手机自动化工具常需电脑辅助，操作繁琐。一个名为“肉包”的开源项目改变了这一现状。它完全基于原生Android系统开发，无需连接电脑或复杂配置，利用视觉语言模型实现智能操作，让手机自动化变得前所未有的便捷与高效。
智能速览
原生Android实现，彻底摆脱PC依赖与ADB连接。
采用Tools/Skills双层架构，支持多Agent高效协作。
高度可定制，兼容通义千问、GPT-4V等多种AI模型。
借助Shizuku获取系统权限，无需Root即可执行高阶操作。
开源免费，提供了闭源商业方案的有力平替。
精华内容
“肉包”的出现，标志着手机自动化从PC依赖走向了原生智能。它不仅是技术上的突破，更是一种使用范式的革新，让手机真正成为自主运行的智能终端。
原生Android实现
市面上主流的手机自动化方案多基于Python，需要电脑作为中转站，通过ADB连接手机执行指令，操作延迟高且配置繁琐。“肉包”则完全不同，它使用Kotlin语言重写了整个框架，直接在Android设备上运行。截图、AI分析、决策、操作指令执行等所有步骤都在手机本地闭环完成，摆脱了对PC和USB数据线的束缚，显著降低了操作延迟。
Shizuku权限方案
Android系统出于安全考虑，普通应用无法模拟点击、滑动或读取其他App界面。“肉包”通过Shizuku这一优雅的方案解决了权限难题。用户仅需通过无线调试或电脑ADB授权一次，App便能获得ADB级别的系统权限，无需Root，也无需每次都连接电脑。这使得“肉包”可以直接执行截图、点击等操作，真正实现了“一个App搞定一切”。
多Agent协作
借鉴Claude Code的设计思想，“肉包”构建了Tools/Skills双层多Agent架构。当接收到如“帮我发个微博”的复杂指令时，Task Manager（规划Agent）会将其分解为“打开应用、输入内容、点击发布”等一系列子任务，并交由专门的执行Agent完成。这种分工协作机制，将任务规划与具体执行解耦，使得自动化流程更稳定、高效。
灵活模型后端
“肉包”在AI模型选择上提供了极高的灵活性，支持通义千问、GPT-4V、Claude以及本地Ollama等多种后端。用户可以根据自己的需求和硬件条件，自由切换云端大模型或部署本地私有化模型，避免了被特定厂商绑定。这种开放的设计，让用户能以最低成本，享受到最适合自身场景的视觉语言模型能力。
“肉包”不仅是“豆包”等商业方案的平替，更是一次开源社区对移动端AI自动化的深度探索。它原生、开放、高度可定制的特性，为开发者和极客玩家打开了新世界的大门。未来，手机自动化会走向何方？
