把手机 agent 当玩具很容易，把它安全地用起来是另一回事。桌面上的 coding agent 出错，最多删错一个文件；手机上的 GUI agent 出错，代价可能是替你在微信里回错一条消息、点掉一次确认付款。所以这篇不急着堆命令，先给你一个判断框架，再给两条能跑通的路线，最后给一张踩坑表和一条不能破的红线。
两条路线分别是路线 A：OmniBot（端侧 App 形态，一个 APK 装上就在手机里跑）和路线 B：OpenGUI（框架形态，经 DeepSeek Harness 接入）。选型差异可以对照站内的 手机 AI Agent 五方横评 一起看。本篇只讲手机侧 agent 的安装与上手，和站内 桌面 computer use 搭建 SOP 分工不重复：那篇搭的是电脑上的桌面 computer use，动作空间是浏览器和本地应用；这篇是让 agent 直接握着一台 Android 手机。
一、先判断：该不该拿真机跑
判断标准只有一句：这台设备出事，你损失得起吗。
手机 GUI agent 拿到的权限比桌面 agent 重得多。它要「看见」界面就得有截图能力，要「操作」界面就得有跨 App 的点击注入能力——在 OpenGUI 里这套能力由 Android 无障碍服务（AccessibilityService）承担。换句话说，它一旦被提示注入或判断失误，影响面覆盖你手机上全部登录态账号，而不是某一个文件夹。
适合先跑的两类场景：
- 你想验证「手机 agent 到底能不能替我干活」，且手上有一台愿意拿来折腾的备用机。
- 你要做的是重复且规则明确的手机操作：批量填表、跨 App 找信息、回归测试、社媒草稿准备。
不要用真机跑的三类场景：
- 主力机。 为了省一台备用机，把全部账号和消息暴露给一个会自己点按钮的程序，不划算。
- 放着不管的长任务。 OpenGUI 的官方 README 自己就写着：长任务「可靠性仍需更多真实测试」。它不会因为你不管它而更可靠。
- 含支付、改密码、发消息、改账号设置的动作。 这类动作在任何路线里都必须保留人工确认；OpenGUI 文档也把「发布、发消息、账号变更前人工确认」列为推荐用法，而不是可选项。
下面按「先装、再配、再跑、最后收口安全」的顺序走，共十步。
二、两条路线对照：端侧 App 还是框架
先看全景，再选一条路走。两条路线的形态差异，决定了后面所有步骤的差异：
| 维度 | 路线 A：OmniBot | 路线 B：OpenGUI |
|---|---|---|
| 形态 | 端侧 App（Android 原生 Kotlin + Flutter） | 框架与后端 + DeepSeek Harness 插件 |
| 你装什么 | 从 Releases 页下载的 APK | 一段提示词交给 Codex 安装 |
| 硬性前置 | 一台 Android 手机 + 一份 OpenAI 兼容 LLM 凭据 | Android 11（API 30）以上 + USB 调试 + 无障碍权限 |
| 是否需要电脑 | 本机侧不需要电脑即可运行 | 需要电脑（macOS 走插件安装，Linux/Windows 走手动包） |
| 能力入口 | Skills 仓库、定时任务、内置终端与浏览器 | Plan Supervisor、Executor Graph、模型按角色分 |
| 远程派活 | Remote Codex bridge（借用电脑上的 Codex） | Feishu / Telegram / Discord / REST 待命派发 |
| 许可 | AGPL v3（仅非商业）+ 商业许可 | BSL 1.1（仅非生产用途） |
一句话取舍：只想在手机上验证一件事，走 A，装一个 APK 就够；想把它当一套可编排的手机操作后端，走 B，它把规划、执行、汇总、重试拆成了明确的层。
三、路线 A 第 1 到 3 步：装包、配置、装技能
第 1 步：装 APK。 去仓库 Releases 页下载并安装 APK（README 中段与页脚引用的地址是 omnimind-ai/OpenOmniBot/releases）。README 没有给出最低 Android 版本要求，遇到兼容问题以 Release 说明为准。
如果你想自己构建（开发向）：
git clone https://github.com/omnimind-ai/OpenOmniBot.git
cd OpenOmniBot
cd ui && flutter pub getcd ..
