肉包(Roubao)是一款完全开源、基于视觉语言模型(VLM)的AI手机自动化助手。它打破了传统手机自动化依赖电脑、技术门槛高的痛点，用户只需安装一个App并配置API Key，即可通过日常口语指令让手机自主完成点外卖、发消息、刷视频等复杂任务。项目采用Kotlin原生开发，通过Shizuku获取系统级权限，无需Root，所有操作在手机本地完成。

肉包是什么

肉包（Roubao）是开源的AI手机自动化助手，作为字节跳动”豆包手机助手”的免费替代方案。肉包基于视觉语言模型（VLM），采用Kotlin原生开发，无需电脑或Root权限，支持通过Shizuku获取系统级控制能力。肉包核心采用”截图-AI分析-执行”循环架构，支持Delegation（委托AI应用）和GUI自动化两种模式，可完成点外卖、发消息、导航等任务。

核心特性

智能AI代理

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，说人话可以操作手机

智能决策，根据屏幕状态自动规划下一步操作

提出的UI设计

这可能是所有手机自动化项目中UI做开源最好看的。

现代化材料3设计语言

流畅的动画效果

深度/浅色主题

设计提出的首次使用引导

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、OpenAIGPT-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，支持本地模型（Ollama、vLLM等）

安全保护

API密钥使用AES-256-GCM加密存储

检测到支付、密码等敏感页面自动停止

任务执行全程可视，悬浮窗显示细节

随时可以手动任务停止

任选的云端崩溃上报（可在设置中关闭）

Root模式支持

当Shizuku以Root权限运行时，肉包可以启用Root模式：

Root模式：解锁更多系统级操作能力

su命令：允许执行su-c命令（需路由器使用）

自动检测：自动检测Shizuku权限等级（ADB/Root），非Root环境下该选项为灰色不可用

快速开始

前置要求

Android8.0(API26)或更高版本

WiFi网络-Shizuku无线调试依赖WiFi连接，确保手机已连接WiFi

Shizuku-用于获取系统级控制权限

VLMAPIKey-语言视觉模型的API密钥需要（如阿里云通义千问）

肉包app配置使用教程

一、前置要求

Android 8.0 (API 26) 或更高版本

WiFi 网络 - Shizuku 无线调试依赖 WiFi 连接，确保手机已连接 WiFi

Shizuku - 用于获取系统级控制权限

VLM API Key - 需要视觉语言模型的 API 密钥（如阿里云通义千问）

二、安装步骤

1、安装并启动 Shizuku

Shizuku 是一个开源工具，可以让普通应用获得 ADB 权限，无需Root。

Shizuku启动方式：

无线调试（推荐，需 Android 11+）

进入 设置 > 开发者选项 > 无线调试

开启无线调试

在 Shizuku App 中选择"无线调试"方式启动

2、安装肉包

从本站免费下载最新肉包app安装

3、授权与配置

打开肉包app

在Shizuku中授权肉包

重要：进入肉包app设置页面，配置你的API Key

4、获取 API Key

阿里云通义千问（推荐国内用户）

访问 阿里云百炼平台

开通 DashScope 服务

在 API-KEY 管理中创建密钥

使用示例

帮我点个附近好吃的汉堡

打开网易云音乐播放每日推荐

帮我把最后一张照片发送到微博

帮我在美团点一份猪脚饭

打开B站看热门视频

 肉包怎么使用

1、打开Shizuku软件，并在开发者选项中开启无线调试，授权肉包

2、打开肉包app，点击首页感兴趣的AI指令

3、点击最下方的能力界面，然后点击右上角的Tools，就可以看到各种功能，点击即可使用

 肉包为什么需要悬浮窗权限

1、肉包在执行任务时需要显示悬浮窗来显示当前执行进度

2、提供停止按钮，随时中断任务

3、在其他应用上方显示状态信息

肉包的主要功能

