Pinky 是一个用 Go 编写的开源桌面应用,目标是让 AI 代理真正“上手”操作一台真实的 iPhone 或 Android 手机,同时把风险决策留给人。无论是 macOS、Windows、Linux 上的 MCP 代理(Claude Code、Claude Desktop、Codex、Cursor 或自定义脚本),还是运行在手机上的 Pinky 应用本身,都可以通过 MCP 驱动手机;你可以坐在电脑前看着它操作、批准高风险步骤、随时接管,并回看每一步发生了什么。
项目采用 Apache-2.0 许可证,无需注册账号。GitHub 上目前约有 2,209 个 Star、240 个 Fork,项目状态标注为 pre-alpha。
它解决什么问题
让 AI 在手机上执行任务,难点不只是“能不能点”,更在于“该不该点”。Pinky 把审批逻辑放在自己的网关里执行,而不是依赖给代理的提示词约束——也就是说,即便屏幕上的文字试图诱导代理自行批准,代理也无法绕过网关自己放行。默认情况下,支付、交易和转账会等待你的点击;在设置的安全选项中,还可以把发送、下单、删除、通话、安装、跳出应用的链接以及更改设置也加入等待审批的范围,甚至要求每一步都确认。Pinky 能在 10 种语言中识别这些按钮。
此外,银行、钱包和密码管理器类应用默认对代理不可见,代理也无法在密码或一次性验证码输入框中打字。当任务确实需要某个银行或钱包应用时,代理必须提出请求,而你可以只针对该任务临时放行。每个新代理都需要你的批准,并且只获得你授予的权限范围。
主要功能
跨平台,连接真实设备
一个应用同时支持 macOS(Apple silicon 与 Intel)、Windows 和 Linux,可驱动 Android 10 至 17 的手机,以及 iOS 17.4 或更高版本的 iPhone。iOS 27 及以后无需在手机上安装任何东西;iOS 17.4 至 26 则可以通过 Mac 上的 Xcode 安装一次“Pinky on the iPhone”应用,iOS 27 上也可以选择安装。项目 README 提到已经在真机和模拟器上做过验证。
原生轻量
Pinky 的窗口由 MyGo 在 GPU 上绘制,不使用 Electron,也没有 webview。下载包约 16–22 MB,在 Mac 上空闲时占用约 70 MB 内存、0% CPU。
一次点击接入任意代理
在“设置 › Agents”中可以把 Claude Code、Claude Desktop、Codex、Cursor 等接进来。任何支持 MCP 服务器的代理都能使用,既可以在同一台电脑上通过 stdio 连接,也可以走 HTTP。
手机端独立执行任务
Android 和 iPhone 上的 Pinky 应用可以自己完成任务,模型由你选择:DeepSeek、Qwen、Kimi、GLM,到 Claude、GPT、Gemini,以及 Ollama 或 LM Studio 中的本地模型。你可以打字或语音输入任务,也可以把内容分享给它。在 Android 上,还能从悬浮按钮询问当前屏幕内容,并让它在隐藏的后台屏幕上工作,你继续正常使用手机。
定时任务与记忆
Pinky 可以在设定时间运行任务,或在某个条件成立时通知你,电脑端和 Android 端均支持。任务结束后,它可能会建议记下一条笔记(例如你告诉它的某个偏好),只有你同意才会保留。
从电脑解锁手机
把手机 PIN 保存在 Pinky 中一次,之后每次解锁都用 Touch ID、Windows Hello 或钥匙串密码确认。代理始终看不到这个 PIN。
手机仍属于你
在 Android 13 及更高版本上,代理在隐藏的第二屏幕上工作,手机自己的屏幕仍归你使用,或者可以熄屏锁定。较旧的 Android 手机和 iPhone 上,代理使用主屏幕。点击镜像画面即可让代理暂停,直到你交还控制权;在 Android 上,你直接触摸手机也会让它暂停。停止全部操作的快捷键是 ⌥⌘.(Windows 和 Linux 为 Ctrl+Alt+.)。
每一步都有记录
每次运行的每一步都会以通俗文字、截图和带步骤标记的录屏记录下来,可导出为 HTML 报告,并且全部保存在你的电脑上。
运行环境与使用方式
桌面端要求:macOS 13 或更高版本(Apple silicon 或 Intel);Windows 10 或 11 的 64 位版本;Linux 需要 64 位 x86-64 电脑,Ubuntu 20.04、Debian 11 或更新系统(glibc 2.29 以上),并安装 GTK 3。
手机端要求:Android 10 至 17 并配 USB 数据线,Pinky 自带 adb;Windows 上部分手机需要 USB 驱动,Linux 上需要配置 udev 规则。iPhone 或 iPad 需要 iOS 17.4 或更高版本,以及一根用于初始设置的 USB 数据线,之后也可以通过 Wi-Fi 使用。Pinky 会借助 Apple 的开发者磁盘映像自行准备设备,该映像随 Xcode 提供,也可以在用户要求时从第三方镜像下载。
可选的模拟器支持:Mac 上 Xcode 提供的 iOS Simulator,或 Android Studio 提供的 Android 模拟器;模拟器需要你在对应工具中创建,Pinky 负责启动。
基本流程是:安装 Pinky、连接手机、把 Pinky 加入你的代理,然后让代理在手机上做一件事,并在 Pinky 的窗口中观看它工作。安装包可从项目的最新 Release 获取;Mac 用户也可以用 Homebrew cask 安装。
适用人群
