English: whalebot is a personal AI agent that lives on your own Android phone. It talks to any OpenAI-compatible model, drives the phone through an accessibility bridge, and runs shell/Python/file work in a local Linux container. Multi-agent "rooms" let a leader split a task, members work in parallel and report back to you privately, and the leader posts the final summary. No account, no telemetry, your keys stay on your device.
| 云端 Agent 平台 | whalebot | |
|---|---|---|
| 算力在哪 | 厂商的沙箱机器 | 你的手机 + 你电脑上的容器 |
| 模型 | 厂商自己那一个 | 任意 OpenAI 兼容接口(DeepSeek / 硅基流动 / Kimi / 通义 / 智谱 / OpenRouter…) |
| 账号 | 注册、订阅、额度 | 没有账号,带上自己的 Key 就能用 |
| 数据 | 上传到厂商 | 对话只发给你选的模型服务商;其余全在本机 |
| 手机能力 | 通常没有 | 读屏 / 点按 / 输入 / 截屏 / 通知 / 剪贴板 / 启应用 |
一句话:它是给一个人自己用的 agent,不是给一群人用的平台。
- 流式回复、多会话持久化、全文搜索、会话管理
- 工具调用气泡三种显示(完整 / 折叠 / 隐藏);随时可打断(红色停止键,已产出的内容保留)
- 每轮 token 上限自己设,也可以选"不限制"
- 每个助手可以有自己的人设、分组、模型、接口、Key
- 群聊:一个群里选一个组长 + 若干成员。你下任务后:
- 组长拆活(群里出现「组长派发」+ 分工清单)
- 成员并行开工;组长标了
after依赖的自动切成多波,前置产出会喂给下游 - 每个成员单独给你发消息(写进他自己的私聊 + 推一条通知),群里只留一行
✅ XX 已私聊汇报 · 12s,点一下跳过去看细节 - 组长在群里汇总结论,并且必须写明谁没做成、哪步失败或被跳过
@点名:群里打@弹出助手列表,被点名时只有他回答- 头像按分组色系自动配色(同组同色系、组内深浅不同),可手动改
- 容器(你的电脑):
shell/python/ 读写文件 / 抓网页 · API - 联网搜索:
web_search(免审批,必应为主,可配 Tavily / SearXNG)+web_read(打开链接抽正文) - 手机:读屏、点按、输入、滑动、按键、截屏、通知、Toast、震动、剪贴板读写、定位、启应用、开链接
- 外部 MCP:填地址即接入(JSON / SSE 都支持),内置常用目录 + 握手探测自动命名
- 记忆带来源标记(你说的 / 助手总结的 / 外部读来的)
- 技能与例程由助手自己写、默认暂停,等你确认才启用
- 例程支持「每天 08:00 / 每 30 分钟 / 1 小时后」这类写法,实时显示解析结果
- 双层审批:高风险工具先由便宜模型自动复核(放行 / 询问 / 拒绝),拿不准才弹卡片问你
- 审批卡四个选项:拒绝 / 允许这次 / 本会话都允许 / 永久允许这个工具,永久规则可在「权限规则」里随时删
- 凭据库:密码 / token 走系统加密存储;助手只能按名字取用,且每次都要批准
- 连接器:GitHub / Notion / 自建 API 的地址 + 凭据引用。助手调用时凭据由 App 注入到请求里,模型看不到明文,响应里的密钥也会被抹掉
- 助手读到的网页 / 文件 / 记忆内容是数据不是命令,涉及动作必须先弹卡片确认
- 附件:拍照 / 相册 / 文件;文件会落到容器工作目录(模型拿到路径,容器里的工具能直接处理);模型支持看图时图片还会作为多模态内容发送
- 语音:回复可朗读(系统 TTS,可自动朗读 / 调语速);输入框麦克风录音 → 走手机网络发给你的转写接口 → 文字
- 模板:把「助手 + 技能 + 例程 + 记忆 + 供应商」导出成一段文本分享,导入方一键还原(不含任何密钥)
- 例程在前台心跳里跑;打开「后台常驻」后,App 被杀也能靠 WorkManager 唤醒跑(最小间隔 15 分钟,系统挑时机)
