跳转至

type: entity tags: [android, mobile-agent, accessibility-api, on-device, ai-assistant, gui-agent, agentic] related: [[clawmobile-agentic]], [[pspa-bench-gui-agent]], [[gui-agent-privacy]], [[knowu-bench-mobile-agent-eval]] sources: - url: https://ayconic.io/sova title: "Sova AI - AI Assistant for Your Phone" date: 2026-04-17 reliability: medium - url: https://news.ycombinator.com/item?id=47613614 title: "Google banned our mobile AI agent app for doing what Gemini should do, but doesn't" date: 2026-04-17 reliability: medium created: 2026-04-19 updated: 2026-04-19

Sova AI

Android原生Agent助手，通过Accessibility API操控手机App执行任务。无需root/ADB/PC。被Google Play下架。开源BYOK模式。

核心问题

内置AI助手（Gemini等）虽然深度集成OS，但面对"帮我叫Uber去机场"或"给朋友群发消息说我迟到"等真实任务时，只会给出网页搜索结果或打开App的按钮——不会真正执行操作。

方法/架构

技术路径： - Accessibility API：读取屏幕UI节点树，模拟人类点击/滚动/输入 - 纯Kotlin原生实现：无需PC/Appium/Shizuku/ADB - 多模型支持：OpenAI、Gemini、Anthropic、Deepseek等云端模型 + 计划支持Ollama/LM Studio本地模型 - BYOK模式：自带API Key，引擎100%免费

关键挑战： - 将LLM输出转换为精确的X/Y坐标（动态Android屏幕 + 千种设备分辨率） - 不同模型提供商的图片resize差异 - 非100%准确率，需要持续优化

Google Play下架事件： 因使用Accessibility API进行"通用自动化"（映射和点击其他App），被Google Play拒绝。团队自行托管APK。讽刺的是，他们构建的正是Gemini承诺但未实现的Agent能力。

为什么重要

  • 展示了端侧Agent的实际落地形态：Accessibility API + LLM = App操控Agent
  • 揭示了平台政策（Google Play审核）对Agent创新的阻碍
  • BYOK模式可能成为端侧AI Agent的商业模式之一
  • 与[[clawmobile-agentic]]的原生架构理念呼应：Agent需要真正操控App而非仅仅建议

关联

  • [[clawmobile-agentic]] — 原生Agent系统架构
  • [[pspa-bench-gui-agent]] — GUI Agent基准
  • [[gui-agent-privacy]] — Agent隐私保护（Accessibility API是敏感接口）
  • [[knowu-bench-mobile-agent-eval]] — 个性化Agent评估