Luwi

DSH for Android —— 把 deepseek-harness（dsh）装进手机的一个应用

一台安卓设备同时当 dsh 的主机与受控端：界面就是 dsh 自己的 Web GUI（装在 WebView 里），原生那一半把屏幕、输入与系统能力做成 dsh 原生工具交给模型。不需要第二台电脑，也不需要 Termux。

一句话：让 AI 像人一样操作你的手机。

系统要求：Android 13（API 33）及以上。 应用声明 minSdk = 33，Android 12 及以下装不上——安装器会直接判为不兼容；历史版本也一路都是 33，没有更低的旧包可以退。

使用虚拟屏需要 Shizuku 或 root（KernelSU / Magisk）之一，二选一。

声明

项	说明
地基	LittleWhale。把 dsh 移植到安卓的架构、特权通道、自建虚拟屏、原生工具、无障碍读屏与端侧 OCR 都是它的工作；Luwi 是在它之上做的应用发行版
灵感与参考	DSHA（MIT）。部分功能与特点取自它
系统要求	Android 13（API 33）及以上（`minSdk = 33`）；Android 12 及以下装不上
权限	Luwi 可以获取手机几乎所有权限，没有沙盒限制；自带的 Linux 沙盒是能力通道，不是安全边界
不联网	Luwi 自身不收集、不上传任何数据。会联网的只有四处：① dsh 调用你自己配置的模型 API；② 你亲手触发的模型下载（语音识别、唤醒词）；③ 你自愿启用的 Edge-TTS / API-TTS；④ 你在「插件 → 浏览插件仓库」里亲手点的「刷新索引」与「装它」（取官方索引 JSON 与你选中的那份插件包，其余时候只读缓存）
安全	安全性由用户自行判断（见文末「开源 / 安全声明」）

[!WARNING]
审批是全部放行的，而且这是有意的决定：模型要动主屏时应用自己在后台，审批框没人点得到，摆在那里只会让每次点击卡到超时。所以模型点屏幕不会问任何人；2026-10-08 起连"真人一碰屏幕就停手"那道软停也删了（见下面「已知问题」），主屏现在只靠提示词层的规矩。

v3.0.0之前都是开发版，请不要将它安装到具有重要数据的手机上。

背景

这几年市面上没有任何一款真正的 AI 手机 —— 即使是目前最新的「AI 手机」，也谈不上「完全 AI」：各家软件厂商都在极力限制 AI 自动化，而个人开发者不可能去开发系统层面的 AI。

所以这个应用只从应用层解决：让 AI 像人一样操作手机，完成手机上的自动化。即使有一天 AI 手机真的来了，这个应用也还有用 —— 起码能让旧手机继续发挥作用，大家不必为了一个功能去换更贵的新手机，可以多一个选择。

功能

1. 唤醒：离线，锁屏也能叫

喊一声唤醒词就能把 dsh 叫起来，默认是「肥鱼肥鱼」。
锁屏时也能唤醒：屏幕不会亮，只把语音输入叫起来对话 —— 亮屏本身是一种打扰，所以故意不亮。
唤醒词支持容错读音：一个词可以配多条拼音，每条一行（注意每段都要分行）：
```
肥鱼肥鱼=fei2 yu2 fei2 yu2
肥鱼肥鱼=hui2 yu2 hui2 yu2
肥鱼肥鱼=fei2 yi2 fei2 yi2
肥鱼肥鱼=hui2 yi2 hui2 yi2
```
拼音写音调数字（fei2）或带调号的字母都行；词表按音节逐个核对后才写入，写错会指名到是哪一个音节。
唤醒模型（zipformer KWS，约 5.3 MB）不进安装包，第一次用时才下载，识别全程离线。
设置页有「允许唤醒」与「省电模式 / 省电时段」（例如 23:00-07:00）：省电时麦克风整个关掉（喊不醒），host、浮标与通知都还在，点球照样能说一句话。

