文章总结： OpenCyvis2.0是一款开源AI手机方案，支持用户自选LLM后端（云端或本地）并在后台虚拟显示器操作。新增标准模式无需刷机即可在Android11+设备使用，通过ADB无线配对获得权限。核心功能包括IM远程控制、例行任务自动化及多ROM适配，采用截图与UI树双通道感知技术，提供14种ToolCalling指令。 综合评分： 85 文章分类： 移动安全,AI安全,IoT安全,安全工具,解决方案

OpenCyvis 2.0：不用刷机也能用的开源 AI 手机

原创

flanker flanker

Flanker论AI

2026年5月24日 23:05 上海

在小说阅读器读本章

去阅读

OpenCyvis 是一个开源的 AI 手机方案。用户可以自由选择 LLM 后端（云端或本地），AI 在后台虚拟显示器上操作，不占用前台屏幕。2.0 新增标准模式，不用刷机就能在任何 Android 手机上使用。

回顾

上次发了一篇文章介绍 OpenCyvis，收到了不少反馈——有在自己的场景用起来的，也有讨论技术实现的，有问本地模型配置的，也有直接来 GitHub 提 issue 的。

刷机模式权限最稳定，但为了支持很多情况下非刷机使用的场景，2.0 加了标准模式：下载 APK，按设置向导完成配对就能使用，不需要刷机。系统 App 模式同时保留。

两种模式，同一个 App，同一套 AI 引擎。区别只在底层权限的获取方式。

2.0 版主界面

先看效果——输入一句”微信里发去吃寿司郎”，AI 自动打开微信、找到对话、输入消息并发送：

微信回复 demo

两种安装模式

标准模式

适合大多数用户。

1. 1. 下载 APK，正常安装
2. 2. 打开 App，设置向导引导完成 ADB 无线配对
3. 3. 选择 LLM 后端（云端或本地），开始使用

不需要刷机，不需要 Root，不需要连接电脑。整个配对过程在手机上独立完成，设置向导会一步步引导。支持 Android 11 及以上版本。

系统 App 模式

适合极客用户和开发者，及追求稳定权限体验的。

刷入 AOSP 系统镜像，App 以系统应用身份运行，拥有最完整的平台签名权限。截屏使用 SurfaceControl 直接调用，速度最快；FLAG_SECURE 保护的窗口也能正常截取；VD 任务管理走系统内部 API，稳定性最高。代价是需要一台专门的设备来刷机。

两种模式的关系

核心 AI 引擎、LLM 后端、UI 界面、操作能力——两种模式完全一样。差异仅在底层：系统 App 直接调用系统 API，标准模式通过 ADB shell 权限获得同等能力。绝大多数日常场景下，用户感受不到区别，但后者在便捷性上和稳定性可能会受到各个手机品牌定制的影响。

2.0 新增功能

IM 远程控制

在 IM 里给 Bot 发消息，远程控制手机上的 AI。目前支持飞书和 Telegram。

典型场景：给父母手机装上 OpenCyvis，妈妈说”字太小了看不清”——你在 IM 里发条”把字体调到最大”，AI 操作完截图发回来确认。不需要双方同时盯屏幕，不需要电话里教点哪里。

支持完整的交互：下发指令、接收进度、查看截图、回答 AI 的追问、停止任务。

IM 远程控制发微信

例行任务（Routines）

把常用操作保存下来，定时自动执行或一键触发。

比如设置”每天早上 8 点查日程”，AI 到点自动查日历、查天气、查未读邮件，汇总推送到聊天里。也支持地理围栏——到了公司自动打卡。用户可以从对话历史中直接保存为 routine。

深色模式

完整的日夜主题支持。跟随系统设置自动切换，也可以在 App 内手动指定。所有界面——主页、聊天、设置、Watch 模式——都有对应的深色配色。

多 ROM 适配

标准模式现在支持 MIUI、ColorOS、OriginOS 等主流国产 ROM。不同厂商的 ADB 无线调试入口差异较大，我们通过 OemHelper 做了兼容处理。

Provider Profiles

可以保存多个 AI 配置方案（比如一个云端 Qwen、一个本地 Gemma 4、一个 Claude），在设置里一键切换，不需要每次重新填写 API 地址和密钥。

核心设计

• • 开源 + 模型可选：Apache 2.0，LLM 后端用户自配
• • 虚拟显示器：AI 在后台 VD 操作，不占前台屏幕
• • 截图 + UI 树双通道感知：视觉定位 + 结构化坐标
• • 14 种 Tool Calling：模型通过 function calling 返回结构化指令

详见上一篇文章。

技术：两种 Backend 架构

两种安装模式共享全部上层代码，差异仅在权限层。通过 PrivilegeBackend 接口隔离：

| | SystemBackend | RemoteBackend | | — | — | — | | 权限来源 | 平台签名（uid system） | ADB shell（uid 2000） | | 输入注入 | InputManager 直接反射 | AIDL 代理到 PrivilegedService | | 截屏 | SurfaceControl.screenshot() | ImageReader 从 VD Surface 读取 | | VD 任务管理 | 反射 ActivityTaskManager | PrivilegedService 代理 |

运行时自动选择 Backend。

这个架构的另一个好处是可扩展——PrivilegeBackend 是一个接口，未来可以接入更多权限来源。目前已支持 Shizuku；后续还可以对接更多定制 API，或者结合如笔者曾提出并被 XDA 社区做成工具的 TTS Engine 获取系统权限的类似能力（在用户主动授权的前提下）。上层 Agent 引擎不需要任何改动。

两种 Backend 架构

标准模式的关键技术

ADB 无线调试自连接 — 借鉴 Shizuku 的思路。App 通过 ADB 配对协议在设备上启动一个 shell 身份的 PrivilegedService 进程，拥有输入注入等权限。App 本体仍为普通应用，高权限操作走 AIDL 代理，权限提升有边界。

Mirror VD 截屏 — 创建 VirtualDisplay 时关联 ImageReader，直接从 VD Surface 读帧。不需要 READ_FRAME_BUFFER 权限，性能损失对 agent 循环影响有限。

多 ROM 适配 — 不同厂商的无线调试入口差异大。OemHelper 封装了 MIUI、ColorOS、OriginOS 等的差异，其他 ROM 走通用流程。

模型支持

云端和本地均可。用户自行配置 LLM 后端，App 不绑定任何模型服务商。以下为部分云端多模态模型评测结果：

| 模型 | 每步延迟 | 通过率 | 备注 | | — | — | — | — | | Qwen 3.5 Plus | 4-6s | 4/4 | 稳定，推荐 | | Claude Opus 4.6 | 4-8s | 4/4 | 推理质量最高 | | MiMo v2.5 | 2.3-4.5s | 4/4 | 速度最快 | | Kimi K2.6 | 5-15s | 2/4 | tool calling 不稳定，延迟波动大 |

本地模型通过 Ollama 运行，Gemma 4 E2B（1.8GB）即可通过全部测试。详见上一篇文章。

接下来

• • 探索更便捷的权限支持方式
• • 进一步优化本地模型支持

Website: https://opencyvis.ai | GitHub: opencyvis/opencyvis-phone | Apache 2.0

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：Flanker论AI flanker flanker《OpenCyvis 2.0：不用刷机也能用的开源 AI 手机》