./gradlew :app:installDevelopStandardDebug -Ptarget=lib/main_standard.dart构建环境要求（README 原文）：Flutter SDK 3.47.2+、JDK 17+、Node.js 20.19+ 或 22.12+、pnpm 10.28.0（用于 WebUI 开发）。
第 2 步：配置（左侧栏打开设置）。 顺序不能乱：
- 配置 AI 能力。
- 配置 AI 提供商（OpenAI 兼容：base url、key、模型名）。
- 前往场景模型配置，逐项指定模型。
- 最容易漏的一步：
Memory embedding强制要求嵌入模型，不配则记忆功能不可用；其余场景 README 建议优先用多模态或视觉模型——原因很直接：手机 agent 要「看」界面。 - Alpine 环境一般在应用启动时自动初始化，也可在设置里自行管理。这是它能在手机上跑 Linux 工具链的原因。
第 3 步：装技能。 把 skills 仓库链接直接发给助手（应用里叫「小万」），让它帮你装；README 推荐的仓库是 https://github.com/OpenMinis/MinisSkills。装完后在技能仓库里逐项开关，用不到的关掉。
四、路线 A 第 4 到 6 步：跑任务与两个可选扩展
第 4 步：跑任务。 两条路径要分清：定时任务用于执行 subagent 流程，闹钟只做提醒、不执行流程。你也可以把一个完整任务整个交给 subagent，它会像完整 agent 一样执行。应用内置 Workspace、浏览器与终端，读写文件与调用终端都在里面。
第 5 步（可选）：Remote Codex bridge。 想让手机用上跑在电脑上的 Codex，在已经安装并登录 Codex CLI 的电脑上执行：
npx @thuocean/codex-bridge在终端交互里选择监听的局域网地址与 token 模式，然后在应用的 Codex 设置里扫码连接。
这一步的安全含义要写清楚：它等于把电脑的执行能力暴露给手机端 agent。只在可信局域网里开，别把监听地址开到公网。
第 6 步（可选）：WebUI 与本地服务。 应用内「设置 > 本地服务」启用后，复制地址与 Token；默认端口 8899，但要以应用实际显示为准。WebUI 本地开发：
cd webchat
pnpm install --frozen-lockfile
VITE_WEBCHAT_PROXY_TARGET=http://192.168.1.20:8899 pnpm dev两个已写进 README 的坑：地址末尾不要加 /webchat；端口以应用实际显示为准，别照抄文档示例。
五、路线 B 第 7 步：把 OpenGUI 接进 DSH（别装错版本）
先核硬性前置（README「Current Limitations」原文）：
- Android 11（API 30）或更新的设备或模拟器。
- 必须开启 USB 调试，并授予 AccessibilityService（无障碍）权限。
- 走 DSH 插件路线时，macOS 环境需要 Node.js 22.19+ 或 24+。
最短路径是把 README 里给的那段提示词原样发给 Codex，不要自己改写它：
Install and run the OpenGUI installer Skill from https://github.com/Core-Mate/OpenGUI/tree/main/deepseek-harness-plugin/skills/opengui-coremate-install for my DSH web profile. Install the latest stable release. Proceed autonomously, and only pause when I need to authorize or select a phone, add or select a DSH workspace, or provide fallback visual-model credentials.安装器会做的事：下载公开 Release 包与校验和、校验 SHA-256、只安装 OpenGUI 插件、按需启动 DSH 并打开、保留无关的 DSH 插件与设置。它会明确报告是「重载了受管理的 DSH」还是「需要你先退出已有进程再重跑」。Linux / Windows 走手动包安装，路径见插件目录下的 README。
版本纪律（这一节最容易翻车）：
| 项 | 说明 |
|---|---|
| 支持版本 | DSH 0.1.0-rc.7 / 0.1.0-rc.8 / 0.1.1-rc.1 / 0.1.1-rc.2 |