2. 视频、手机：两个模式，一句话就切

手机模式（默认）：能看能动的全能模式，屏幕操作默认在自建虚拟屏上后台完成，不占你手里的屏；手机自己那块屏也归它管（「屏幕上写着什么」「有几条未读」「顺手在这块屏上点一下」都是它的活）。
视频模式：用手机自己的摄像头看镜头前的东西（「这是什么」「前面写着什么」），回复会被念出来；这个模式里识别链常驻，接着说话不用再喊唤醒词。

说一句「打开视频模式」或者让模型调 lw_mode 就换；切换只换人设与对应的开关，不从你的手机下面抽走任何东西。
说「这个」「屏幕上」「照片里」这类话时不用先切什么：浮标与语音那条路上，那句话在送出去之前会自动附一张主屏截图（设置页「截图」段可以关），模型直接就看得到你手指着的东西。原来说惯的「打开识屏模式 / 退出识屏模式」不再是一个模式 —— 前者按普通一句话对待（要的就是看那块屏），后者仍然当收工。

3. 浮标 ball：任何应用前台都能对话

常驻浮标取代原来的顶栏菜单按钮：可拖到应用内任意位置，按住微微放大、松手回弹，空闲 5 秒半隐到屏幕边（只留一半在外面、透明度减半），碰一下恢复。
不影响前台正常操作：半隐之后就是屏幕边上一小块半透明图案。
点一下球就能说话，也可以打字输入；球上写着「正在听 / 正在想 / 正在念」，「正在想」时双击它 = 打断那一轮。
输入框还能浮在别的应用上面：那扇窗里装的是同一个 GUI，所以在任何应用里都能直接跟 dsh 说话。

4. 自带虚拟屏：后台跑任务

想开几块开几块，宽高与 dpi 随便给，建完还能换形状；预览是合成器直接画进原生 SurfaceView 的，零 native、不编码不解码。
屏在后台跑着，你可以一边看它一边用 dsh 界面；虚拟屏小窗整条标题栏就是拖动把手，右端减号把整扇窗收掉。
一任务一屏、先到先用：默认规则是一块虚拟屏只给一个任务用，后来的任务轮询等待；这条规则写在模式人设里，可以用提示词改它。
已知缺陷：虚拟屏在后台运行时可能对前台造成误触，使用前请知悉。

5. 语音输入：一套默认 + 一套可选

都不联网、不要密钥、音频不出设备；模型不在包里，第一次用时才下载：

SenseVoice（sherpa-onnx，约 240 MB）：快，一句话不到 1 秒 —— 会话输入框那个麦克风、浮标对话、唤醒对话与视频模式都走它，缺省就这一套。
GLM-ASR-Nano（智谱 1.5 B，MIT，约 1.6 GB）：准，中英与粤语/方言、小音量更好，代价是一句话几秒到几十秒 —— 想要它得点名（lw_speech engine=glm），没有任何地方会替你把它下下来。

6. 说话输出：四档引擎

系统 TTS：用手机自带的语音引擎，不联网不要密钥。
导入音色：自己放进来的 sherpa-onnx 音色（设置页「朗读」）；这条引擎有自己的音量：以它本来的电平当 100%，往上到 300% 是加增益。
Edge-TTS / API-TTS：想用在线音色或自己的接口时选这两档（这两条是你自愿启用的，会联网）。

7. 一整套手机操作工具

屏幕与输入是一套 dsh 原生工具（lw_*，共 61 个）：列屏 / 建屏 / 换尺寸 / 关屏 / 点 / 拖 / 长按 / 按键 / 组合键 / 打字 / 滚动 / 启动应用 / 打开链接 / 截图（可分区、可连拍、可拼网格）/ 读无障碍树 / 端侧 OCR / 列应用 / 通知与震动 / 剪贴板 / 文件 / 媒体与照片 / 图片与相册（lw_image）/ 电池与存储 / 音量与媒体 / 网络 / 传感器与定位 / 系统设置读写 / 多指手势与捏合 / 等一件事发生 / 读日程与写日程（lw_calendar）/ 快捷指令（lw_quick）/ 自动指令（lw_automation）/ 插件（lw_plugin）。

