给 AI 一个真正的手机：Open Minis 开源了

大多数号称"AI手机助手"的东西，本质上还是一个聊天框加几个API。你问它天气，它调个接口告诉你26度，然后呢？没了。

Open Minis不是这样。

它做的事情很暴力——给AI一个真实的Linux Shell，让它像一个人类一样操作系统。不是调接口，不是走快捷方式，而是真的打开终端，执行命令，读写文件，操控浏览器。

这意味着什么？意味着AI在你手机上能做的事情，和你在电脑终端里能做的事情，没有本质区别。

这是我觉得Open Minis最聪明的地方。

大多数Agent框架的思路是"工具越多越好"——日历一个工具，天气一个工具，笔记一个工具，每接一个功能就要写一套schema。工具列表越拉越长，模型选择工具的难度也指数级上升。

Open Minis反其道而行：核心工具只有8个。

shell_execute、文件读写编辑、browser_use、memory读写、图片读取。就这些。

那日历怎么办？HealthKit怎么办？蓝牙怎么办？

答案是：全部在Linux沙箱里用CLI命令实现。

这里有一个技术细节值得展开说。

Open Minis在内核层拦截了execve()系统调用。当Agent在Shell里执行一个命令时，如果这个命令对应的是一个原生功能（比如操作日历），系统会路由到原生处理器，执行完返回JSON结果。

这意味着什么？

Agent不需要知道"日历API"长什么样。它只需要写一行shell脚本，像操作普通Linux命令一样操作原生功能。Shell脚本天然支持管道、循环、条件判断——这些是JSON API做不到的。

举个例子：传统方式下，"帮我查下周三下午的会议，如果有就提前一小时提醒我"需要多次API调用和逻辑判断。在Open Minis里，这可能就是一段shell脚本的事。

这就是"代码执行优于工具调用"的设计哲学——不是让模型学习越来越多的工具schema，而是给它一个通用的执行环境。

Open Minis的Agent循环也很有意思。

它不是你问一句它答一句的模式。它支持流式执行，并发最多10个工具调用，上下文窗口感知的自动压缩，长输出自动卸载到文件（带占位符），还有循环检测和安全防护。

最让我印象深刻的是它支持约200轮对话。这不是一个演示用的玩具，而是一个可以长时间工作的Agent。

说点实际的。

拍一张食物照片，AI自动识别菜品、估算热量，写入Apple Health。这个流程在传统助手里需要至少3个独立工具的串联，在Open Minis里就是一段shell脚本：识别图片→解析结果→写入健康数据。

早上被闹钟叫醒，AI自动拉取X时间线，摘要总结，合成语音播报。不是你打开app去问它，是它自己在后台跑。

把群聊消息变成任务，提取bug和行动项，去重后写入Apple Reminders。这种"从非结构化信息到结构化任务"的转换，恰恰是Shell环境的强项。

挂载Obsidian vault，研究、整理、写Markdown笔记。因为有真实的文件系统，AI可以直接操作你的笔记目录。

这些用例的共同点是：它们都不是"聊天"，而是"工作"。

Open Minis有一套分层记忆系统：GLOBAL.md存全局偏好，每日日志记录交互历史，SOUL.md定义AI的身份和性格。

技能系统也很聪明——SKILL.md文件夹里存的是渐进式披露的元数据，按需加载内容。而且它兼容Claude、Codex、OpenClaw、Hermes Agent的技能格式。

这意味着社区已经有的技能生态，可以直接复用。不用从零开始。

Open Minis采用BYOK模式——自带API Key，所有数据本地存储，没有第三方路由。

这在当前AI应用隐私问题频发的背景下，是一个重要的设计选择。你的数据不经过任何中间服务器，直接从你的手机到你选择的LLM提供商。

iOS端还用了一些巧妙的后台执行技巧：位置心跳、后台音频、Live Activities，确保Agent在后台也能持续工作。

说点我的判断。

当前手机AI的主流路径是"集成更多API"——苹果在做Apple Intelligence，谷歌在做Gemini集成，每家都在疯狂接API。但Open Minis证明了另一条路：不需要那么多API，一个Shell就够了。

这让我想到一个类比：PC时代，图形界面和命令行并存了几十年。GUI方便，CLI强大。现在手机AI也在走类似的路——大多数产品在做GUI层面的集成，Open Minis直接跳到了CLI层面。

MacStories说这是"the most impressive indie app I've seen in a while"，知乎评价它"在很大程度上实现甚至局部超越了Apple Intelligence"。这些评价不夸张。

因为当你给AI一个真正的执行环境时，它的能力上限不再取决于你预设了多少工具，而是取决于它自己能写出什么样的代码。

这才是AI Agent该有的样子。