Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Android Automation Tool Based on Vision-Language Models
| Date | Stars |
|---|---|
| 2026-07-31 | 2297 |
| 2026-08-02 | 2299 |
| 2026-08-06 | 2299 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
<p align="center">
<img src="docs/images/logo.png" alt="肉包 Roubao - AI Android Automation" width="120" height="120">
</p>
<h1 align="center">肉包 Roubao</h1>
<p align="center">
<strong>首款无需电脑的开源 AI 手机自动化助手 | AI Phone Automation Assistant</strong>
</p>
<p align="center">
基于视觉语言模型 (VLM) · 原生 Android Kotlin · 多 Agent 协作架构
</p>
<p align="center">
<a href="README_EN.md">English</a> | 简体中文
</p>
<p align="center">
<img src="https://img.shields.io/badge/Platform-Android-green.svg" alt="Platform">
<img src="https://img.shields.io/badge/Min%20SDK-26-blue.svg" alt="Min SDK">
<img src="https://img.shields.io/badge/License-MIT-yellow.svg" alt="License">
<img src="https://img.shields.io/badge/Language-Kotlin-purple.svg" alt="Language">
</p>
<p align="center">
<img src="docs/demo/demo.gif" width="280" alt="演示">
</p>
<p align="center">
<img src="docs/screenshots/1.jpg" width="180" alt="首页">
<img src="docs/screenshots/3.jpg" width="180" alt="能力">
<img src="docs/screenshots/2.jpg" width="180" alt="执行记录">
<img src="docs/screenshots/4.jpg" width="180" alt="设置">
</p>
---
## 项目背景
2025 年 12 月，字节跳动联合中兴发布了「豆包手机助手」，一款能够自动操作手机完成复杂任务的 AI 助手。它能帮你比价下单、批量投简历、刷视频，甚至代打游戏。
首批 3 万台工程机定价 3499 元，上线当天即告售罄，二手市场一度炒到 5000+。
**买不到？那就自己做一个。**
于是有了肉包——一个完全开源的 AI 手机自动化助手。
为什么叫「肉包」？因为作者不爱吃素。🥟
---
## 与同类项目的对比
| 特性 | 肉包 | 豆包手机 | 其他开源方案 |
|------|------|----------|--------------|
| 需要电脑 | ❌ 不需要 | ❌ 不需要 | ✅ 大多需要 |
| 需要购买硬件 | ❌ 不需要 | ✅ 需要 3499+ | ❌ 不需要 |
| 原生 Android 实现 | ✅ Kotlin | ✅ 原生 | ❌ Python |
| 开源 | ✅ MIT | ❌ 闭源 | ✅ 开源 |
| Skills/Tools 架构 | ✅ 完整 | ❓ 未知 | ❌ 无 |
| UI 设计 | ⭐⭐⭐½ | ⭐⭐⭐⭐ | ⭐⭐ |
| 自定义模型 | ✅ 支持 | ❌ 仅豆包 | ✅ 部分支持 |
### 我们解决了什么问题？
**传统的手机自动化方案痛点：**
- 必须连接电脑运行 ADB 命令
- 需要部署 Python 环境和各种依赖
- 只能在电脑端操作，手机必须通过数据线连接
- 技术门槛高，普通用户难以使用
**肉包的解决方案：**
一个 App，装上就能用。无需电脑、无需数据线、无需任何技术背景。
打开 App → 配置 API Key → 说出你想做的事 → 完成。
---