主屏也看得到动得了（displayId 0 就是手机自己那块屏）。破坏性操作（卸载 / 清数据 / 停应用 / 装包 / 停用）调用即执行——应用侧已经不再弹确认框，唯一那道闸是模型被要求动手前先问你一次（2026-10-08 起，见 skills/android-device-control）。

8. 日程与快捷指令

lw_calendar 让模型真的读得到、写得进你的日程：列日历 / 查一段时间 / 读一条 / 建一条 / 改一条 / 查空闲（free 按 09:00–22:00 算空档，可以调）。时区就是设备时区，写入落在第一本可写的日历上，一本可写的都没有时会如实拒绝而不是假装写进去了。这一版没有删除 —— 删日程还是去日历应用里删。

「快捷指令」是"点一下就把一段工作流交给模型"：一条 = 一个 md 文件（住在 $DSH_HOME/quick-commands/），设置页有一段列表，点一下就把它投进当前会话（没有会话就新建一场）；在会话里说或打「用快捷指令: <名字>」是同一件事。新建不用写表单：说一句"这条要做什么"，模型自己起名字、自己把步骤写成文件。随包带两条样例：「制定旅游计划」（天气 → 日程空档 → 搜索当地状况 → 落进日历）与「今天要做什么」。技能库里另带四份技能（网络搜索 / 天气 / 日程 / p 图），首次启动会自动放进 $DSH_HOME/skills/。

9. 自动指令

「自动指令」是"到什么时候做什么"：一条规则 = 一个 JSON 文件（住在 $DSH_HOME/automations/），条件有六种 —— 通知（哪个应用、正文或标题里有哪几个字）、前台应用（切到某个应用时）、光感（亮过 / 暗过某个亮度，可要求持续几秒）、时间（每天或某几个星期的几点）、地点（到某个地名几百米以内）、天气（某个地方的气温 / 降水 / 天气代码达到某个数）。命中之后它把一句话开进一场新会话：提醒那一种由模型现写一句短话、发一条通知并念出来；干活那一种会真的去动手机，所以它多一道全局总闸「允许它自己动手」，默认关。防骚扰是一整套：静默时段（默认 23:00–07:00）、每条规则的冷却与每天上限，以及设置页里一份"最近做了什么、为什么没响"的账。规则由模型写（说一句"每天八点提醒我带伞"就行），设置页负责开关、新建、改一改与删掉。

功耗是按"没有启用的规则就一个监测器都不注册"做的：通知与前台应用是事件驱动（前台应用只认无障碍事件，不看使用情况统计），时间只排一个闹钟，轮询只有天气（默认 60 分钟）与地点（只用网络定位，默认 10 分钟 · 500 米）；省电模式一生效，轮询那两条整个停下来。

10. p 图：把屏幕上那张图改掉

说一句「帮我把这张图的背景改为海边」，它会截下你正看着的那块屏，交给生图模型（图生图）改完，把成图放进相册的 Pictures/Luwi 并直接打开给你看。主人自己发的那张图、工作区里的文件也能当源图；改完不满意就接着说"再改成…"，每一版都留一份。

生图那一半是随包发的第三方插件 @dickpy/dsh-imagegen（Apache-2.0，作者 dickpy），渠道与密钥在「设置 → 生图配置」里自己配（OpenAI 兼容接口，以及 grok-imagine / nano-banana / seedream / qwen-image / glm-image / MiniMax 等预置渠道）；它自己还带一整套界面：画廊、无限画布、提示词模板库、电商套图、文生图（不带源图时用「生图」面板或让模型调 generate_image）。改图会走你配的那条 API 并花钱，图也会发给那个服务——模型被要求如实说明这一点。

11. 插件：别人写的包，给这台手机加能力

不重编本应用就能加东西的那一层（协议 lw-plugin/1）。在设置页的「插件」段粘一个 https 链接，
装完就能用 —— 它注册的工具与内置的 lw_* 长得一样，模型下一轮就能调；停用、卸载与"最近调了哪些
能力"的账都在同一页上。

