[{"content":"Mika 是什么，为什么最近这么火 「手机智能体」这个方向这两年一直很热，但多数方案要么需要电脑连线、要么会霸占你的屏幕。最近在 GitHub 上快速走红的开源项目 Mika（Apache-2.0 协议）换了个思路：它在一块隐藏的后台屏幕上打开 App、点击、输入和滑动，你可以照常用手机，想看进度时点一下小窗即可。\n它的几个设计值得一提：\n不依赖 App 接口：像人一样「看」屏幕找按钮，因此理论上任何 App、任何网页都能操作。 没有自家服务器：你说的话和屏幕内容只发给你自己配置的模型服务商；密钥和记忆加密存在手机上。 自带模型选择：内置 DeepSeek、通义千问、Kimi、智谱、OpenAI、Anthropic、Gemini、Ollama 等预设，也支持任意 OpenAI 兼容接口。 默认「询问模式」：只在花钱的步骤前停下来问你，登录、验证码、支付密码等一律交还给你。 典型用法包括：「帮我总结今天群里聊了什么」「找一个 30 美元以内、4.5 星以上的充电器加入购物车」「每天早上 8 点查天气，要下雨才告诉我」。\n准备工作 需求 最低要求 只用聊天、网页、文件 Android 11 及以上 让它操作手机里的 App Android 12 及以上，推荐 Android 14+（后台屏幕有独立焦点，不干扰你在主屏打字） 内置 Linux 沙箱（运行 Python / Node / Shell） arm64 设备 另外你需要：\n一个**支持工具调用（tool calling）**的大模型。可以是任意服务商的 API Key，也可以直接用 ChatGPT（Plus/Pro）、xAI 或 OpenRouter 账号登录。 手机连上任意 Wi-Fi（配对阶段需要，不要求能上网）。 不确定手机是否兼容？装好后在「设置 › 恢复与修复 › 兼容性自检」跑一遍，大约一分钟。\n第一步：安装 从项目的 GitHub Releases 页面下载最新 APK 安装即可。由于不是从应用商店安装，系统会提示「未知来源」，按提示允许即可。\n小技巧：如果手边有电脑并且装了 AI 编程助手，项目提供了一份「让电脑上的智能体帮你安装」的说明文档，手机用 USB 连上电脑后，把文档链接交给助手即可自动完成安装。\n第二步：接入模型 打开「设置 › 模型」：\n添加服务商：选预设或选「自定义」，填接口地址和 API Key。 点 「测试并保存」。第一次添加时会自动挑一个主模型。如果模型列表里没有你想要的，选「自己输入模型名」，填服务商文档里的模型 ID 再测一次。 按需配置另外几个角色： 角色 作用 建议 主模型 真正干活，必须支持工具调用 选能力强、稳定的 视觉模型 识别界面、在截图里定位按钮 主模型能看图时可直接「使用主模型」 轻量模型 判断任务结果、提取记忆等小活 便宜、快就行，默认用主模型 语音转文字 按住说话 默认用手机自带识别，免费 用自己电脑上的本地模型：添加服务商时选「自定义」，地址可以写局域网的 http://，例如：\nhttp://192.168.1.10:11434/v1 手机和电脑在同一 Wi-Fi 下即可；如果地址在局域网之外又不是 https://，Mika 会提示你密钥可能被窃听。\n需要代理才能访问模型服务：在「设置 › 网络代理」填 http://host:port 或 socks5://host:port，不必开全局 VPN；局域网地址会自动直连。\n第三步：开启「手机控制」 只用聊天、网页和文件可以跳过这一步。要让 Mika 操作 App，需要借用 Android 自带的「无线调试」启动一个内置小助手。整个过程只在手机上完成，只需做一次，大约 3～5 分钟。向导是一个六步清单，每完成一步会自动打勾。\n打开开发者选项：设置 › 关于手机 › 连续快速点击「版本号」7 次，看到「您已处于开发者模式」即可。 打开 USB 调试：在开发者选项中打开「USB 调试」并确认。之后要一直保持开启，关掉会导致手机控制失效。 无障碍服务：建议直接点「跳过」。配对完成后 Mika 会自己开启。手动开反而容易被系统的「受限设置」拦住（非应用商店安装的 App 常见）。 打开无线调试：确认已连 Wi-Fi，打开「无线调试」开关，弹窗里**勾选「始终允许此网络」**再点允许。 用配对码配对：点「无线调试」这几个字进入页面 › 「使用配对码配对设备」，系统会弹出 6 位配对码。关键点：配对码只在这个弹窗开着时有效，不要切换 App、不要按返回、不要锁屏。此时 Mika 会弹出通知，下拉通知栏，点「输入配对码」填入 6 位数字即可。 自动连接：配对后几秒内会自动连上，看到「手机控制已设置完成」就大功告成。 手机没有「无线调试」怎么办 部分厂商系统没有可用的无线调试。这时可以用 USB 线连电脑，在电脑上装好 adb（Android platform-tools），先在手机上打开一次 Mika，再执行：\nadb devices # 确认手机显示为 device adb shell sh /sdcard/Android/data/com.wangzan101.mika/files/usb-start.sh 看到 Mika helper starting... 即可拔线。注意：用这种方式启动的话，手机每次重启后都要重新执行一次（重启后先打开一次 Mika 再执行）。