| 新装默认 | 0.1.1-rc.2 |
| 明确不支持 | DSH 0.1.2-alpha.4 |
| 指定版本 | 用 --dsh-version VERSION 显式指定 |
| 禁止降级 | 不支持从 0.1.1 RC 降到 0.1.0 RC |
最后一条要展开讲：DSH 0.1.0 RC 读不了 0.1.1 RC 写的版本化凭据库，所以安装器会在改动任何文件之前就拒绝这种状态降级，并建议另开一个 DSH home。现有 DSH 安装、workspace、模型设置与手机授权都会被保留，别为了「降级试试」手动删文件。
六、路线 B 第 8 到 9 步：连真机、分模型、待命派发
第 8 步：连真机并跑第一个任务。
- 添加或选择一个 DSH workspace。
- 连接并选择一台已授权的 Android 手机。
- 发送：
@OpenGUI Open Settings and report the Android version这条只读任务能验证整条链路是否通。跑通之后再放开写操作。
源码行为提示（README 明说这不是发布承诺）： 当前源码实现下，每个 DSH 会话只受理一个 OpenGUI 任务；不同手机构成的集合可以开独立标签页；受管理的浏览器是全局串行的。别按「多任务并行」去设计你的流程，它现在不支持。
第 9 步：模型按角色分，这是省钱的关键。 官方给了两套档位：
- 高性能档：规划、监督、复核、视觉全部用最新 Claude Opus 家族，质量最好，也最贵。
- 省钱混合档：文本侧角色（Planner、Supervisor）用 Qwen 3.6 Plus，VLM 执行侧用豆包 Pro。
设计上规划与 VLM 执行可分属不同供应商，所以「规划用贵的、执行用便宜的」是这套框架的一等公民，而不是 hack。README 提到混合档通常能把成本降到全 Opus 方案的大约十分之一到十五分之一，具体取决于任务长度、截图数量和 token 构成。GUI 执行侧的官方推荐顺序是：豆包 VLM、Qwen VLM、OpenAI 视觉模型、Grok 视觉模型（后者仍是实验性）。模型可用性、价格与策略行为因版本和地区而异，无论选哪家，模型必须同时支持图像输入和工具调用。模型侧生态动向可对照 阿里 Qwen Intelligence 发布热点。
第 10 步（可选）：待命派发。 后端内置 Feishu / Telegram / Discord / REST API 与待命派发通道；手机端保持常驻待命连接即可远程派活，任务结果以结构化形式回到后端。适合把一台备用机长期挂在充电座上等活，但前提仍然是第七节那条红线。
七、安全：一条红线与五条纪律
红线只有一条：发布、发消息、改密码、改账号设置、任何支付动作，必须逐次人工确认。 不是「第一次授权之后放手」，而是每一次都留一个人工确认点。这条线在两家文档里一致存在，破了它，前面所有步骤的收益都不足以抵消风险。
红线之外，还有五条纪律：
- 用备用机，不要用主力机；账号能隔离就隔离。
- 只开必要权限：能不给无障碍就不给；给之前想清楚它能看到什么。
- 局域网/白名单：bridge 与本地服务只在可信局域网开放；Token 不外传、不进截图、不进仓库。
- 日志与审计：留一份操作记录，出问题能回溯。OpenGUI 的
Summarizer会产出结构化结果，可以直接当审计底稿。 - 先短任务后长任务：先跑「打开设置读版本」这类只读动作，再逐步放开写操作。
这些工具不是「随便用」的开源项目，许可边界单独放在第九节展开。
八、上线前自查清单与踩坑速查表
上线之前，逐条核对下面这份清单，不要跳项：
- 设备是备用机，账号已尽量隔离
- 只授予必要权限，无故不授予无障碍
- 支付 / 发消息 / 改密码 / 改账号设置 已设为逐次人工确认
- bridge 与本地服务只在可信局域网，Token 未外传
- 已开启操作日志，可回溯
- 先用只读短任务验证链路，再放开写操作
- 已确认工具许可证与自己（或公司）的使用场景匹配
踩坑速查表（每条坑都给规避动作）：
| 坑 | 表现 | 规避动作 |
|---|---|---|
| DSH 版本装错 | 装了 0.1.2-alpha.4 等不支持版本，插件不工作 | 只在支持清单内选版本；用 --dsh-version 显式指定 |
| 凭据库降级 | 从 0.1.1 RC 退回 0.1.0 RC 报错 | 不要降级；安装器会拒绝，改为另开 DSH home |
| 权限没给全 | 手机连上但动作执行不了 | 确认已开 USB 调试 + 授予 AccessibilityService |