三个域，先挑最省的那一个：art（一包资源，零代码，零第二次安装）/ inline（一份 dex 跑在本应用
的 :plugin 进程里）/ companion（另一个 APK，只在"要主 APK 清单里没有的权限与组件"时才用，而且
不许带启动器图标）。桌面上那两格（动画 / 图文）由主 APK 自己声明成"宿主槽"，插件只往里填内容 ——
所以装一份 .lwp 就完了，桌面上不会多一个应用；同一个槽同一时刻只挂一只插件。

粘一个地址就够：那份 .lwp 里写着它要绑的那个包与那个包的 https 地址，所以装完它会顺手把伴侣
APK 也下下来装上（有 root / Shizuku 时静默装，没有时把文件交给系统安装器让你点一下），再接着启用。
它要哪几条能力会在装之前列一次（敏感档默认不勾）；一条能力都不要的插件连这一次都没有
包里没带地址的老包：.lwp 只说"绑哪个包、哪个 Service"，那个伴侣 APK 要另外装；装完之后在
那个插件的详情里点一下「启用」。设置页里原来那一行「安装伴侣 APK」已经撤掉（2026-10-11）——
新包都把地址写在 entry.apk 里、装完顺手就装上，那一行只剩给老包兜底，却把每台机器都顶着一行
装一个插件就是信任它：它拿到的能力就是你勾给它的那些，勾了 privileged.shell 就等于把特权交给它；
inline 那一档与 Luwi 同一个 uid，所以它只对白名单作者开放（与 Luwi 同签名，或把公钥指纹
写进 $DSH_HOME/plugins/.inline-allow.json），第三方未经审核的提交不要走这条路
必须签名（ECDSA P-256）：发布者指纹显示在插件页上，第一次见到一把新公钥会单独提示一句；改过包的会被拒装。没签名的包只在设置页打开「开发者模式」之后才收，界面上常驻红字
样例与写法：零代码那份 samples/art-whale-widget/（鲸鱼娘 2.0.0）、
dex 那份 samples/inline-timer/、伴侣那份 samples/companion/；
签包工具是 tools/lw-plugin-sign.mjs，判据是 tools/check-plugins.mjs
这一版接通的能力（设备读数 / 传感器 / 通知 / 朗读 / 剪贴板 / 读自己的目录 / 往会话投一句话 /
往宿主槽推桌面内容 / 提供浮标外观 / 读指定前缀的文件 / 访问声明的域名）；带参数的那两条边界就是声明里
那一截（files.read:/sdcard/DSH、net.http:api.example.com，只走 https 且重定向每一跳重查），
其余能力可以声明，调用时会如实回一句"这一版还没接通"，不会假装成功

12. 酒馆：一张最多十个人的桌子

它不是会话，是一层独立的小应用：角色卡 + 故事书 + 存档 + 主题。人物卡可以导入 PNG（chara / ccv3 块）、
JSON（V1 / V2 / V3）或 CHARX，故事书认 SillyTavern World Info 的 JSON；一张桌子最多十个人，一轮可以点几个人
按勾选顺序依次回几条（不勾就照旧一轮一人，@名字 优先、其余加权随机）。每个角色能单独配一对
provider + model，也能单独开「主动说话」—— 检查间隔、安静阈值、触发概率三个旋钮都以"轮"为单位，
只在聊天页开着、一轮结束之后才判定，模型回一句 [SILENT] 就是不想说。六套主题可切（玻璃那一套在没有
backdrop-filter 的 WebView 上退成不透明），背景图压在 30% 主题色底下，主题是全局设置、存档跟着主题
（没有存档也能选），首页 / 聊天页顶栏 / 状态栏图标都跟同一套走。

