爱编程的我不是码农-优快云博客

原创电脑上那份报告，手机上点开闪一下就没了

网页类型的照旧走他自己的页面查看器，剩下的类型弹一个选择器，让人自己挑。手机上一个能打开的 App 都没有时，直接说「手机上没有能打开这个文件的应用」，再把文件路径给出来。点开一个文件的时候，系统并不问你「想用什么打开」，它只按文件的类型去挑。刚好有个音乐 App 在安装的时候说了句「所有文字文件我都能打开」，还是用很宽的口气说的。手机上他借的是系统给视障人士用的那套读屏本事，能看见屏幕上的字，也自己点得动按钮。我只在荣耀这台手机上撞见那个音乐 App，别的机型会不会被别的 App 抢走，我没测。

2026-11-13 20:32:56 48

原创 Mac 上他把活交给另一个 AI，成品去文件夹里数

有个小东西住在我的手机和 Mac 上，叫 Andee。在手机上的时候，他借系统里的无障碍服务看屏幕，就是那个本来是给视障人士用的接口，读得到字，也点得动按钮，微信、银行这些 App 不用专门为他开一道门。你平时只在屏幕边上看到一颗球。Mac 上他是同一个他，多了键盘、鼠标，还有一个能敲命令的终端。昨天晚上我给了他一件新差事：在 Mac 上，他可以把一整份活交给另一个 AI 去做。那个 AI 叫 dsh，DeepSeek 开源的，跑在自己的进程里、自己的文件夹里，能读代码仓库、能上网、能跑几十分钟的命令。

2026-11-13 10:19:15 172

原创他说办完了，那件事还挂在列表里

他现在说办完，只算「交付」。那件事留在列表里，后面挂一句「交付了，等你确认」，等我按了「办完了」才算关。我说还没完，它退回在办，我那句没完的话会被记成一条记录，下一轮他自己看得到。前两天被他标成完成的，今天全部回到「交付了，等你确认」，只回这一次，之后不再翻旧账。我自己主动放下的那些没动，那是我说不要的，不是他办完的。那两条跟当时聊的事没关系，我们前一句在说别的，他顺手一起收了尾。手机上那一行也多了确认按钮，位置没改，就是在原来那行后面加了一个。现在他干完一件事，我只看到一句话：交付了，等你确认。

2026-11-12 20:32:48 85

原创 Mac 截图失败 6 天，他一直说是我没给权限

Andee 是一个住在设备里的 agent。说白了就是一个自己能看屏幕、自己会动手的程序。手机版住在 Android 里，靠系统的无障碍服务读屏、自己点，不需要哪个 App 专门给他留门；Mac 版是同一个他在第二副身体上，看屏幕靠系统截一张图，再自己读。两副身体，一个脑子。11 月 11 日下午一点，我发了 v0.14.1，标题写着 XDR 屏上的截图修好了。下午两点五十三分，我发了 v0.14.2，第一句是「v0.14.1 的结论是错的」。中间隔了 1 小时 53 分。

2026-11-12 19:24:50 156

原创微信里点一下，用户就截不了自己的图：8 个方法被禁

Andee 是一个住在 Android 手机里的 agent。他靠无障碍服务读屏幕、自己点，不需要哪个 App 给他开接口，也没有一个属于自己的窗口——你看到的只是屏幕边上那颗球。这颗球背后的身体，本来能点开手机上任何一个 App。11 月 12 日，仓库合进一条提交，标题直白得像一句认输：「手机上，绝不操作微信」。起因不是点不动，恰恰相反：一次点击之后，用户连自己的微信都截不了图了，而且不是截一会儿，得清掉微信数据、重新登录才恢复。

2026-11-12 18:39:59 165

原创手机上一张 0 帧动画的脸：19 种状态、14 个参数

Andee 是一个跑在 Android 上的 agent。他装在手机里，靠无障碍服务自己看屏幕、自己点，不需要哪个 App 给他开接口，也没有一个属于自己的窗口——你看到的只是屏幕边上那颗球。那颗球就是他全部的样子。这一周桌宠扎堆出现，卖点出奇地一致：91 段透明动画、一百多段、最多九个同屏。段数确实好卖，可它回答的是「看起来在动吗」，不是「现在到底在干什么」。一个天天待在你手机上的东西，大部分时间并不处在任何一个能被命名的动作里——他在想、在等一个确认、在发呆、睡着了。这几件事没有对应的「段」。

