Droy：装进手机里的开源 AI 助手，把 Agent 和"电子宠物"揉在了一起

想象这样一个场景：晚上十一点，你刚在沙发上躺下，手机屏幕亮起一只黑猫，喵了一声问你"今天加班到这么晚，明天要不要我帮你定个闹钟？"——这不是某个大厂 App 的推送，而是你自己装在手机上的开源软件干的。Droy 就是这样一个东西：它把"能替你操作手机的 Agent"和"会陪你说话的桌面宠物"塞进了同一个 Android 应用里。

Droy 的三大功能区：陪伴聊天、任务执行、桌宠工作室（图片取自官方仓库 README）

一、它从哪里来：一次"把桌面宠物做成真"的尝试

Droy 由 GitHub 用户 moonoops 维护，2026 年 10 月 26 日建仓，五天内连发四个版本（v0.0.1 → v0.0.3），目前 130 star、2 fork，采用 AGPL-3.0-only 协议。这是一个典型的"个人作者驱动"项目：仓库里 AGENTS.md 写满了中文开发约定，README 致谢了 LINUX DO 社区，测试数据全部使用虚构数据。

项目最关键的技术底座是 DeepSeek Harness（DSH）——DeepSeek 官方开源的 Agent 引擎，负责任务规划、模型调用、会话管理和扩展机制。Droy 在此之上叠了三层：

1. DSH（Agent 引擎）：规划器 + 模型调用 + 会话；
2. Android Use（原生执行器）：把无障碍、Shizuku、Root 三种通道统一成"观察—动作—取消—回执"的契约；
3. Droy 本体（产品层）：Kotlin + Jetpack Compose 原生界面、授权管控、任务状态机与数据策略。

另有两条外部血脉：对话规划与回复模板来自开源项目 MaiBot（改造为一人一聊），伙伴记忆的本地存取检索用 MemOS 模块（做了 Android 适配和按伙伴隔离）。

官方架构图：DSH 引擎层、Android Use 执行层与产品层职责分离

二、生活化类比：这相当于什么？

把 Droy 类比成"养在手机里的一只会干活的小宠物"：

• 陪伴聊天 ≈ 养成类手游里的 NPC，但这个 NPC 有独立记忆，能记住你上周说过讨厌香菜；
• 任务模式 ≈ 一个能把手机借给你的实习生——你只说目标（"帮我把冰箱照片发到家庭群"），它自己拆步骤、点页面、输入文字、最后回头检查有没有做对；
• 桌宠（Pet Studio） ≈ 悬浮在界面上的动画角色（黑猫、旱獭、羊驼），执行任务时会冒气泡，你可以点它查看进度、回答它的提问、暂停或叫停。

而最关键的架构决策是：运行时完全跑在手机上。APK 里内置了 Node 运行时、DSH、语音模型（MeloTTS、Qwen3-TTS 可选下载），配置完 API Key 之后就可以拔掉数据线独立使用。这和"手机只是遥控器、算力在云端"的思路是反的。

三、核心功能拆解

1. 四个预设伙伴 + 完整自定义

Kaka（默认新建）、Maimai、Dafeiyu、Lady Claude 四个预设角色，各自拥有独立的聊天历史与记忆库，可绑定不同模型服务。名字、头像、性格、说话风格、聊天背景（八套内置或上传自定义图）、表情包与 GIF 导入、主动问候与免打扰时段（默认 22:00–09:00）都可调。

2. Android Use：手机操作能力的完整工具箱

这是 Droy 最有分量的部分，工具族相当庞大：

• 交互类：android_observe、android_screenshot、android_tap、android_input_text、android_node_action、android_swipe、android_gesture（支持 2–5 指同步轨迹）、android_wait_for、android_sequence（串行 2–6 步）、android_global_action、android_open_settings；
• 硬件类：android_sensor（枚举与采样）、android_location、android_infrared、android_bluetooth（BLE/GATT/RFCOMM）、android_nfc（读卡/认证/页块读写/HCE 模拟）、android_wifi、android_cellular、android_network_probe；
• 数据与诊断类：android_device_data（本地保存、分页、导入导出）、android_app_info、android_usage_query、android_battery_usage 等按需只读诊断；
• 音频类：android_audio_start/status/stop 与 audio_transcribe（本地识别器随 APK 交付）；
• 高阶：需 Root 的 android_process_memory（扫描、读取、单次最多 8 字节标量写入）。

工程细节相当严谨：坐标动作必须带合法 snapshotId；动作"已提交"与"业务完成"分开判定；未知结果先重新观察而不自动重放已派发操作；用户回答验证问题后仍需重新观察，不能把回答当作验证通过证据。这类约束说明作者对 Agent 误操作的风险有清醒认识。