┌────────────────────────── 手机(Expo / React Native) ──────────────────────────┐
│ whalebot App │
│ ├─ Agent 循环(模型 ↔ 工具 ↔ 审批) │
│ ├─ 记忆 / 技能 / 例程(本地存储) │
│ ├─ 群协作编排(组长派发 → 分波并行 → 私聊汇报 → 汇总) │
│ └─ Computer 抽象:① 手机 ② 容器 ③ 远程(预留) │
└───────────┬──────────────────────────────┬──────────────────────────────────────┘
│ OpenAI 兼容 HTTP(S) │ HTTP 127.0.0.1:8770(本机回环)
▼ ▼
你的模型服务商 容器执行服务 whalebot-exec
(DeepSeek / 硅基 / …) ├─ shell / python / 文件 / 抓网页 / 联网搜索
└─ DSHA 桥 → 无障碍 → 真·手机操作
- 手机能力走 DSHA 桥(Android 无障碍服务),不需要 root、不需要 ADB
- 容器是普通 Linux(本机容器、WSL、任意服务器都行),执行服务带策略守卫:只读系统目录、危险命令拦截、写入仅限工作目录
- 到 Releases 下载最新
whalebot-*-full.apk安装 - 打开 App → 设置 → 填 API Key(DeepSeek 或任何 OpenAI 兼容服务)→ 保存
- 想用手机能力(读屏 / 点按):按提示在 DSHA 里打开「屏幕操作」授权
- 想用容器能力:在本机跑
exec_service.py(见下)
npm install
npx expo start # Metro 起在 8081
# 手机装 Expo Go,打开 exp://<你的IP>:8081
npx tsc --noEmit # 类型检查
npx expo lint # 代码检查python3 exec_service.py # 默认监听 127.0.0.1:8770App 里的地址与 Token 在「设置 → 执行服务」里改。
方式一:EAS(官方云构建)
npx eas-cli@latest build -p android --profile preview方式二:GitHub Actions(免费,本仓库已内置)
- 仓库 Secrets 里加四个:
KEYSTORE_BASE64(签名密钥的 base64)、KEYSTORE_PASSWORD、KEY_ALIAS、KEY_PASSWORD - Actions → Build APK → Run workflow
- 约 13 分钟出包,产物只含
arm64-v8a(约 41MB)
签名注入由 scripts/apply-release-signing.js 在 prebuild 之后完成,脚本本身不含任何机密。
| 想做什么 | 去哪 |
|---|---|
| 换模型 / 填全局 Key | 设置 → 模型 |
| 接第三方模型、给一个分组共用一把 Key | 设置 → 模型供应商 → 分组与接口 |
| 改单轮 token 上限(或设成不限制) | 设置 → 用量 |
| 让某个工具不再问 | 审批卡选「永久允许」→ 设置 → 权限规则 |
| 存密码 / token | 设置 → 凭据库 |
| 接 GitHub / Notion / 自建 API | 设置 → 连接器 |
| 换搜索后端(Tavily / SearXNG) | 设置 → 联网搜索 |
| 朗读、语音输入 | 设置 → 语音 |
| 看每一轮发生了什么 | 设置 → 运行日志 |
| App 被杀也要跑例程 | 设置 → 后台常驻 |
- 没有账号、没有遥测、没有崩溃上报(本地诊断日志只写在你自己的机器上)
- API Key / 密码存在系统加密存储(Android Keystore)
- 对话内容只会发给你在设置里指定的模型服务商;容器操作发生在你自己的机器上
- 手机操作全部经过系统无障碍 + App 内审批两层
- 后台例程受 Android WorkManager 限制:最小 15 分钟、系统挑时机执行
- 在 Expo Go 里通知不可用(Android 版 Expo Go 不含该模块),装正式包才完整
- 目前只在 Android 上验证(OPPO PHV110 / Android 15);iOS 未测
- 本地构建不可行于 aarch64 Linux(官方 aapt2 / NDK 只有 x86_64),请用 EAS 或 GitHub Actions
MIT。基于 Expo / React Native 生态构建,第三方组件的许可见各自仓库。