它不建 dsh 会话、不注册工具、不读写记忆，数据只在 $DSH_HOME/lw/tavern；换工作区就锁上（门闸只看
host 的 cwd）。酒馆要登录与有效服务时长：登录走官网的设备码那条路，签到与购买只在官网 /tavern，
应用里没有任何签到或支付写操作（入口叫「去签到」）。

dsh（模型 / 会话 / 技能）
   │  lw_* 原生工具
   ▼
dsh host —— Node 24 随 APK 发布，前台服务常驻
   │  回环通道（随机端口 + 一次性 token）
   ▼
app 进程 —— Kotlin / Compose
   ├─ WebView：dsh 自己的 Web GUI（会话与设置都在这里）
   ├─ 特权通道：Shizuku / root → 屏幕、输入与系统能力
   ├─ 自建虚拟屏：合成器直画 SurfaceView，零 native
   └─ 离线模型：语音识别 / 唤醒词 / OCR

dsh 与它的 Web GUI 一起进 APK：Node 24 随包发，前台服务常驻，关掉界面也活着。
特权通道：模型 → dsh 工具 → Node host → app 的 loopback 桥 → binder → 特权进程（uid 0 / 2000）。Shizuku 免 root，root 那条更直接。
工作区在你自己的存储里：/sdcard/DSH/，文件管理器翻得到；dsh 自己的配置与凭据留在应用沙盒（filesDir/dsh-home），自带的 Linux 沙盒也读不到它（沙盒以 shell uid 跑，凭据那条边界是内核的）。另有一个内置的轻量级 Linux 兼容层（Alpine minirootfs + proot，随包发一份 base，装在 /data/local/tmp/lwlinux）：可以 apk add 装 python、编译脚本 —— 它不是虚拟机，也不是安全沙盒，沙盒里只看得到工作区、网络是通的（见 AGENTS.md 的「Linux 沙盒」）。
两个模式的人设与技能随应用发布（手机 / 视频两个模式的提示词，加上技能库），模型按模式的人设作业。
可选局域网访问：打开后别的设备用浏览器就能连；手机一套小字体、PC 一套大字体，各存浏览器本地。

