让AI操作你的手机,最怕的不是它点错,而是它自己批准自己。Pinky这个开源项目给出的解法有点反常识:审批不放在提示词里,而是放在网关里,智能体够不着。

打开网易新闻 查看精彩图片

Pinky是一个采用Apache 2.0协议的桌面桥接工具,让任何支持模型上下文协议(MCP)的智能体操作一台真实的iPhone或安卓手机。人可以在旁边看着、批准风险步骤,也能随时接管。作者DIYgod于2026年11月6日将其开源,11月15日02:38 UTC发布2026.1115.4版本,目前有2,158个星标、235次分叉、1,352次提交和151个版本,每隔几小时就滚动更新一次。

下载包约35 MB,不需要账号、API密钥或GPU,可在Linux、macOS或Windows上运行。真机要求安卓10到17,或iOS 17.4及以上的iPhone。

智能体看到的那一面

面向智能体的一侧是一个跑在标准输入上的MCP服务器,说JSON-RPC 2.0,暴露26个工具,全部以phone_为前缀,从phone_connect、phone_tap到phone_task_steer,每个动作都返回新的屏幕画面。文档列出的支持智能体包括Claude Code、Claude Desktop、Codex、Cursor、VS Code、Copilot CLI、Windsurf和Gemini CLI,通过标准输入或HTTP连接。

Pinky本身不带模型。它的手机应用用用户自己选的模型跑任务,可选范围从DeepSeek、Qwen、Kimi、GLM到Claude、GPT、Gemini,也可以是Ollama或LM Studio里的本地模型。

审批在网关里,不在提示词里

审批环节放在Pinky的网关中,而不是提示词里,所以智能体没法自己给自己批,哪怕屏幕上的文字把它说服了也不行。默认情况下,支付、交易和转账都要等一次点击;设置里可以把范围扩展到消息、下单、删除、通话、安装、跳出应用的链接以及设置变更。Pinky称能在10种语言里识别这些按钮。

银行、钱包和密码管理器类应用对智能体不可见,智能体也无法往密码或一次性验证码字段里输入。如果某个任务确实需要,它会发起请求,用户可以只针对那一次任务放行。

Tokenstrom的一份代码审查发现:只有桌面界面能授予批准,请求在60秒后自动拒绝,每次批准都绑定会话、设备、工具和参数,且只能用一次。安卓13及以上,智能体在一块隐藏的第二屏幕上工作;更老的安卓和iPhone用主屏幕。点击镜像画面,或在安卓上直接触摸手机,都会暂停智能体。

每次运行都以平实文字记录,配有截图和按步骤标记的录屏,可导出为HTML报告,数据留在用户自己的电脑上。

项目自称处于pre-alpha阶段,并指向docs/ACCEPTANCE.md说明当前能用的范围。它面向的是你自己拥有的一台手机、且你人在回路中,而不是无人值守的基础设施或设备农场。

审批模型目前是作者的声明,而非独立测试过的结果。按钮识别是薄弱环节——门禁只有先认出那个风险点击才有意义。项目才九天大,一天发好几个版本。值得抄走的思路是:把安全控制放在智能体够不到的地方。