3. 记忆与隐私保护

伙伴记忆基于 MemOS 的本地存储与检索模块，默认不上云、无云端同步，删除伙伴后记忆仍留在手机本地，可通过任务显式恢复或彻底删除。仓库里 runtime/privacy/ 是独立模块，负责"模型处理授权"与"会话来源溯源"：端点授权绑定 URL、用途、类别集合与配置摘要，模型名本身不算端点身份；用户遗忘来源后，既有引用和迟到引用都会被失效。语音唤醒默认关闭，且隐私保护启用后，受保护会话只允许使用本地语音引擎。

4. 扩展体系

技能、插件、MCP 与自动化都通过 DSH 在任务中接入。内置语音走 SenseVoice 本地识别 + Silero VAD，朗读可选 Android 系统 TTS、MeloTTS 或 Qwen3-TTS。

四、上手门槛：两条路，难度差很远

路径	门槛	说明
装官方 APK（推荐）	低	Releases 下载、核对 SHA-256 与签名指纹、手机引导配置。运行时已内置，不需要装 Node/DSH。要求 ARM64 + Android 11+
源码构建	高	JDK 17、Android SDK Platform 37、Build Tools 36、NDK r28c、CMake 3.22+、Node 22/24、Python 3.9+、patchelf、AGP 9.1.1、Gradle 9.3.1、Kotlin 2.2.21，一次完整构建相当耗时
电脑 Agent 辅助安装	中	tools/setup.py scan/plan/apply/verify 四步走，Python 3.8+ 与 ADB 即可，不需要完整 Android 构建环境

上手后的真实摩擦点有三个：竖屏锁定（明确不支持横屏）、后台保活（国产 ROM 需要手动放开电池优化与自启动，否则后台消息会断）、权限心智负担（无障碍、Shizuku、Root 三条通道分别授权，Root 虽可选但对普通用户偏重）。

五、争议与局限：热闹之下的问题

1. 隐私是双刃剑。README 写明"消息、记忆、页面文本、截图与附件会发给你选定的模型服务"，本地记忆不等于本地推理。用云端模型就必然外发敏感数据，只用本地模型则要自备推理能力——对普通用户是道选择题。
2. Root 相关能力的合规与安全边界模糊。进程内存读写、HCE 模拟等能力在合规场景和滥用场景之间只隔着一个开关。
3. 生态仍然很薄。130 star、2 fork、4 个 fork 点，作者一人维护，AGPL-3.0 对商业二次集成并不友好。DSH 0.2.1-rc.5 仍是候选版本，依赖锁定在 Material 3 1.5.0-beta02、Compose BOM 2026.09.00 等相当激进的版本组合，升级稳定性未知。
4. 权限成本高。功能越全，要求的权限越重，"设置里那一片授权开关"本身就是劝退项。
5. 作者尚未处理公开 issue（1 个 open issue）。

六、行业意义：一条值得注意的支线

Droy 代表了一条和"ChatGPT 客户端"完全不同的路线：端侧 Agent + 原生系统操作能力 + 情感化人格。市面上的手机 Agent 多为系统厂商或大厂服务，绑定自家生态；Droy 选择"开源 APK + 自选模型 + 深挖系统底层能力"（无障碍/Shizuku/Root/NFC/HCE/蓝牙 GATT），把工具能力边界做到了相当细。

它也验证了一件事：开源 Agent 框架（DSH）+ 开源记忆模块（MemOS）+ 开源对话框架（MaiBot）+ 社区力量（LINUX DO） 这套组合，能在五天内拼出一个可用产品。

伙伴预设与桌宠工作室界面（官方截图）

七、给不同人的建议

• 想尝鲜的普通用户：直接装 APK，选一个 DeepSeek 系模型先跑陪伴聊天，任务模式从低风险操作（发消息、查日程）开始，权限逐项开。
• 想做二次开发的团队：重点读 runtime/android-use 的能力契约与 runtime/privacy 的授权模型；AGPL-3.0-only 需要提前做合规评估。
• 做端侧 AI 产品的同行：Droy 的"陪伴人格 + 工具执行 + 桌宠反馈"三件套，是把 Agent 从后台脚本变成日常陪伴形态的一种可参考设计。

记忆提取与后续对话召回（官方双语截图）

---

一句话结论：Droy 是目前开源 Android 端 AI 助手里工程完成度较高的一款——它把 Agent 能力、隐私边界和人格化交互都做了认真设计，安装门槛低（官方 APK 直装）、源码门槛高（完整原生工具链），适合尝鲜与参考，但离"普通用户开箱即用"和"生产级稳定性"都还有距离。