\n第四步：选择工作模式 「设置 › 开发者选项 › 自主模式」是唯一的全局开关：\n询问模式（默认）：只有花钱的步骤（下单、提交显示金额的确认页）会先弹卡片问你；但发消息、发帖、提交表单、删除、改设置不会问，会直接执行。 自主模式：连付款前也不问。 无论哪种模式，登录、验证码、支付密码都会交给你本人。对于定时任务，询问模式遇到花钱步骤会直接跳过并告诉你。\n建议：刚开始使用、或涉及重要账号时，保持询问模式，并对结果做人工核对。\n第五步：试几个任务 配置完成后可以从简单的开始：\n明天早上 9:40 和 10:00 各设一个闹钟 每天早上 8 点查一下天气，只有要下雨时才告诉我 打开知乎，帮我总结首页前 5 条热门话题 任务运行中可以随时继续说话补充或纠正；停止后它会汇报做到哪一步，说「继续」即可接着做。完成过的任务会被沉淀为「技能」，下次更快更稳。\n进阶：从电脑给手机派任务 Mika 支持通过 CLI + Skill 或 MCP 让电脑上的 AI 工具把任务交给手机执行，连接方式可选 USB（推荐）或同一 Wi-Fi / 私有 VPN。装好 CLI 后运行 mika ui，会在浏览器打开一个本地任务面板。需要注意：这条连接是明文 HTTP，只应在可信网络中使用，令牌不要外泄；付款等需要授权的步骤只能在手机上处理。\n常见坑 无线调试开关自己关掉：通常是没连 Wi-Fi 或弹窗没点允许。换了新 Wi-Fi 需要手动允许一次。 配对码「错误或已过期」：每次打开配对弹窗都会换码，重新点「使用配对码配对设备」获取新码。 配对通知没弹出：检查是否允许 Mika 发通知，以及「配对」类通知是否被关闭；也可以下拉通知栏找。 在开发者选项里乱动开关：只需要「USB 调试」和「无线调试」。有些开关（例如 16 KB 页大小启动）会要求清除数据，看到相关提示一定点取消。 主模型不支持工具调用：任务会直接失败，请换支持 function calling 的模型。 支付、密码页截不了图：这类页面系统禁止截图，Mika 会请你接手，属于正常现象。 合规风险：自动操作第三方 App 可能违反其服务条款，批量操作（如群发、批量打招呼）尤其要谨慎。 小结 Mika 把「手机智能体」做成了一个普通人也能装上的 App：后台屏幕不打扰使用、模型完全自选、数据不过第三方服务器。上手的难点主要集中在一次性的无线调试配对，抓住「配对码只在弹窗开着时有效」这一点基本就能顺利完成。建议先用询问模式跑一些低风险任务，熟悉它的能力边界后再逐步放开。\n参考来源 wangzan101/Mika（GitHub 仓库 README） Setting up phone control, step by step（官方配对指南） Models and sign-in（模型与登录说明） Ask and Autonomous（询问/自主模式说明） Use Mika from a computer（电脑端接入说明） ","permalink":"https://ai.zlfun.cn/posts/20261102-mika-android-agent/","summary":"从零配置开源手机智能体 Mika：安装 APK、接入自己的模型、无线调试配对、选择询问/自主模式，并避开常见坑。","title":"让 AI 在后台替你操作手机：开源 Android 智能体 Mika 上手教程"},{"content":"这件事为什么值得站长关注 过去，如果你不想让自己网站的内容被拿去训练大模型，通常的做法是在 robots.txt 里把各家的训练爬虫一个个列出来再 Disallow。问题很明显：爬虫名字各家不同、不断新增，规则越写越长，而且「禁止抓取」和「禁止训练」被混成了一件事——有的站长其实愿意被 AI 搜索收录，只是不想被用于训练。\n2026 年 10 月 30 日，OpenAI 发文宣布：将支持 robots.txt 中一个跨厂商的通用信号，网站可以用它一次性向多家参与的 AI 公司表达「是否允许用于基础生成式 AI 训练」的偏好。该信号来自 IETF AI Preferences（aipref）工作组的讨论，具体写法在同日发布的 Internet-Draft《Machine-Readable Training Preference Signal》中给出。\n需要先说清楚两点现状，免得误会：\nOpenAI 表示会在未来几个月内实现该信号，届时再公布实现细节；现有的 GPTBot 等爬虫控制继续有效，不会被替代。 这份草案目前是个人提交的 Internet-Draft，并非 IETF 正式标准；遵守它是各厂商的自愿行为。 也就是说，现在就可以把它写进 robots.txt，成本几乎为零，但不要把它当成强制性的技术屏障。\n核心概念：策略令牌（policy token） 草案的思路很巧妙：不发明新语法，而是复用 robots.txt 已有的 User-Agent 分组，只不过这里的「User-Agent」不是某个真实爬虫，而是一个代表「用途」的令牌：\n__usage_ai-training 几个要点：\n以两个下划线开头。这是为了避免被一些「模糊匹配」的老解析器误认成某个真实爬虫。 Disallow = 不希望用于 AI 训练，Allow = 允许用于 AI 训练。路径匹配、最长匹配优先等规则与普通 robots.txt 完全相同。 User-Agent: * 不算数。