智能AI Agent：肉包能基于视觉语言模型看懂屏幕内容，通过自然语言指令操作手机，自动规划并执行复杂任务。

精致UI设计：肉包采用精心设计的Material 3界面，支持深色浅色主题自适应，提供流畅动画效果和完整的中英文双语支持。

高度可定制：肉包支持多种视觉语言模型，包括阿里云通义千问、OpenAI GPT-4V、Claude等，支持用户配置自定义API端点和本地模型。

安全保护机制：肉包实现了API Key的AES-256-GCM加密存储，具备敏感页面自动检测停止机制，任务执行全程可视且可随时手动中断。

Root模式扩展：肉包支持Root模式扩展，当Shizuku以Root权限运行时可解锁更多系统级操作能力。

肉包的技术原理

双层Agent架构：肉包的核心是双层Agent架构，受Claude Code启发分为Tools层和Skills层。Tools层封装原子能力如应用搜索、DeepLink跳转、剪贴板操作等基础功能；Skills层面向用户意图，将自然语言映射到具体任务，实现从”点外卖”到执行操作的全链路。

循环式自动化流程：肉包采用截图-分析-执行的循环式自动化流程，通过Shizuku调用系统级命令完成屏幕捕获和模拟点击。当接收到用户指令时，SkillManager首先进行意图识别，高置信度任务直接通过DeepLink委托给专业AI应用处理，低置信度或复杂任务则进入标准Agent循环，由Manager规划、Executor决策、Reflector反思直至完成。

原生Android实现：肉包用Kotlin重写MobileAgent框架，完全运行在Android设备本地，无需电脑中转。通过Shizuku获得ADB级别权限，实现截图、点击、滑动等操作的直接执行，避免传统Python方案需要连接电脑的繁琐流程。

与同类项目的对比

我们解决了什么问题？

传统的手机自动化方案亮点：

必须连接电脑运行ADB命令

需要Python部署环境和各种依赖

只能在电脑端操作，手机必须通过数据线连接

技术产业高，普通用户难以使用

肉包的解决方案：

一个应用程序，安装就可以用。无需电脑、无需数据线、无需任何技术背景。

打开应用程序→配置API密钥→说出你所做的事情→完成。

为什么选择肉包？

Android实现，不是Python脚本的封装

几乎所有手机自动化项目（包括阿里的开源MobileAgent）都是Python实现，需要：

在电脑上运行Python脚本

手机通过USB/WiFiADB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，勉强运行在Android设备上：

截图、分析、执行全部在手机本地完成

消耗电脑中转，延迟延迟

利用Shizuku获得系统级权限，而不是繁琐的ADB命令

为什么需要雫？

Android系统出于安全考虑，普通应用程序无法使用：

模拟用户点击、滑动屏幕

读取其他App的界面内容

执行inputtap、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：

通过无线调试或电脑ADB启动一次Shizuku服务

之后普通App就可以获得ADB级别的权限

不需要根，每次都连接电脑

这个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」。

肉包的应用场景

日常任务自动化：肉包可帮用户点外卖、查天气、设闹钟、发消息等日常操作，只需说出需求即可自动完成，无需手动翻找应用。

跨应用信息处理：肉包能自动截图识别内容，帮用户将最后一张照片发送到微博、把链接分享到微信、或在不同应用间复制粘贴信息。

娱乐内容获取：肉包可自动打开音乐App播放每日推荐、在B站搜索并播放特定视频、或帮用户刷短视频、看热门内容。

导航出行服务：肉包支持直接唤醒高德地图进行路线搜索、帮用户打车、或查找附近餐厅和商店的位置信息。

更新日志

v1.4.2版本

1、修复

修复应用启动时 ANR（无响应）问题

预编译正则表达式，避免重复创建对象

应用扫描改为后台异步执行，不阻塞主线程

修复 fetchModels URL 格式错误导致的崩溃

2、优化

默认主题改为"跟随系统"