喂饭级教程：让你的安卓手机/平板拥有一个"比 Siri 更 Siri"的 AI 助手

一句话结论：把一套本地 Agent Harness 装进安卓设备，再用 ADB 把"手和眼"交给它，你的手机或平板就能变成一个能听、能看、能自己动手操作的语音助理——而且这一切只需要一台几年前的老设备。

一、背景：为什么值得折腾

苹果的 Siri 长期停留在"设闹钟、查天气"的层面，而安卓生态的开放性，在 AI Agent 时代反而成了最大的资产。视频作者用一个更形象的比喻来描述这件事：

• ADB 本质上就是 Agent 的 Harness。它让 AI 能截屏、能读取界面上的每一个按钮和文字、能模拟手指点击与滑动、能模拟键盘打字——相当于给模型装上了"一双能看见屏幕的眼睛"和"一只一直能动手的手"。
• 上一期视频里，作者演示了如何把 Agent Harness 装进平板，给它一个本地环境，让它替你开发安卓应用、小游戏。而这一期是"答应大家的手把手教程"：如何让设备上的 Agent 反过来操作这台设备自己。
• 实测设备：一台几年前的小米 14 Pro（Android 16）+ 新买的小米平板 9（Android 17），两台都跑通，其他版本理论上问题不大。

软件侧，作者使用的是开源社区把 Agent Harness 封装进安卓的工程，并在此基础上按自己的需求做了改造（作者本人也开源了分支，但建议实践时使用主线仓库，因为个人分支不会频繁更新，更适合有能力魔改的人）。具体仓库地址见视频简介与评论区置顶。

术语说明：本文由视频音频转写整理，部分产品名、仓库名以读音记录，可能有细微偏差，以原视频画面与简介链接为准。

二、第一步：打开开发者模式与无线调试

所有操作都在开发者模式里完成，这是整条链路的地基。

1. 解锁开发者模式：进入「设置 → 关于设备 → OS 版本」，连续点击数次，系统会提示"已解锁开发者模式"。
2. 打开调试开关：在「开发者选项」中打开 USB 调试 与 无线调试。
3. USB 安装（可选）：如果你希望 Agent 直接帮你装应用，可以一并打开；不打这个开关也行——让 Agent 构建出 APK，你再手动安装即可，更稳妥。
4. 无线配对：进入「无线调试 → 使用配对码配对设备」，屏幕上会给出一组 配对码 + IP 地址 + 端口。把这串信息交给同一局域网内的 Agent，它就能替你完成配对。前提是你要明确告诉它："我需要一个 ADB 环境，请帮我下载配置。"

配对授权之后，这台电脑就相当于获得了对手机的完整操作能力：装应用、截屏、读取界面元素、模拟点击滑动与键盘输入。

三、第二步：把 Harness 部署到设备本地

作者的实操习惯是：调试阶段主要在电脑上操作，不在平板上戳来戳去，效率高得多。

做法极简，提示词只有一句话的量级：

"这是仓库地址（repo URL），帮我构建并安装到我这台小米 14 Pro 上，走无线调试。"

执行后流程如下：

1. Agent 通过无线 ADB 找到目标设备，确认连接正常；
2. 拉取仓库、完成构建，然后在设备上弹出安装确认（这一步需要你在屏幕上点一下"允许"）；
3. 安装完成——此时设备上已经有了一个在安卓本地运行的 Agent Harness，不再依赖电脑。

如果使用的是作者的改造分支，进入「设置 → 插件」还能看到几个有意思的小改动。

四、第三步：本地 Harness 的可用插件（这块是体验分水岭）

装好只是骨架，插件决定它好不好用。作者逐项展示了自己的配置：

• 启动画面：一个"深海微光"风格的开机动画，纯氛围向，但能明显提升"这是个正经工具"的仪式感。
• Codex 登录插件：屏幕触控位置会出现一个悬浮图标，点开弹出网页，登录你自己的账号即可接入。
• 语音服务（关键）：本地部署了 Qwen3 的 ASR（语音识别）与 TTS（语音合成）；同时也填了云端 API，用 MiMo 2.5 的 ASR/TTS。界面上可以分别选择"语音输入用哪个"和"语音回复用哪个"——本地求隐私与离线，云端求识别率，可以混搭。
• 小米蓝牙遥控器（粉丝推荐的隐藏神器）：它本质上是"蓝牙麦克风 + 按键"的组合。相比游戏手柄，手柄的麦克风必须有线连接，而它是真蓝牙麦。实际用法：遥控器操作平板，按住语音键唤起对话，确认键确认，还可以删除重来。
• ChatGPT Live 语音：如果你是 ChatGPT 订阅用户，在 Codex 里登录后可以启用语音对话，对话流畅度很高，同时还能调用 Codex 干活、通过 ADB 工具操作设备。