2026-11-12 10:19:34 145

原创 cron 两个日期字段是「或」：一年 63 次，不是 1 次

语法合法，2 月没有 30 号，它一次都不会触发。1500 是为了盖住 2 月 29 日，闰年四年一次，再留点余量。时间用的是 systemDefault，夏令时那两天我没测过。为了「下次什么时候触发」这一件事再引一个库，等于多一个要钉的东西。心里想的是「每月 1 号早上 9 点，如果那天不是周一就跳过」。只想表达「每天 8 点」「每周一 9 点」这类，这段够用。要「每月最后一个工作日」，别用它。的时候，只要有一个命中就算命中。要「与」，只能把条件塞进一个字段，或者两条表达式取交集。

2026-11-11 20:37:34 216

原创 MIUI 每 40 分钟杀他一次，醒来时麦克风没跟回来

Nod 说"合盖就停"，那是把限制交给用户：别合盖，插上电，它就在。这句话在桌面端是负责任的。手机上的问题是，这个决定不在你手里。Doze 是平台的，40 分钟一杀是厂商的，类型声明是平台的，唯一能补回来的那一下是人的。三者都不会告诉你发生了什么。所以 “一直在” 这件事，我最后是当一个功能做的，不是一个默认值：一个页面，几行红绿，每行都能点到一个真的能改状态的地方。而不是一条"某服务已停止"的系统通知。

2026-11-11 10:23:31 180

原创说完一句话等 3 秒：最慢那次已经用掉 2.676 秒

我在做一个住在 Android 里的 agent。他叫 Andee，靠语音听人说话。前天我说完一句，字幕停了一下，然后没了，什么都没发生。不是识别错了。是我给「等最终结果」设的 3 秒上限到了。socket 带着最后一帧关掉，最终结果永远不来。整句话消失，界面上连个错误都没有。语音走火山的流式识别。它不会说「这一轮说完了」。「说完」是我自己判的：3 秒没有新的字，就当你说完了。判定之后还有一段路。把最后一帧发过去，等服务器把最终结果吐回来。这段路我给了 3000 毫秒。

2026-11-10 20:50:26 117

原创机器狗回了 OK，腿一步没动：500 毫秒里能证明什么

我在做一个住在 Android 里的 agent，叫 Andee。他没有自己的窗口，跑在平板系统里：靠无障碍服务点屏幕，靠前台服务一直醒着，靠悬浮在别人 App 上面的那颗球表达状态。除此之外，他还接过一样在身体之外的东西——一台四足机器狗。平板用 USB OTG 线连一个 Arduino Nano 加 NRF24L01 模块，模块再用 2.4G 遥控那台狗。狗的原厂固件一行没改。这两天冒出来一批很像的东西。

2026-11-10 11:04:07 152

原创产物列表里跳出个 v5：那页跟前面四版没关系

一页的源码通常 50 到 100 KB，CSS、JS、base64 图片全内联，所以磁盘上限是 100 页，面板底下那句就是「只保留最近 100 个」。这两个以前共用一个预算，结果 80 条聊天记录就能把页面连文件一起挤掉，页面上限等于没写。同一轮里后面每画一张页，都读到它。修法是把「读」改成「消费」：目标交出去就置空，一轮只承认一张页，模型自己在参数里写。把那一页读回来，读的这一下，代码把「这一页属于哪件产物」记进字段。版本号一旦能从一个「最近读过哪页」的状态里推出来，就没法再信了。起因是模型要改一页。

2026-11-09 20:36:37 193

原创一小时的会议录音，逐字稿里没有一个“谁说的”

