穆再排尔·穆合塔尔
← 田野笔记

系统 / 2026.06.11

口袋里的智能体

围绕延迟、权限和一块很小的屏幕,设计一个 Android 智能体。

2 分钟 发布 2026.06.11 中国 · 南京

大多数编程智能体假设你在桌前。它们假设有终端、有键盘、有稳定的网络,以及一个愿意等待的人。Nuclear Boy 假设它在口袋里,只有触摸屏,网络时断时续,而用户正在走路。

这个约束就是设计本身。手机不是更小的笔记本电脑,它是另一种仪器。它有相机、麦克风、电池和权限模型;它的屏幕放不下一个 diff,键盘放不下一个函数签名。产品里的一切都由这些事实推出来。

形状

应用是 Kotlin 与 Jetpack Compose,Hilt 管理依赖,Room 保存本地状态。智能体通过 SSE 与 DeepSeek 通信,token 在生成时到达,而不是等整段回答结束。界面围绕一条流构建:它正在做什么,它准备做什么,它需要你什么。

智能体循环刻意做得很小。一个回合有三部分:观察当前状态,选择一个工具,记录结果。工具注册在注册表里,而不是写死在循环里;增加一项能力,不需要重写调度器。Skill 是叠在工具之上的更长流程。模型调用 Skill 和调用工具的方式一样,区别是 Skill 可以包含一串步骤和它自己的指令。

沙箱

Python 沙箱是最难的部分。手机不是服务器:没有特权容器,没有可靠的进程隔离,也不能假设一个长任务会活下来。所以沙箱故意很窄。它运行短程序,返回文本,把文件系统当作一个小的、显式的工作区。它适合手机不擅长的事——解析、画图、快速数值检查——也拒绝手机不该做的事。

硬件控制是相反的赌注。振动、Wi-Fi、蓝牙、亮度、剪贴板、通知:二十多项笔记本智能体没有的能力。它们让智能体显得原生。它们也让权限设计成为产品真正的界面。一个能关掉 Wi-Fi 的工具不是功能,它是一个信任决定。

我会改什么

第一个版本优化能力。第二个版本会优化中断。口袋里的智能体是被碎片使用的:排队时的三十秒,地铁上的两分钟。它应该能停下,总结自己知道什么,然后不丢线索地继续。这是一个状态机问题,不是提示词问题。

另一件事是评估。我单独测试了工具,却没有测试工具在真实手机延迟和权限约束下的组合。下一个版本需要真实使用的轨迹,而不是演示脚本。

项目开源,因为有意思的问题不属于任何人。当一个智能体住在你住的地方,它长什么样?答案比桌面版本更小、更奇怪,也更物理。