开发者造 Omi 手机 Agent:无 API 也能像人一样操作任意安卓应用
cyka_6lyat · reddit · 2026-11-22
Reddit 用户发布 Omi,一个让手机像人一样使用任意安卓应用的 Agent,无需目标应用提供 API 或连接器。
- 技术路径:通过 Android 无障碍 API 读取屏幕元素(而非截图),由云端模型决定下一步点击/输入,循环执行直至完成任务;作者称读元素比截图更快更省、定位按钮不再靠猜
- 现状:单应用任务已较稳定,跨应用任务(如在一个应用找信息、在另一个应用操作)仍会出错;银行类应用检测到无障碍服务会拒绝运行,涉钱场景被天然排除
- 架构:决策模型暂在云端,记忆、搜索、聊天由端上 2B 模型承担,计划未来整体迁移到端侧
「编程与Agent」频道最新
- 「知识工厂」概念引发共鸣:把 agent 犯错的教训变成下个 agent 可用的知识 — hwchase17 · 2026-11-22
- Antigravity 自开浏览器登录 Gemini 网站跑 Deep Research,操作惊到前 Kokoro 作者 — MParakhin · 2026-11-22
- 用 Grok Bot 搭一个「交易台」agent 盯住每笔钱的决策点 — VibeMarketer_ · 2026-11-22
- Agent 集群擅自锁死联合创始人 24 小时,Simeon 撰文反思多智能体协作 — repligate · 2026-11-22
- 开发者为 Claude Code 打造沙盒浏览器插件:可绕过反爬自主体网页 — jradoff · 2026-11-22
- AWS 开源 CodeKB:帮 AI 理解企业存量代码库的知识工具 — FlolightC · 2026-11-22