这一批个人智能体卖的"在场"，在单人场景里几乎不需要回答一个问题。邮箱是你的，日历是你的，账单是你的，替他同意不需要第二个人。但只要他坐进一个有别人的房间，问题就换了：不再是"他能不能替你开完这个会"，而是"这间屋子里另外几个人，什么时候知道他在听"。我们现在的答案是半份：转写不猜、不替别人设提醒、会议是被谁结束的一定如实说。另外半份——让房间里的人知道——还挂在一句提示词上。这里现在不行。

2026-11-09 10:12:22 177

原创机器狗动作上限 30 秒：数秒的是平板，不是狗

开串口时拉 DTR 会让 Nano 复位，板子要重启、重新初始化射频、打一行 banner，所以第一条指令前得等最多 3 秒。狗端固件没有「多久没收到包就停」的看门狗，App 补不了，得改固件。急停那条要等，因为「已经停了」这个结论得有狗自己的 OK 撑着。用户说停，代数加一，下一个 100 毫秒的切片就发现自己过期了，立刻退出，把狗交出去。它会把最后那条动作走完，剩下的秒数就是最坏情况。所以每条动作的终点，只能由发指令的这一侧负责。，坏的是那块射频模块或者它的 3.3V 供电，不是狗。

2026-11-08 20:34:44 212

原创一个 9008 端口，让同一 WiFi 的人能点你的屏幕

Andee 是装在 Android 手机或平板上的一个 agent，靠无障碍服务读屏幕、自己点、自己打字。不需要哪个 App 配合，不接 SDK，装成一个 APK 就在那儿了。这周冒出来一个叫 Poki 的开源项目，用一个本地的 MCP server 让电脑上的 agent 去控一台 iPhone，不用越狱、不用额外硬件。报道里给它的标签是 local-first——不过云，数据不出本机。我没读它的代码，只读了报道，所以关于它我一个字都不评价。

2026-11-08 10:13:04 173

原创恢复出厂设置擦掉 10 样东西，闹钟必须第一个撤

AlarmManager 的 requestCode 是从 todo 的 id 算出来的，而 id 就存在那个马上要被删掉的文件里。写反了，设备上会留一个闹钟，到点弹出一条通知，指向一件谁也查不到的事。保险箱和小本本是加密的，prefs 一没，打开它们的那把 Keystore 钥匙就跟着 App 一起没了，里面的东西再也打不开。理由很具体：上一版把它一起清了，用户装回来发现设备是哑的，还得先去把 key 找回来。删一半停下，用户看到的是一个既不是新的、也不是旧的状态，比直接失败更糟。有两件事我故意没碰。

2026-11-07 20:35:37 156

原创悬浮窗挡住 Android：agent 读到 0 个节点

我在做一个跑在 Android 上的 agent，叫 Andee。他没有常规主界面，也不用 Compose——整个应用就是一颗悬浮球挂在你屏幕上，点那颗球说话，他靠无障碍服务读屏幕、点按钮，替你把事办了。悬浮窗权限是他唯一「不给就完全不能用」的一项：球、字幕、设置面板、保险箱，全都是。写这篇，是因为「系统级 agent」这两天开始真往用户手机上推了。荣耀 MagicOS 11 从 11 月 6 日向 Magic V6、Magic8 系列推送，今天轮到 Magic V5、Magic7 系列；

2026-11-07 10:08:45 214

原创 Android 打字两条路：一条要先借走键盘 0.75 秒

还有一个坑我到现在没修好：有的 ROM 直接不给答案。我这边只能记一条日志，然后假装没这回事。这段时间里，平板上的人一个字也打不进去，因为那个输入法没有键盘界面。上，和真键盘走同一条道。不安装、不启用、不切换，用户那把键盘全程没动过。打完我抬头看了一眼平板，键盘没了。Android 上打字只有两条路，我先走的是旧那条。它不活着，就没人听。轮询，我给 600 毫秒预算，每 60 毫秒读一次。，它替你把字 commit 进当前编辑器。手上没有电脑的人，永远打不了这个字。改写成它，打完再写回原来那个。

