你们应该经常看到我提到 Minis 这个手机端的 Agent,今天写一下关于它的详细介绍。
用过电脑端各种 Agent 的用户,应该对 Agent 很清楚,它需要你给予一定的权限才能做更多的事情,手机端也是一样,但是手机端天生有限制。所以大部分人往往是通过手机的通信工具来调用其他电脑或者云端的 Agent 来做事情。
但 Minis 不是。 它自己就是一个完整的 Agent 客户端,当然你不能指望它内置一个很完整的系统来完成所有的事情,但它已经是目前我用下来,手机上最好的独立 Agent。
为什么说它是"最好"
这个最好,代表它的体验和电脑端区别很小,而且拥有足够高的自由度,甚至你们应该知道,我的大部分 Skill 直接就是用 Minis 做的。它做出来的东西编码很规范,不像我在 Windows 上的 AutoGLM 里做出来,还要解决很多编码问题,以至于我都把规范直接写进了 Tools.md 里。
基本信息
Minis 的全称是 OpenMinis,支持 iOS 和 Android:
- iOS — 权限受限
- Android — 几乎可以完全操控你的手机
它支持几乎所有的模型端点,无论是 API、OAuth 还是各种 Coding Plan,自由度非常高。根据你的需要,Anthropic 和 OpenAI 的协议也可以兼容。少部分的 Coding Plan 无法拉取模型列表,你需要自行添加模型名称(比如火山方舟)。
内置 Alpine Linux 环境
Minis 内置完整 Alpine Linux 环境,因此 Minis 可以直接在你的手机上:
- 编写并执行脚本
- 管理环境
- 安装依赖
内置终端支持的语言和工具
| 环境 | 状态 |
|---|---|
Python |
完全支持,推荐用 uv 管理依赖 |
Node.js |
部分支持 |
Go / Rust |
支持 |
FFmpeg |
内置,支持硬件加速 |
Minis 也内置浏览器功能,可以访问网站、填写表单、提取网页内容、直接截取网页图像等。
有时候你在电脑上访问网络,Agent 会告诉你"这个读不了""那个无法解析",在 Minis 上我几乎没遇到过——遇到读不了的它会直接滚动截图。
OCR 与视觉识别
对 Minis 来说,OCR 根本不是个问题,因为它可以直接调用 iOS 上苹果原生 Vision 框架,而这个功能有多方便,用苹果手机的应该深有体会。
这使得你根本不需要 OCR 模型,就可以直接提取图像中的文本信息。
当然,如果你要用来看照片的内容,那还是建议有多模态模型的,原生 Vision 框架做这个还是不行的。
Key 管理与 Token 统计
大家对于 Agent 有很多不放心的地方在于各种 Key,Minis 会在环境变量里集中管理,当然你也可以写在 Skill 的某些文件里但是不建议。
好的模型,会告诉你不要把各种 Key 在会话窗口里给它,而是直接给你一个可以点击的链接让你把 Key 写进环境变量。
Minis 自带 Token 用量计算,可以直观地看到你用的模型消耗量。不过分类不是很细,所有走 OpenAI 协议的都会放在一起。
记忆模块:Soul.md + Global.md
之前的 Minis 版本里,记忆模块是混在一起的,也就是除了 Memory.md,只有一个 Global.md 用来给 Agent 注入人设和各种你需要的东西。
不过最近的更新,新加了一个 Soul.md,而且在主菜单里也有独立的按钮可以点进去。这样,Global.md 就可以单独用来当 Tools.md 使用。
Minis 很喜欢主动记录记忆,但凡你和它聊得投入一些,它就会主动记下来,这点甚至比很多第三方的记忆模块做得更好。
Skill 与 MCP
Skill 这块没什么好多说的,有一些内置的,大部分 Skill 都可以自己通过 URL 或者文件形式装,或者让模型帮你装也可以。
最近的更新支持了 MCP,所以 Min…