对标 Pi 的 6 个原生 App》。下篇预告：拆《Aether（扶摇）的 MCP 架构》——基于 Pi framework 的另一个有意思的项目。

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

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。