| 只配了普通 LLM | 能聊天但「看不见」界面 | 手机 agent 需要视觉 / VLM 模型；OmniBot 除嵌入模型外建议全用多模态 |
| 忘记配嵌入模型 | OmniBot 记忆功能不可用 | Memory embedding 是强制项，必须配嵌入模型 |
| 把 bridge 开到公网 | 电脑执行能力被暴露 | 只在可信局域网使用；选好 token 模式 |
| 长任务失控 | 跑几小时后行为漂移、结果不可复现 | 先短后长；关键节点人工确认；保留日志 |
这张表前三条是路线 B 特有，中间两条是路线 A 特有，最后两条两边都适用。
九、许可边界：装进公司流程前先看许可证
这一节不是免责声明，是选型依据。
OmniBot 采用用户分段双重许可。 开源侧是 GNU AGPL v3，但只在非商业用途、或个人 / 教育 / 研究目的下免费；许可证原文明确写「禁止用于任何组织」——也就是说，组织即便只是做研究，也不在免费范围内。商用必须事先与维护者签署商业许可；如果你不想让自己的改动承担 AGPL v3 的源代码开源义务，同样需要签商业许可。所以别把它简化成「一个 AGPL 开源软件」或「完全免费可商用」，这两种说法都不准确。更多仓库层面的信息可以看站内 OmniBot 开源端侧 Agent 那篇。
OpenGUI 是 BSL 1.1（Business Source License）。 源码可见，你可以复制、修改、分发并用于非生产用途；生产使用、商业使用、托管服务、集成进商业产品，都需要从维护者处单独获得商业许可。它目前是公开源码，但在变更日之前不属于 OSI 认可的开源许可。
把工具装进公司流程前先看许可证。 个人在备用机上做技术验证，两条路线都走得通；一旦牵涉到公司业务、对外服务或产生商业利益，先回到许可证原文确认，再动手。
常见问题
Q1：我只有一台主力机，能跑吗？ 技术上能，判断上不建议。手机 agent 拿的是无障碍加跨 App 操作能力，一次提示注入或误判的影响面是你全部账号与消息。真要试，先用只读短任务加逐次人工确认把风险压到最低，或者干脆拿一台旧手机当备用机。
Q2：为什么配了模型，agent 还是「看不见」界面？
大概率你只配了普通文本 LLM。手机 GUI agent 的输入是屏幕截图，必须用**支持图像输入（多模态 / VLM）**的模型。OmniBot 的口径是：除 Memory embedding 必须用嵌入模型外，其余场景建议优先用多模态或视觉模型。OpenGUI 侧同理，无论选哪家供应商，模型必须同时支持图像输入和工具调用。
Q3：Memory embedding 到底是不是必须配？
是强制项。OmniBot README 原文写明 Memory embedding 需要嵌入模型，不配则记忆功能不可用。这条已收进踩坑速查表。
Q4：DSH 能不能降级到我习惯的旧版本？
不能从 0.1.1 RC 降到 0.1.0 RC。原因是 0.1.0 RC 读不了 0.1.1 RC 写的版本化凭据库，安装器会在改动任何文件之前拒绝这个状态降级，并建议另开一个 DSH home。想换版本，用 --dsh-version 在支持清单内指定，而不是手动删凭据。
Q5：它能不能一边跑手机任务，一边跑浏览器任务？ 按当前源码实现不行。README 明确说：每个 DSH 会话只受理一个 OpenGUI 任务，受管理的浏览器是全局串行的。而且这句话后面紧跟一句「这是源码行为，不是发布承诺」——别按并行去设计多任务流程。
参考来源
- OmniBot 官方仓库 README 与 Releases（
omnimind-ai/OpenOmniBot）：安装、配置、Skills、定时任务、Remote Codex bridge、WebUI 本地服务，采集于 2026-09-23。 - OpenGUI 官方仓库 README 与 Releases（
Core-Mate/OpenGUI）：DSH 插件安装、版本支持清单与降级策略、首个任务示例、模型按角色分档、待命派发、Current Limitations 与许可证，采集于 2026-09-23。 - DeepSeek Harness 插件文档（
deepseek-harness-plugin/README.md与docs/）：安装器行为、手动包安装路径、use cases，采集于 2026-09-23。 - 许可证以两仓根目录
LICENSE原文为准：OmniBot 为 AGPL v3 + 商业许可的分段双重许可，OpenGUI 为 BSL 1.1。 - 本站《手机 AI Agent 五方横评》、《OmniBot 开源端侧 Agent》、《桌面 computer use 搭建 SOP》。
- 未在官方文档中给出的价格与限额一律不编，以官方为准。