草案明确规定，通配分组不能被解释为匹配这个令牌。换句话说，你写了 User-Agent: * + Disallow: /，并不等于表达了「禁止训练」。 文件里没有这个令牌，就等于没有表达偏好。 这里的「AI 训练」指用内容去修改生成式 AI 模型的参数；只做非生成式任务的模型训练不在此列。 最关键的一条：它不是抓取指令。训练偏好和「能不能抓」是两个相互独立的维度。草案明确说，爬虫仍按自己的名字去查自己的规则；想限制抓取流量，依旧要写针对具体爬虫的分组。\n准备工作 能修改网站根目录 robots.txt 的权限（静态站、Nginx、CDN 或 CMS 后台均可）。 一台能执行 curl 的机器，用于自检。 想清楚你的策略：全站禁止训练？只开放部分目录？是否仍希望出现在 AI 搜索结果里？ 第一步：选一个适合你的配置模板 模板 A：全站不希望被用于训练，但正常让搜索引擎抓取 # 传统抓取规则：照旧 User-Agent: * Allow: / # 训练偏好：全站不希望用于生成式 AI 训练 User-Agent: __usage_ai-training Disallow: / Sitemap: https://example.com/sitemap.xml 模板 B：默认禁止训练，但开放新闻稿、文档等目录 User-Agent: __usage_ai-training Disallow: / Allow: /press-kit/ Allow: /docs/public/ 由于最长匹配优先，/press-kit/ 下的内容会被视为「允许训练」，其余路径为「不允许」。这正是草案示例的用法。\n模板 C：允许训练，只保护付费或用户内容 User-Agent: __usage_ai-training Allow: / Disallow: /members/ Disallow: /user-content/ 第二步：和现有的爬虫规则配合 如果你之前已经写过针对具体厂商的规则，不需要删除。以 OpenAI 为例，其官方文档把几个爬虫的用途分开：OAI-SearchBot 用于在 ChatGPT 搜索中展示网站，GPTBot 用于收集可能被用于训练生成式模型的内容，各项设置相互独立。一个常见的组合是「愿意出现在 AI 搜索里，但不愿被训练」：\n# 允许 AI 搜索抓取 User-Agent: OAI-SearchBot Allow: / # 厂商专属：禁止训练爬虫 User-Agent: GPTBot Disallow: / # 跨厂商通用：表达不希望被训练 User-Agent: __usage_ai-training Disallow: / 为什么两种都写？因为通用信号还在推广期，并非所有厂商都已实现；厂商专属规则则是它们早已承诺遵守的。草案也允许厂商声明「专属令牌比通用令牌更具体、优先级更高」，所以两者冲突时，专属规则可能胜出——请确保它们表达的意思一致。\n草案还允许在一个分组里连续写多个 User-Agent 行，把同一组规则绑定到多个令牌，例如：\nUser-Agent: GPTBot User-Agent: __usage_ai-training Disallow: / 这样写更短，但可读性略差，团队协作时建议分开写并加注释。\n第三步：部署 纯静态站点：直接把文件放到站点根目录，确保能通过 https://你的域名/robots.txt 访问。 Hugo：可以在 layouts/robots.txt 写模板，并在配置中开启 enableRobotsTXT: true，构建后会输出到站点根目录。 Nginx 直接返回（适合不想改程序的情况）： location = /robots.txt { default_type text/plain; alias /etc/nginx/robots.txt; } 修改后重新加载 Nginx：nginx -t \u0026amp;\u0026amp; nginx -s reload。\n第四步：自检 确认文件可访问、类型正确： curl -sI https://example.com/robots.txt | grep -iE \u0026#34;^(HTTP|content-type)\u0026#34; curl -s https://example.com/robots.txt 检查令牌拼写（前面是两个下划线，中间是连字符）： curl -s https://example.com/robots.txt | grep -n \u0026#34;__usage_ai-training\u0026#34; 用 Python 标准库做一次「路径是否被禁止」的粗略模拟。