开源 / 安全声明

Luwi 完全开源，允许开发者自由开发。

Luwi 完全暴露在手机环境，没有沙盒限制，安全性由用户自行判断；不建议安装在主力机 / 有重要数据的手机中。

内置的 Linux 沙盒只是"手机里多了一个 Linux 命令行"，它换来的是 shell 一档的能力（不是更严的一档）；不要把它当安全边界用。

和 LittleWhale 的关系

本项目的全部基础来自 LittleWhale —— 把 dsh 移植到安卓这件事是它做的。Luwi 是在它之上做的应用发行版，目前相对上游多了：

应用名改为 Luwi，图标换成 Luwi 自己的标记：一圈水花里一只鲸尾（桌面、通知栏与浮标都是同一个）
常驻浮标取代原来的顶栏菜单按钮（见功能 3）
虚拟屏小窗 —— 屏在后台跑着，一边看它一边用 dsh 界面
dsh 升到 0.2 系列（release/2.0.0 现在跟到 0.2.1-alpha.1），并把在安卓上缺预编译的那个原生件换成 --expose-internals 的回退路径
返回键不退出应用 —— 第一下提示「再按一次退出」，第二下把任务放到后台；host 与虚拟屏继续跑
2.0.0 那一系列：唤醒词、GLM-ASR 与语音输出四档、浮窗面板、虚拟屏保活面
2.5.0 那一系列：两个模式（识屏模式摘掉）、指代不明时自动附一张主屏截图、锁屏唤醒与自动解锁、快捷指令、自动指令、p 图（随包的生图插件 + photo-edit 技能）
2.6.0 那一系列：插件（伴侣 APK 那一层）、「正在想」由一份文件说了算、球上手势的防误触档、输入框幂等、双击回复回到"你发话的那一场"、语音输入缺省统一到 SenseVoice
2.7.0 那一系列（收口时定名 2.7.4）：插件第二批 —— 鲸鱼娘桌面小组件（可导入自己的 GIF）、从链接装入一份插件包、设置页新加的「技能」那一段（按这台手机上装了的应用，把对应技能装进 dsh 家）；以及全仓图标换成 Luwi 自己的标记（桌面 / 通知栏 / 球上那一圈）
2.7.5 那一系列：插件取景「拍到了却报 0 帧」的根因修正、设置页「技能」那一段接上 app-skills 仓库（多了「刷新技能目录」与删除技能）、说的时候真的把麦克风关掉、「说完切模式就听不了话」与「她自己的回答被录回去」两处自愈、视频模式那块预览窗按显示方向摆
2.7.6 那一系列：插件那一层重建 —— 安装即用（桌面组件改由主 APK 的宿主槽声明，多了零代码的 art 域与白名单开放的 inline 域，伴侣收窄成不进桌面的例外；装一份 .lwp 就完了），顺带把"同一场对话"的窗口从 20 分钟收到 10 分钟、「返回应用」与「双击回复框」两扇门的落点分开、修掉取景网格那批图交不出去（以及 R8 剪掉插件 API 的那条真缺陷）
2.7.7 那一系列：手机与电脑的 dsh 连成一套（luwi-dsh-sync：会话镜像 + 工作区镜面 + 互为远端名片 + 投影会话与归属方那条闸，默认关）、手机里的 Linux 沙盒（Alpine + proot，lw_linux 四个动词）、能力沙盒两条接通（files.read:<前缀> / net.http:<域名>）、插件那一层住进 profile patch（顺带修掉应用里"生图保存"必失败）、视频模式能指定另一个模型、浮标能放人物立绘与球尺寸滑条
2.7.8 那一系列：技能两页管全（检测更新 / 升级 / 搜一条装上 / 删一条，模型自己也能装，本地改过的不覆盖）、桌面对话组件（桌面一格有立绘与气泡，点「说一句」浮出输入窗）、探索按点开始（会演进的任务卡、30 分钟 / 60 步、五节摘要落 Luwi 工作区）、自动指令的「且」与「或」（新鲜窗口 + 解锁 / 动手两个读数源）、预设收敛成 Luwi 与 探索模式、设置页缺省只展开省电与常用、球半隐 / 半藏两个开关、手机版 webui 抬到 3.1.0、dsh 升到 0.2.1-rc.2、记忆插件随包与只注 CSS 的覆盖层、右栏浏览器格放开
2.7.9 那一系列：办公文件右栏直接翻（.docx 走 docx-preview、.pptx 自解 OOXML，都进不带脚本的沙箱框，可双指放大）、设置里一键反馈（正文直投作者，交不出去就复制并开页，不假装成功）、开口之前先垫一句（四段预录填音，几十毫秒出声，且跟着当前音色与语速重合成）、更新自己查（冷启动查一次，一天最多一次）、同步插件 0.3.5（扫码配对与 P2P 直连那套）、手机锁竖屏、无障碍与 OCR 并进特权通道、dsh 升到 0.2.1-rc.3
2.7.10 那一系列（当前版本）：酒馆（角色卡 / 故事书 / 存档 / 六套主题 / 最多十人一桌 / 每人的模型与主动说话；不建会话也不碰记忆）、账号与签到（官网设备码登录，服务时长门闸只拦进聊天页，签到只在官网，应用里没有写操作）、开屏（图标 + 转圈 + 加载日志 + powered by deepseek harness，splash.json 可换图标 / 动效 / 配色 / 文案）、老 WebView 兼容层（文档开始垫 polyfill，12 秒画不出界面就弹窗让人去更新，弹窗里是四步更新指引）、切后台回来不重载（renderer 钉住、回前台 host 自愈、「省电」段可一键给后台保活）、浮标一档多支动作（frames 收数组，进状态随机起头、每圈换一支）、立绘按高贴满、半隐改一半透明度、鲸鱼娘外观随包发（首启自动装好并挑上）、API 音色库（设计出来的音色可登记、可单次点名）与设置里那份接口文档；探索不再被省电拦（到点照开，只把省电 / Doze 写进读数）

下载

见 Releases。

所有版本（含历史版本）都要求 Android 13（API 33）及以上。

2.7.10 那一版的 APK —— 当前版本：酒馆、账号与签到、开屏、老 WebView 兼容、浮标一档多支动作、鲸鱼娘外观随包。
历史版本（2.7.9 / 2.7.8 / 2.7.7 / 2.7.4 / 2.6.7 / 2.6.0 / 2.5.0 / 2.0.0 / 1.3.0 / 1.0.3 / 1.0.2）都在 Releases 列表里。
语音识别与唤醒词模型不在 APK 里，第一次使用时由应用自己下载。