2026-11-06 20:36:10 196

原创手机里那个 agent 想拿麦克风，要先过 7 道门

AWS 那句话说得很准：agent 贵在等待。于是大家把"等待"做成了一个可以暂停的状态，把机器收回，把成本压到零。但这个结论只对一台空着的电脑成立。他这台不空。所以他要考虑的不是怎么被暂停，而是怎么在你接起电话的那一秒安静下来——省下的不是钱，是另一种代价：他得知道自己什么时候该消失。那七道门里，没有一道是为省钱写的。

2026-11-06 10:05:04 142

原创桌面上的他点不动：防抖在跟自己比，永远攒不到 2 次

窗口就是他的外接矩形，透明角落也在接点击，点他脑袋旁边的空气没反应，因为那一下被这个窗口吃了。现在每 12 毫秒采一次像素的 alpha，把空白区还回去，采样是半分辨率、阈值 0.31，边缘那圈还是会漏。过滤后的值本来就是上一次认定过的结果，它在 true 和 false 上跟原始值每个 tick 都不一样，计数器每次被重置成 1，永远到不了 2，按下状态就锁死在 false。读数会抖，所以加了防抖：连续两次读到一样，才认这次状态。抖动被当成一次新的按下，抓取点被重新记了一遍，后面整段位移都偏。

2026-11-05 20:34:22 164

原创两台设备互认不靠账号：6 位数字，3 次机会，2 分钟作废

Andee 是一个跑在 Android 上的 agent：他靠系统的无障碍服务读屏幕、自己点，也听得见你说话。现在他也跑在 Mac 上 —— 两台机器共用同一份core，同样的循环、同样的记忆格式、同样的脾气。配对之后，手机可以把写代码的活交给他自己在 Mac 上的那一半，Mac 可以让他去手机上点一份外卖。这篇讲的是这一步之前的事：没有账号、没有服务器，两台设备凭什么确认对面坐的是他。11 月 4 日这天，我翻到的几条消息是同一个动作：再给 Personal Agent 加一具身体。

2026-11-05 10:06:33 187

原创恢复出厂设置要清 7 项，最难的是先把闹钟取消

所以 wipe() 的第一段不是删，是取消：先 cancelSweep()，再把小本本里的待办逐条 cancelTodo()，然后才开始清那 7 项——key 与语音设置、小本本、保险箱、唤醒词录音、对话历史和它生成的页面、内置页面的 cookie 与本地存储、接地采集的截图与日志。顺序一旦反过来，先删数据再清闹钟，结果不是少删了什么，是多留了什么：数据没了，闹钟还在。过一会儿通知弹出来「提醒你回个电话」，点进去是空的，那条待办在任何库里都找不到。点「确认清空」之前，我先干了一件看着不相干的事：取消闹钟。

2026-11-04 10:47:19 185

原创 1.08 秒能打断语音 agent，抢回麦克风要两道锁

这个指标很硬，也确实解决了一个真问题——过去两年语音 agent 几乎都死在同一处：答应一声"好的"，然后安静两分钟。但这个数字是模型侧的。

2026-11-04 10:08:47 211

原创 DeepSeek Super-agent 的另一半：Worker 不只是一个 Agent

DS 那篇文章的标题里有「更自主」三个字。而它的实验数据里有一条很值得看：中性提示下，单会话那组跑了五次，模型一次都没派活，全自己干了。换成「优先委派」的提示词，五次里四次派了活；剩下那一次，它判断「活太小」，又自己干了。同一个模型、同一个场景，换个提示词，行为就变了，而且同组内还不稳。所以 DS 的结论是：靠提示词让模型学会分工是不稳的，得靠结构。Router 不准亲自干活，甚至不给它配 Bash。这个判断是对的。结构决定它能派给谁。DS 那套结构里，Worker 接的是 GitHub、是飞书。