注意 urllib.robotparser 并不认识「通配符不匹配策略令牌」这条特殊规则，所以它只适合验证你写的 Allow/Disallow 路径逻辑是否符合预期： from urllib.robotparser import RobotFileParser rp = RobotFileParser(\u0026#34;https://example.com/robots.txt\u0026#34;) rp.read() for path in [\u0026#34;/\u0026#34;, \u0026#34;/press-kit/logo.png\u0026#34;, \u0026#34;/blog/post-1\u0026#34;]: ok = rp.can_fetch(\u0026#34;__usage_ai-training\u0026#34;, \u0026#34;https://example.com\u0026#34; + path) print(path, \u0026#34;允许训练\u0026#34; if ok else \u0026#34;不希望训练\u0026#34;) 如果你的文件里没有 __usage_ai-training 分组，这段代码会回落到 User-Agent: * 的结果——而按草案，这种情况应理解为「未表达偏好」。这恰好说明了为什么必须显式写出该令牌。\n常见坑 只写 User-Agent: * 就以为禁止了训练：按草案，通配分组不代表训练偏好。 令牌拼错：少一个下划线、写成下划线 ai_training，都不会被识别。 把它当防火墙：这是偏好声明，不是访问控制。真正不想被抓取的内容，应该用登录、鉴权或在服务器层面拦截。 以为改了就立刻生效于历史数据：IETF 相关文档指出，爬虫依据抓取当时的 robots.txt 判断偏好，修改不会追溯到已经获取的内容。 robots.txt 过大：RFC 9309 对文件大小有限制，不要为每个路径单独写一行，尽量用目录前缀。 专属规则与通用规则矛盾：例如 GPTBot 允许、通用令牌禁止，不同厂商的解释可能不同，务必保持一致。 小结 __usage_ai-training 让站长第一次可以用一套规则、按路径地向多家 AI 公司表达训练偏好，同时把「能不能抓」和「能不能训练」拆开。它目前仍是草案，OpenAI 也尚在实现中，但写进 robots.txt 几乎没有成本。建议的做法是：保留现有厂商专属规则，再加上一段通用令牌分组，并定期关注 IETF aipref 工作组和各厂商的实现公告。\n参考来源 Making it easier for websites to express AI training preferences（OpenAI，2026-10-30） draft-kelley-aipref-training-preference-signal：Machine-Readable Training Preference Signal（IETF Datatracker） Associating AI Usage Preferences with Content in HTTP（draft-ietf-aipref-attach）（IETF aipref 工作组） Overview of OpenAI Crawlers（OpenAI 开发者文档） ","permalink":"https://ai.zlfun.cn/posts/20261102-aipref-robots-txt/","summary":"用 __usage_ai-training 这一跨厂商策略令牌，在 robots.txt 里按路径声明是否允许内容被用于生成式 AI 训练。","title":"一行 robots.txt 向多家 AI 公司说「别拿我的内容训练」：__usage_ai-training 实战指南"},{"content":"本站每天跟踪全球 AI 热点（GitHub Trending、Hacker News、Reddit、OpenAI / Anthropic / Google / Hugging Face 官方博客），并据此撰写原创中文实战教程，每篇文末附参考来源链接。\n","permalink":"https://ai.zlfun.cn/posts/welcome/","summary":"\u003cp\u003e本站每天跟踪全球 AI 热点（GitHub Trending、Hacker News、Reddit、OpenAI / Anthropic / Google / Hugging Face 官方博客），并据此撰写\u003cstrong\u003e原创\u003c/strong\u003e中文实战教程，每篇文末附参考来源链接。\u003c/p\u003e","title":"欢迎来到 ZL AI 教程"},{"content":"ZL AI 教程每天跟踪 GitHub Trending、Hacker News、Reddit 以及 OpenAI / Anthropic / Google / Hugging Face 等官方博客的热点，挑选最受关注的话题撰写原创中文实战教程。\n每篇文章都经过整理与验证，文末附参考来源链接 每天更新 1–2 篇，可通过 RSS 订阅 相关服务：ZL 数字商店 ","permalink":"https://ai.zlfun.cn/about/","summary":"\u003cp\u003e\u003cstrong\u003eZL AI 教程\u003c/strong\u003e每天跟踪 GitHub Trending、Hacker News、Reddit 以及 OpenAI / Anthropic / Google / Hugging Face 等官方博客的热点，挑选最受关注的话题撰写\u003cstrong\u003e原创中文实战教程\u003c/strong\u003e。\u003c/p\u003e","title":"关于本站"}]