APK 自带 host 树（3.58 万个文件 / 约 341 MB，打包成 99 MB 的 zip），装上第一次启动要解压几分钟；那几分钟别让设备息屏。

交流与反馈

QQ 群：1130917719（Luwi 交流群）—— 官网宣传页结尾有群二维码，手机扫一下就能进。
作者邮箱：[email protected] —— 问题、建议、合作都可以写。

提问请带上 adb logcat 片段与机型 / Android 版本；触摸与手势这类问题截图看不出来。

构建

需要 JDK 21、Android SDK（compileSdk 37 / build-tools 37.0.0）、NDK 29.0.14206865，以及 Node + pnpm。

git clone --recursive https://github.com/yuloong07-star/Luwi.git
cd Luwi
./gradlew assembleDebug

已克隆但没有拉取子模块：

git submodule update --init --recursive

两样东西不在仓库里，缺了它们打出来的 APK 跑不起来：

缺什么	是什么
`app/src/main/jniLibs/arm64-v8a/`（17 个 `.so`，109 MiB）	Node 24 / bash 5.3 / ripgrep 15.2 的 Termux bionic 构建
`app/src/main/assets/ocr/`（5.9 MiB）	PP-OCRv6 tiny 的 det 与 rec（ONNX）

所以想直接用就下 Release 里的 APK，不要从源码自己打。

已知问题

这个仓库没有自动化测试 —— 每一批改动都是在模拟器上逐条量出来的（命令与结果写在 docs/ 里的各批记录），真机上是 vivo V2417A / Android 16 / arm64 装过跑过。但触摸与手势这类问题截图看不出来，要人点一下才算；遇到问题请带着 adb logcat 说。
侧载安装的 APK 开无障碍要额外的 app op —— 应用会自己 best effort 处理，但每次重装 APK 都会把无障碍踢掉。设置页「无障碍」段显示它现在到底怎么样（在不在设备列表里 / 服务绑没绑 / 能不能写设置）；写不动的机器上要电脑跑 tools/lw-install.ps1，它会带 -i 装完立刻把条目写回去并读回校验，没过就非零退出。装完别再用 am start -S 强停 —— 它会把系统那个绑定实例摘掉而把条目留着，现象是「设置里写着开着、服务却没绑上」。
root 那条第一次要你手动授权 —— 应用侧查不出来有没有 root（没在名单上的 app 连 su 都看不见），只能试；而且试也不会弹框。
主屏没有任何应用层刹车了 —— 2026-10-08 起触摸软停整个删掉（连同读数），模型在你用手机时照样能操作主屏；虚拟屏那两道闸（暂停接受控制 / 虚拟屏触摸控制）还在。
熄屏是静默失败 —— screencap 交的还是最后一帧，注入的触摸也唤不醒屏，两个都不报错（现在有 lw_power 能点亮它）。
录屏不在这一版 —— 模型读不了视频（读图工具只认 PNG / JPEG / WebP / GIF），要看「一段过程」用连拍加网格。
第一次启动要等几分钟 —— host 树是 3.26 万个文件 / 约 322 MB，首启解压，而且别让设备息屏（应用一进后台就被冻住，解压跟着停在原地）。
读剪贴板要应用在前台 —— Android 10 起只有获得焦点的应用能读，后台读回来是空的（写不受限）。
清单里的权限很多 —— 把能声明的都声明了。其中通讯录 / 短信 / 通话记录这一批应用自己不去读，是留给手机端自己利用与开发的；装的时候授不授权都行。日历不一样：lw_calendar 真的用它（设置页「权限」段里单独一条），不给就只能读到"缺权限"这句回执。
语音转写还没在真机上验过 —— 模拟器是 x86_64 靠 ARM 翻译跑 arm64，而 sherpa 那个原生库在翻译下会段错误，所以这一条只能真机说了算。