## 为什么选择肉包？
### 原生 Android 实现，不是 Python 脚本的封装
市面上几乎所有手机自动化开源项目（包括阿里的 MobileAgent）都是 **Python 实现**，需要：
- 在电脑上运行 Python 脚本
- 手机通过 USB/WiFi ADB 连接电脑
- 截图通过 ADB 传输到电脑，处理后再把操作指令传回手机
**肉包完全不同。**
我们用 **Kotlin 重写了整个 MobileAgent 框架**，原生运行在 Android 设备上：
- 截图、分析、执行全部在手机本地完成
- 无需电脑中转，延迟更低
- 利用 Shizuku 获得系统级权限，而非繁琐的 ADB 命令
### 为什么需要 Shizuku？
Android 系统出于安全考虑，普通 App 无法：
- 模拟用户点击、滑动屏幕
- 读取其他 App 的界面内容
- 执行 `input tap`、`screencap` 等系统命令
传统方案需要连接电脑执行 ADB 命令。而 **Shizuku** 是一个优雅的解决方案：
1. 通过无线调试或电脑 ADB **启动一次** Shizuku 服务
2. 之后普通 App 就可以获得 ADB 级别的权限
3. **无需 Root**，无需每次都连接电脑
这让肉包可以直接在手机上执行截图、点击、输入等操作，真正实现「一个 App 搞定一切」。
### 类 Claude Code 的 Tools/Skills 双层架构
受 [Claude Code](https://claude.ai/claude-code) 架构启发，肉包实现了 **Tools + Skills 双层 Agent 框架**：
```
用户: "帮我点份外卖"
│
▼
┌─────────────┐
│ SkillManager │ ← 意图识别
└─────────────┘
│
┌────┴────┐
│ │
▼ ▼
🚀 快速路径 🤖 标准路径
(Delegation) (GUI 自动化)
│ │
▼ ▼
直接 DeepLink Agent 循环
打开小美 AI 操作美团 App
```
**Tools 层（原子能力）**
底层工具集，每个 Tool 完成一个独立操作：
| Tool | 功能 |
|------|------|
| `search_apps` | 智能搜索已安装应用（支持拼音、语义） |
| `open_app` | 打开应用 |
| `deep_link` | 通过 DeepLink 跳转到 App 特定页面 |
| `clipboard` | 读写剪贴板 |
| `shell` | 执行 Shell 命令 |
| `http` | HTTP 请求（调用外部 API） |
**Skills 层（用户意图）**
面向用户的任务层，将自然语言映射到具体操作：
| Skill | 类型 | 描述 |
|-------|------|------|
| 点外卖(小美) | Delegation | 直接打开小美 AI 让它帮你点 |
| 点外卖(美团) | GUI 自动化 | 在美团 App 上一步步操作 |
| 导航(高德) | Delegation | DeepLink 直达高德搜索 |
| 生成图片(即梦) | Delegation | 打开即梦 AI 生成图片 |
| 发微信 | GUI 自动化 | 自动操作微信发消息 |
**两种执行模式：**
1. **Delegation（委托）**：高置信度匹配时，直接通过 DeepLink 打开有 AI 能力的 App（如小美、豆包、即梦），让它们完成任务。**快速、一步到位。**
2. **GUI 自动化**：没有 AI 能力的 App（如美团、微信），通过传统的截图-分析-操作循环完成。Skill 会提供操作步骤指导，提高成功率。
---
## 核心特性
### 🤖 智能 AI Agent
- 基于先进的视觉语言模型（VLM），能够"看懂"屏幕内容
- 自然语言指令，说人话就能操作手机
- 智能决策，根据屏幕状态自动规划下一步操作
### 🎨 精心设计的 UI
**这可能是所有手机自动化开源项目中 UI 做得最好看的。**
- 现代化 Material 3 设计语言
- 流畅的动画效果
- 深色/浅色主题自适应
- 精心设计的首次使用引导
- 完整的中英文双语支持
### 🔧 高度可定制
- 支持多种 VLM：阿里云通义千问、OpenAI GPT-4V、Claude 等
- 预设 API 服务商：阿里云、OpenAI、OpenRouter 一键切换
- 从 API 动态获取可用模型列表，支持模糊搜索
- 可配置自定义 API 端点，支持本Excerpt of 12,811 characters
Read on GitHubWould you bet a product on this? Bounded 0–100 and slow moving.
matched fp:18c3befa567b8c1c, topic:ai-agents