Pinky 适合希望把手机操作纳入 AI 代理工作流、但又不想放弃控制权的开发者和进阶用户;适合需要在真实设备上测试移动端自动化流程的团队;也适合想在手机本地用自选模型完成任务的用户。对安全边界敏感、需要审批与审计记录的场景,是它重点设计的方向。
注意事项
项目目前处于 pre-alpha 阶段。README 说明 Claude Code 已经通过它端到端操作过真实手机(USB 连接的 Android 手机、iOS 27 的 iPhone,以及通过 Pinky Helper 连接的 iOS 18.7.11 iPhone XS Max),代理可以经 stdio 或 HTTP 连接;手机端 Pinky 也已在 Mi 10 Pro(Android 17)和 iPhone 13 mini(iOS 27.0.1)上用真实模型完成过任务。从电脑解锁、Android 后台工作、录屏、导出、Wi-Fi 配对和手机文件访问等功能已经实现,但其中一部分仍等待人工验证。项目文档中的 ACCEPTANCE.md 列出了当前可用的功能以及如何尝试。
另外,Windows 安装包尚未签名,SmartScreen 可能会提示拦截,需要选择“更多信息”后继续运行。
项目主页
https://github.com/DIYgod/pinky
项目地址:pinky
相关推荐
Yogurt:本地运行的私有 AI 会议笔记,Granola 的开源替代
sand3d:面向 LLM 的 Python 3D 建模库,用短程序描述零件与装配
知了 Cicada:给任意会议和直播加实时双语字幕与同传的免费开源工具
Graphify:把代码库变成可查询知识图谱的 AI 编程助手技能
Open WebUI:可离线自托管的 AI 界面,统一连接 Ollama 与 OpenAI 兼容 API
Dify:在可视化画布上搭建 LLM 应用与 Agentic 工作流
The Agency:把一支完整的 AI 专家团队装进你的开发工作流
Hugging Face Transformers:统一文本、视觉、音频与多模态模型的模型定义框架
最近更新
Yogurt:本地运行的私有 AI 会议笔记,Granola 的开源替代
Yogurt 是一款免费开源的本地 AI 会议笔记工具,支持 Mac、Windows 和 Linux。它不向会议派机器人,直接录制麦克风和系统声音,使用 whisper.cpp 转录、llama.cpp 运行本地模型生成摘要和问答,音频与笔记留在本机。
sand3d:面向 LLM 的 Python 3D 建模库,用短程序描述零件与装配
sand3d 是一个面向 LLM 的 Python 3D 建模库,用短程序按零件描述形状,支持关节、装配和多种格式导出,API 约 3,600 token,适合代码生成与仿真管线。
Pinky:让 AI 代理安全地操作你的 iPhone 或 Android 手机
Pinky 是一个 Go 编写的开源桌面应用,让 Claude Code、Codex、Cursor 等 MCP 代理安全地操作真实 iPhone 或 Android 手机。审批由网关强制执行,支付、删除等高风险操作需你确认,银行与密码类应用默认对代理不可见,每一步都有截图和录屏记录。
知了 Cicada:给任意会议和直播加实时双语字幕与同传的免费开源工具
知了 Cicada 是一款基于 Swift/SwiftUI 开发的免费开源实时字幕与会议纪要工具,支持 macOS、Windows、Linux 和 Android。它直接监听系统音频,为任意会议软件或直播提供双语字幕、同声传译和 AI 会议纪要,Apple 芯片 Mac 上语音识别全程本地完成。
Graphify:把代码库变成可查询知识图谱的 AI 编程助手技能
Graphify 是一个面向 Claude Code、Cursor、Codex、Gemini CLI 等 AI 编程助手的开源技能,用 tree-sitter 在本地把代码、文档、SQL schema、配置和 PDF 构建成可查询的知识图谱,支持查询、路径追踪和概念解释,且不依赖向量库。
Open WebUI:可离线自托管的 AI 界面,统一连接 Ollama 与 OpenAI 兼容 API
Open WebUI 是一个可离线自托管的 AI 交互平台,支持通过 Ollama 连接本地模型与 OpenAI 兼容 API,提供 Docker、Python 及桌面应用等多种运行方式。

Dify:在可视化画布上搭建 LLM 应用与 Agentic 工作流
Dify 是一个开源的 LLM 应用开发平台,把可视化 AI 工作流、RAG 管道、Agent、模型管理和 LLMOps 整合在同一工作空间,支持云端、VPC 或自托管部署,帮助团队从原型走向生产。
The Agency:把一支完整的 AI 专家团队装进你的开发工作流
The Agency 是一个开源的 AI 智能体角色合集,每个智能体都带有明确的专业方向、工作流程和交付物。它面向 Claude Code、Cursor、Codex、Gemini CLI 等工具,提供按部门组织的专家角色,并附带桌面安装器,可一键安装、按团队筛选。
Hugging Face Transformers:统一文本、视觉、音频与多模态模型的模型定义框架
Hugging Face Transformers 是一个覆盖文本、视觉、音频、视频和多模态的模型定义框架,支持推理与训练,并通过统一 API 连接主流训练框架和推理引擎。
n8n:可视化搭建与自定义代码结合的 AI 工作流自动化平台
n8n 是一个 fair-code 工作流自动化平台,支持可视化画布与 JavaScript、Python 代码混合搭建,可自托管或云端部署,并提供 AI 工作流、多步骤 agent、大量集成和工作流模板。本文介绍其功能、使用方式、运行环境与适用场景。






