Operit AI：把 Android 手機變成 Agent 工作站的開源嘗試
The most powerful AI agent and AI chat software on Android/Operit是一款Android上能力最为强大、发展最久的AI Agent
秒懂
- 它是什麼？
- Operit AI 是 Android 上的開源 AI Agent 平台，整合雲端與本地模型、工具呼叫、終端與工作區。本文根據其 README 與發布紀錄，檢視它的架構、安裝方式、真實限制，以及它是否適合你的使用情境。
- 適合誰用？
- Operit AI 適合願意投入時間配置的進階使用者，尤其是想在手機上執行本地模型、操作終端或自動化 Android 介面的人。它不適合尋求開箱即用、只想要一個簡單 AI 聊天 app 的普通用戶，因為其功能複雜度與權限要求極高。
- 可以商用嗎？
- 可以，但有條件。LGPL-3.0 是弱 copyleft 授權：可以用在商業與閉源軟體中，但如果你散布了對它本身檔案的修改，這些修改必須以同一授權公開。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 1 天前。
- 用什麼語言寫的？
- 主要是 Kotlin（依據 GitHub 的語言統計）。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月15日）與我們的分析，不構成法律意見。
開源專案深度解析
它解決什麼問題：手機上的 Agent 而非單純聊天
多數 Android AI app 只做對話，Operit AI 則試圖把模型變成能操作系統與檔案的工具。README 描述它是一個「運行在 Android 上的開源 AI Agent 平台」，能接入雲端或本地模型，並將模型與 Android 系統、終端、瀏覽器、檔案和專案工作區連接。目標使用者很清楚：想在手機上寫程式、跑終端、自動化 UI、管理長期記憶的開發者或進階用戶。它不是給只想問問題的人，而是給需要 Agent 實際執行任務的人。
核心機制：從工具呼叫到多層擴充
Operit AI 的運作方式圍繞工具呼叫與擴充能力。README 列出 ToolPkg、MCP、Skill 三種擴充機制。ToolPkg 可提供工具、介面、模型提供方、Hook 與執行時能力，這意味著它不只是呼叫 API，還能改變 Agent 的行為層。MCP 支援本地與遠端服務，並可用 uvx、npx 啟動。Skill 則綁定到角色，讓不同角色擁有獨立能力。工作流是另一層，它把觸發、執行、條件、邏輯與資料提取節點視覺化，觸發方式包含手動、定時、Tasker、Intent、語音與應用啟動。這種多層設計讓 Agent 不只是回應提示，而是可組合的任務執行器。
安裝與首次設定：從 APK 到權限引導
安裝流程直接：從 Releases 頁面下載 APK，安裝後啟動，然後按引導配置模型與權限。系統要求是 Android 8.0（API 26）以上，且僅支援 ARM64（arm64-v8a）裝置，這排除了 x86 模擬器與舊裝置。資源需求沒有固定數字，README 說取決於終端環境、已安裝工具包及本地模型，下載模型前需預留空間。雲端模型支援 OpenAI Chat/Responses、Anthropic、Gemini 及相容服務，也可連 Ollama、LM Studio。本地推理有兩條路：內建 MNN 或透過 llama.cpp 跑 GGUF 模型。這代表你可以在完全離線的環境下使用，但需要自己處理模型檔案與記憶體。
Android 整合的深度與代價
Operit AI 對 Android 的整合深到令人注意。它支援無障礙服務、Shizuku 提供的 ADB 級除錯權限，以及 Root 通道。UI 自動化還可結合 PhoneAgent/AutoGLM，用螢幕視覺執行操作。這表示 Agent 能模擬點擊、輸入、滾動，甚至控制虛擬顯示。但這種能力伴隨風險。README 的安全提示強調，工具權限有三檔：自動允許、每次詢問與禁止，預設是詢問模式。這是合理的設計，因為自動允許可能讓模型誤操作系統。另外，虛擬顯示需要相應權限與裝置支援，不是所有手機都能用。整合深度是賣點，但也讓它成為權限要求最高的 Android app 之一。