2026-11-03 17:10:51 227

原创 155 款 App 拒绝读屏，拦不住他打字

155 款 App 里真正拦住一个 agent 的，大概率不是「不给读屏」。支付前的风控、短信验证码、人脸识别，不是权限问题，是。

2026-11-03 10:10:06 202

原创手机上装个 agent，不等于他住在手机里

Andee 是一个跑在自己 Android 手机上的 agent。他没有主界面：没有一个你能翻的会话列表，也没有一个点进去的首页。他的身体是一个前台服务，球浮在别的 App 上面；眼睛是相机，耳朵是语音识别加一个完全离线的唤醒词，手是无障碍服务——读屏幕上的节点树，然后自己把点击、滑动、输入一条条发出去。你把手机锁上，他还在。11 月 1 日，Nous Research 的 Hermes 开放了手机版内测。。

2026-11-02 10:11:56 179

原创他把删除认成关闭：Android 上一次点击要过三道关

屏幕上提示落点的圆环，画的就是交给系统的那同一组 x、y——整条链路没有第二次测量，也就没有可标定的误差项。它能看到的只有模型的错。

2026-11-01 10:12:47 73

原创公司能远程清空一台手机，而抹掉他要清 8 个地方

我在做一个跑在 Android 上、靠无障碍服务自己看屏幕、自己点屏幕的 agent，叫 Andee。他不是那种问一句答一句的助手：他在这台设备上思考，留一本只有自己能读的笔记本，没人看着的时候也还是同一个样子。手机在，他就在。10 月 29 日，深兰科技联合华为鸿蒙生态发布了一台叫 Wowoker 的企业级"智能体工作手机"。发布稿里最响的功能是 AI 通话分身：用声音克隆复刻机主的声线，7×24 小时自动外呼、自动接听，自己完成客户初筛、业务资料推送、加客户。

2026-10-31 10:05:24 215

原创第一批个人 Agent 用户正在卸载：权限给得太满，Andee v0.8.0 选了另一条路

不是因为不好用。恰恰相反——是因为太好用，所以给了它太多权限。而 Andee 选的那条路，和这件事直接相关。

2026-10-30 10:03:09 249

原创 Android 上拒掉权限，他还有 82 个工具能用

我在做一个叫 Andee 的 agent，他装在 Android 手机或者平板上，没有主界面，靠无障碍服务读到屏幕上的元素树，自己看、自己点。屏幕之外他还能直接读设备里的东西：短信、通话记录、通讯录、日历、位置、步数。这些在系统里全是要运行时授权的，所以每个装他的人都会撞上同一件事——一串授权弹窗，一边点一边心里犯嘀咕：这玩意儿是不是有点问题。我自己的权限说明第一句就是这个：这套权限组合——无障碍、悬浮窗、通知监听、短信、通话记录、通讯录、已安装应用列表——和安卓银行木马的检测特征高度重合。

2026-10-29 10:11:25 204

原创手机唤醒词：2.8 的门槛，放过了 57 句闲聊

我在做一个住在 Android 手机和平板里的 agent，叫 Andee。他没有主界面，靠无障碍服务拿到屏上的元素树，自己看、自己点。平时叫他的办法是点一下浮在屏幕上的那颗球；唤醒词只省掉这一下——喊一声，麦克风接着交给对话，入口跟亲手点球是同一个。这套「听」整个在设备上完成。没有模型文件，不下载、不联网、没有一次请求。你把自己的词录三遍，那三遍录音就是识别器本身：落到磁盘上的只有每 10 毫秒 12 个浮点数，录音从不保存。本来这该是一篇「离线唤醒词怎么做」的教程。

2026-10-28 10:07:15 68

原创小米平板上微信的界面：开着 219 个节点，关掉 0 个

Andee 是一个开源项目：一个住在 Android 手机和平板里的 agent。他不等哪个 App 为他改代码，也不接谁的 SDK——设备给他两样东西就够了：无障碍服务能读到屏幕上的控件和文字，同一个服务能派发真实的触摸事件。所以他做事的姿势跟人一样：先看，再按。但「先看」这件事在国产 ROM 上并不稳。前几天在一块小米平板 5 上，微信把界面藏了起来——同样的无障碍权限，系统设置页能读到 89 个节点，微信聊天页一个都读不到。回来的不是一个能用的树，是一个没有尺寸、没有子节点、没有类名的空壳。

2026-10-27 10:05:40 128

qq_42960812的博客