独立开发者打造全自主 Android Agent：30 工具+端侧 Gemma 3 1B+策略门禁
Adventurous-Win6029 · reddit · 2026-09-06
一位独立开发者用纯 Kotlin 构建了完全自主的 Android agent，通过无障碍树（accessibility tree）控制手机，实现完整的「感知-思考-行动-验证」循环。
核心设计：
- 30 个工具：手电筒、剪贴板、短信、应用启动、网页搜索、任意应用内导航等；侧键语音请求可后台语音应答。
- 双层大脑：端侧 Gemma 3 1B 处理简单命令（查电量、开应用等）零延迟；复杂任务升级到云端 70B 模型。路由是确定性的（关键词匹配+意图槽位），不靠模型调用决定路由。
- 策略门禁（policy gate）：每个工具调用前都经过清单校验的硬门禁，被标记的操作不是「记录后放行」而是直接阻断，需人工确认。作者从一项覆盖 112 个模型的 prompt injection 防御测量项目中移植了这套架构。
其他数据：134 个单元测试、8/8 设备回归、release APK 约 8.7 MB（R8 压缩）、支持命名 recipe（一次教学多步任务、之后回放）、深度感知可跨 20 个屏幕读取结构化数据（如 Amazon 搜索的商品+价格）。
作者的核心观点：没有硬门禁的自主性不是自主性，是责任隐患——agent 能做手机能做的一切，所以必须有一层能说「不」的机制。
所属事件:独立开发者推出端侧 Gemma 3 驱动的全自主 Android 智能体(2 条相关)→
「编程与Agent」频道最新
- Teknium 为 Hermes Agent 接入 Meshy 插件，文生完整 3D 模型 — Teknium · 2026-10-23
- 一人团队用 agent 跟踪 519 个目录站，已提交 311 个 — fekdaoui · 2026-10-23
- MIT ScienceClaw 黑客松:去中心化 AI agent 集群攻科学难题 — ProfBuehlerMIT · 2026-10-23
- Reddit 热议:长时程 Agent 该在 harness 层解决什么问题 — Glittering812 · 2026-10-23
- 月付 20 美元同时跑 100 个 DeepSeek v4.1 flash agent — zack_overflow · 2026-10-23
- MCP 弃用 session-id 转向内联 _meta,有状态工具迁移成难题 — Stock-Pumpkin-8859 · 2026-10-23