終端與工作區：把開發環境搬進手機
Operit AI 內建 Ubuntu 24.04 ARM64 使用者空間，預設透過 PRoot 執行，條件允許時可用 chroot。這不是模擬器，而是真正的 Linux 使用者空間，能跑 Python、Node.js、vim、SSH、tmux。工作區支援多種檔案系統，包括應用內部目錄、SAF、SFTP 與 SSH。聊天可以綁定工作區，讓 AI 讀取專案規則、引用檔案並修改程式碼。這對需要在手機上快速修 bug 或管理專案的人很有用。但 PRoot 有效能代價，且 Ubuntu 使用者空間會佔用大量儲存空間。README 沒有提供具體基準數字，但從常識判斷，在手機上跑完整 Linux 發行版不會像桌機一樣順暢。
記憶與角色：長期運作的基礎
長期記憶是 Agent 能否持續有用的關鍵。Operit AI 支援多個記憶空間、文件導入與分塊、節點關係編輯與混合搜尋。它可從對話與附件提取資訊，並按時間、語義及關係檢索。這比單純的對話歷史更進階，因為它讓 Agent 能跨會話記住事實。角色系統也綁定獨立模型、記憶空間、工具包、Skill 與 MCP，並支援多角色群聊與 @ 互動。角色卡相容 Tavern JSON/PNG 格式，這對從其他角色扮演工具遷移的人很方便。但記憶系統的複雜度也高，需要使用者理解分塊、節點與混合搜尋的概念，否則可能無法有效利用。
真實限制與不適用情境
Operit AI 有幾個明確的限制。第一，僅支援 ARM64，這排除大量中低階手機與模擬器。第二，資源需求不明確，但終端、本地模型與工具包會消耗大量記憶體與儲存空間，舊裝置可能無法順暢運行。第三，本地推理的品質取決於模型，MNN 與 llama.cpp 支援的模型大小有限，手機上的 LLM 通常比雲端模型能力弱。第四，安全風險：Web Chat 與 HTTP API 預設關閉，但啟用後需要 Bearer Token，且 README 明確警告要評估區域網路暴露風險。Android Intent/廣播整合也應只交給受信應用。若你的需求只是快速問答，這個平台過度複雜，反而增加攻擊面與維護負擔。
替代方案與差異：Termux 加 API 或專用 Agent app
Operit AI 的替代方案不是另一個 Android AI app，而是組合工具。最接近的對比是 Termux，它提供 Android 上的 Linux 終端環境，但沒有內建 Agent 或工具呼叫框架。你可以自己在 Termux 安裝 llama.cpp 或 Ollama，再用 Python 寫一個簡單的 Agent 迴圈，但這需要大量手動工程。另一個方向是使用雲端 Agent 服務，例如 OpenAI 的 API 或 Anthropic 的 Claude，透過手機瀏覽器存取，但這無法操作本機檔案或 UI。Operit AI 的差異在於它把終端、模型、工具呼叫與 Android 整合打包成一個 app，省去自己組裝的麻煩，但也引入了它的權限模型與擴充生態的學習曲線。
編輯結論
Operit AI 適合願意投入時間配置的進階使用者，尤其是想在手機上執行本地模型、操作終端或自動化 Android 介面的人。它不適合尋求開箱即用、只想要一個簡單 AI 聊天 app 的普通用戶，因為其功能複雜度與權限要求極高。在採用前，你應先確認裝置為 ARM64 且 Android 8.0 以上，並從官方 Releases 頁面下載 APK。接著，務必閱讀安全提示，了解雲端模型請求會直接送到你配置的服務商，Operit 不代管推理。最後，檢查 Web Chat 與 HTTP API 是否預設關閉，若啟用需設定 Bearer Token。這是一個功能密度極高、但邊界條件也極多的項目，適合願意逐項驗證的人。
社群筆記