作者的判断很直接：这套东西的综合能力远超 Siri，唯一缺点是"有点慢"。

五、第四步：让设备上的 Agent 操作设备自己（最绕的一步）

到这里有个关键缺口：本地 Harness 虽然跑在设备上，但它还没有操作设备的权限。需要再做一次"自我配对"。

逻辑是这样的：之前是"电脑上的 Agent 通过无线 ADB 操作手机"；现在手机里已经有一整套本地环境，我们要让这个本地环境里的 Agent，通过本机地址去操作它自己。形象地说，就是自己踩自己的脚。

操作技巧（这一步最容易卡住）

1. 打开「无线调试 → 使用配对码配对设备」界面，并保持这个界面不要关闭——配对码只能用一次，界面一关，码就失效了。
2. 如果你的手机/平板支持小窗模式（分屏），直接把配对信息发给 Agent，让它在本机完成配对。
3. 如果不支持小窗，就让电脑上的 Agent 去控制设备：你前台保持配对界面不动，Agent 在后台调用本机 Harness 完成配对。
4. 成功标志：Agent 自己报告"已连上"，界面上出现本机设备（它就是 Harness 内部环境里的那个"设备"）。

必须提前说明的风险

ADB 的权限极大，作者明确列出了边界：

• 如果 Agent 能力较差、或者干脆没有视觉能力，它可能看不懂屏幕、误判界面，做出意料之外的操作：在错误的 App 里替你发消息、改错设置、误删有权限访问的文件。
• 它确实能安装卸载应用、调整部分系统权限——但这些操作仍受安卓本身的权限约束，不会真的把系统搞坏；不过一次误操作也够你忙一阵。
• 它能在屏幕上看到理论上所有内容。如果你用的是云端模型，涉及隐私与资金的界面，绝对不要让它独自操作。
• 兜底手段很简单：这一切的前提是你主动配对授权；能连上设备的只有你配对过的客户端。不想让它动了，关掉无线调试，或者在配对列表里删掉，连接立刻中断。

六、原理：一个"看—想—动—检查"的循环

控制设备的原理其实不复杂，四步循环：

1. 看：通过 ADB 截屏，或读取界面里能拿到的按钮与文字；
2. 想：判断当前在哪个界面、下一步该做什么；
3. 动：执行点击、滑动、输入；
4. 检查：做完再重新看一眼，确认有没有成功。

以视频开头的"让 AI 给我画张自画像"为例：先用 Informative Drawings 模型把照片转成线稿，再把线稿转换成触控路径，配合模拟笔压与灰度，就能画出笔触的粗细深浅——看起来是 AI 在画，实际是程序在画。

其他应用的思路完全一致：只要能把问题拆解成"一组屏幕操作"，再针对性地封装专门的 Skill，就能做出类似"豆包手机"那样的效果。

作者也坦率承认：在手机上，他目前还没发现 AI 操作设备特别有用的场景。但平板是另一回事——装上 Harness 之后，它就是一台性能可观的电脑。

七、真正的价值：出差只带一块平板

作者上次出差尝试不带笔记本，只带平板，踩了几个真实的坑：

• 拍摄的灰片 LUT 都存在以前的电脑里；
• iPhone 拍的素材传到平板上很不方便，一时不知道该用哪个应用。

于是他用 Harness 现场开发了几个"救急应用"。他还专门给这个词下了定义：

救急应用：你可能只用一次，但它会救你的命。 功能可能极小，但可以让平板自己帮你开发出来。

他实际做的是一个"扫码上传 + 自动烧 LUT"的小 App：启动一个本地服务器，手机扫码就能传素材，上传后自动把 LUT 烧进灰片里。做完之后，这块平板基本可以替代笔记本；如果确实需要桌面环境，也可以再带一台迷你主机，用平板当它的屏幕——这台平板支持 DP 输入（DP in）。

八、金句摘录

• "ADB 其实就应该是 Agent 的 Harness。"
• "它相当于给了电脑一双能看见屏幕的眼睛，和一只一直能动手的手。"
• "看起来是 AI 在画，实际是程序在画。"
• "救急应用：你可能只用一次，但它会救你的命。"
• "安卓生态相对 iOS，真的是好玩太多了——这种自由性，在 AI Agent 的时代会产生更多玩法。"
• "哪怕你的安卓设备是几年前的老设备，也非常值得折腾一下，说不定你就发现了更多有价值的事。"

九、给想动手的人的三个建议

1. 先用主线仓库，跑通再魔改。个人分支不常更新，不适合作为学习入口。
2. 视觉能力是安全底线。没有视觉的 Agent 操作 ADB 等于蒙眼开车；涉及支付、社交、隐私的界面，务必人工接管。
3. 从"救急应用"切入，不要一上来就想做一个全家桶。一个能解决你当下痛点的极小工具，价值远大于一个跑不动的宏大方案。

---

视频来源：B站 @小天fotos（space.bilibili.com/28554995）〈喂饭，让你的安卓手机或平板比Siri更Siri〉2026-09-21，原视频链接：https://www.bilibili.com/video/BV1KLhi6oEh5（同内容亦发布于抖音号 969304610）。本文为视频内容的文字整理，版权归原作者所有，转载请注明出处。