功能总览

这一页站在产品和研发之间的视角，梳理当前工程已经成型的核心能力。

1. AI Chat 与 Agent 执行

Flutter 聊天页不只是消息列表，还承载了 Agent 执行可视化：

• 对话线程与归档
• 工具活动条
• 深度思考卡片
• 执行摘要卡片
• 浏览器叠层
• 工件预览

这意味着用户看到的不只是“结果文本”，而是完整执行轨迹。

2. 手机自动化与 VLM 任务

Agent 的执行能力依赖几个底层模块共同完成：

• accessibility 读取界面树
• MediaProjectionForegroundService 负责屏幕采集
• assists 维护任务生命周期
• 场景模型中的 scene.vlm.operation.primary 负责核心视觉决策

这套链路让应用能在安卓设备上做真实操作，而不是停在纯问答层。

3. 权限与常驻能力

要让陪伴式 Agent 持续工作，应用围绕权限做了成体系设计：

• 后台运行权限
• 悬浮窗权限
• 应用列表读取
• 无障碍服务
• 可选的 Shizuku
• 精确闹钟与前台服务

这些不是边缘功能，而是任务稳定性的基础。

4. 技能体系

技能商店页支持：

• 搜索技能
• 安装内置技能
• 启用 / 禁用技能
• 删除技能

这使项目具备“基础 Agent + 可装配能力”的结构，而不是固定功能集。

5. 工作区、文件与终端

项目内已经把工作区能力做成一等公民：

• 文件浏览
• Artifact 预览
• Workspace 路径映射
• 嵌入式终端运行时
• 浏览器文件选择与共享链路

这部分让 Agent 从“会操作手机”进化到“会处理文件与项目”。

6. 本地模型与混合推理

项目既支持远端模型，也支持端侧模型：

• 远端：OpenAI 兼容协议、Anthropic
• 本地：llama.cpp、omniinfer-mnn、executorch-qnn

本地模型页面还自带 “service / market” 双视图，说明工程已经把模型服务、模型市场、模型导入流程纳入产品能力。

7. 记忆系统

当前记忆系统至少包含三层：

• SOUL.md: 角色与行为边界
• CHAT.md: 对话默认提示
• MEMORY.md: 长期稳定记忆

再叠加：

• 短期记忆文件
• embedding 配置
• nightly rollup

整个体系已经从“聊天上下文”升级到“工作区级记忆”。

8. 定时任务与提醒

项目区分了两类时间能力：

• Scheduled task: 真正可执行的任务
• Alarm: 提醒类能力

结合子 Agent 流程，这意味着任务可以脱离当前会话，在未来某个时间继续完成。

9. MCP 与 WebChat

McpServerManager.kt 已经说明这不是一个只给本地 UI 用的应用，它还提供：

• 局域网 MCP 服务
• Bearer Token 鉴权
• WebChat 页面
• Workspace 文件访问
• Browser Mirror
• Conversation API

如果你要把 Omnibot 变成“手机上的 AI 执行节点”，这部分就是对外接口层。