语音模型要自己下一次 —— 缺省那套 SenseVoice 约 240 MB，从 hf-mirror 拉（手机上 huggingface.co 连不上）并逐个文件校验 sha256；也可以 adb push 放进应用沙盒的 speech-models/ 对应子目录。GLM-ASR-Nano（约 1.6 GB）只有点名要它时才需要，会话输入框那个麦克风不再等它。「按录音按钮 → 自动下载 → 出字」这条整链还差一次真机实测。
p 图要先配渠道 —— 生图那一半走你在「设置 → 生图配置」里配的 API（OpenAI 兼容接口，或 grok-imagine / nano-banana / seedream / qwen-image / glm-image / MiniMax 等预置渠道）；没配时它会如实说 image-api-not-configured，不会假装改过。这一版在模拟器上验到的是「截图 → 桥 → 相册 → 打开」那几段；有 key 的整链（真的调一次上游生图）还没跑过。
插件是别人写的代码 —— 能力授权、签名、审计三道都在（见上面「插件」那一节），但它跑起来之后能做的事就是你勾给它的那些；卸载不会回收它自己应用里已有的权限（那要去系统设置里删它的 APK）。
设置页的入口是右上角那颗「菜单」按钮（不是 overlay 那颗球）—— 点它，菜单里那一行「设置」就是设置页；球自己的菜单（长按）只有「Back to the app / Close the ball」两行，设置页不在里面。2026-10-08 那批插件第一次没找到入口，回执里记成了"浮标点不到、进不去"；按对的入口一次就进得去，三张截图在 D:\apk\shots\（前缀 2026-10-08-emulator-5554-批次9-）。
插件详情对话框的正文自己带滚动上限 —— 声明的能力多起来（最多 22 条）它会长过一屏，而 Miuix 的 OverlayDialog 自己不滚、也没有 maxHeight 那个口子（参数只有 maxWidth）：不封顶时超出一屏的那一截会被窗裁掉，「卸载（删数据 / 留数据）」两个按钮就点不到了。SettingsScreen.PluginDialog 里给它封了屏高六成并挂上 verticalScroll，改这一处别再把它拆掉。
酒馆只看最近 50 条 —— 酒馆（P1）聊天页不分页，摘要每 12 轮写一次；勾两位以上时一轮会真调多次模型，这一条目前只在本地假模型与路由单测上验过，真模型双回还没跑。
浮窗有三条限制 —— 窗可获焦，所以落在窗外的触摸不再穿透；后台起步时 microphone 那半个前台服务类型可能被 ROM 拒（拒了退 specialUse）；锁屏之上不碰。
shell 那把工具没有开 —— lw_shell 刻意不做：通道的 token 在手就等于 shell 身份，这道墙是留着的。

Credits

Miuzarte/LittleWhale（Apache-2.0） —— 本项目的基础。把 dsh 移植到安卓的架构、特权通道、自建虚拟屏、dsh 工具、无障碍读屏与端侧 OCR 都是它的工作
DSH-APP/DSHA（MIT） —— 部分功能与特点取自它
deepseek-ai/deepseek-harness（MIT）—— 被搬过来的东西本身
compose-miuix-ui/miuix —— 界面组件
Miuzarte/ScrcpyForAndroid（Apache-2.0）—— 界面视觉细节参考
RikkaApps/Shizuku —— 免 root 的特权通道
dickpy/dsh-imagegen（Apache-2.0）—— 随包发的生图插件：图生图（p 图那条链改图的那一半）、画廊、无限画布与提示词模板库
topjohnwu/libsu（Apache-2.0）—— root 通道
k2-fsa/sherpa-onnx（Apache-2.0）—— 语音识别 / 唤醒词 / 朗读的离线推理
QwenAudio/SenseVoice（MIT）—— 快的那一档语音识别模型
智谱 GLM-ASR-Nano（MIT）—— 准的那一档语音识别模型
PaddleOCR（Apache-2.0）—— PP-OCRv6 tiny 端侧 OCR 模型

License

Apache-2.0，与上游 LittleWhale 相同。