UI自动化的尽头是不写UI自动化？Mika对比Droidline实测

前几天我的回归脚本又红了一片，原因还是那个老熟人：产品把「提交订单」改成了「确认下单」。

改选择器、加重试、写 data-testid，这套动作我闭着眼都能做。干这行久了，你会默认一件事——界面自动化就是人写规则，机器照着执行。

所以当我看到有个叫 Mika 的开源项目，说「你说一句话，它自己点手机」，我第一反应不是惊叹，是怀疑：不写脚本，那按钮改名了它怎么办？

Mika 是什么

Mika 是装在你安卓手机上的一个 App。你打开它说一句话，它就去操作手机上的其他 App——不是给你建议，是真点进去、翻页、打字、下单。

「今天群里聊了什么？」它把群聊翻一遍，再给你总结。

「30 美元以内、4.5 星以上的充电器。」它挑一个加进购物车，结账前停下。

「这个博主最近发了什么？」它打开 App 一条条读。

还有更日常的：在 BOSS 直聘上给三个岗位的 HR 打招呼、找一个城市飞另一个城市最便宜的直飞、读新闻站前五条和各自分数、点外卖把券叠满然后在付款前问你。

它干活的时候，不占你的屏幕。 你继续刷微信，它在一块你看不见的屏上操作。想看就点开对话页上那个实时小画面。

也不需要逐个 App 做适配。它像人一样看屏幕找按钮，没有 App 的 API 照样能用。

代价得先说清楚：Android 11 起能装，但操作 App 要 12+，推荐 14+。

装它，配它

装完不是立刻能用，得先过两道：配模型和配对手机操作。这两件事的地位不一样，先说清楚。

配模型是必须的。 Mika 自己不提供模型，你说话它得有个模型来接。不配这一步，打开只能干看着。

配对手机操作是可选的。 只有你要让它去点别的 App 才需要。如果只想聊天、用内置浏览器、处理文件，这一大段可以直接跳过。

第一步：下载和配模型。 从 Releases 下载 APK（仓库 wangzan101/Mika，这篇按 v0.1.33 写，这项目几乎天天发版，你下到的多半比它新）。装完打开，设置 › 模型，选服务商填 Key，或者直接账号登录。

服务商预置了 DeepSeek、通义千问、Kimi、智谱、硅基流动、火山方舟、MiniMax、阶跃星辰、腾讯混元、百度千帆、OpenRouter、Anthropic、Gemini、OpenAI、xAI、Mistral、Groq、Ollama、LM Studio 这些，还能选「自定义」接 OpenAI 兼容、Anthropic、Gemini 的地址。不想在多家之间反复折腾 Key，也可以试试 RouteFast.ai 这类统一接入方案。账号登录则支持 ChatGPT（Plus/Pro）、xAI、OpenRouter。

第二步：设置手机操作。 要让它操作 App 才做这步。进设置 › 手机操作，是个六步向导，做完一步自动打勾，不用点下一步。

第 1 步：打开开发者选项。 设置 › 关于手机 › 连点「版本号」7 次。找不到版本号就去「软件信息」里找，或者在设置里搜。

第 2 步：打开 USB 调试。 弹「允许 USB 调试吗」点确定。不用插数据线，它只是为了配对后断开 Wi-Fi 也能继续用。这个开关一直开着，关掉手机操作就停。

第 3 步：无障碍，建议跳过。 向导最上面有个「跳过（配对后 Mika 会自己打开）」，点它。

原因：Mika 是开源项目，只能自己下 APK 装，走不了应用商店。这种装法在安卓眼里是「非商店来源」，想开无障碍会被标成「受限制的设置」拦下来。配对之后由 Mika 自己去开，就不会触发这个限制。

代价是下一步配对时得自己填一次 6 位配对码。

第 4 步：打开无线调试。 先连 Wi-Fi（不用能上网，连上就行）。开发者选项里打开「无线调试」，弹框里勾上「始终允许使用此网络」再点允许。不勾的话，以后每次换 Wi-Fi 都得手动来一遍。

第 5 步：用配对码配对。 点「无线调试」这几个字（不是开关），进页面，点「使用配对码配对设备」，屏幕上弹出一个 6 位数字。

配对码只在配对窗口开着时有效。窗口一关（切到别的 App、按返回、锁屏），码就作废。

所以填码时不能切 App、不能按返回、不能锁屏。做法是：让配对窗口开着，从屏幕顶部下拉通知栏，点 Mika 那条「填配对码」的通知，在输入框里填数字发出去。下拉通知栏不会关掉配对窗口，切 App 会。

带空格、横线、全角数字都能识别。码过期了，回「无线调试」重新点一次会出新的。

第 6 步：自动连接。 不用操作，等几秒。

配对连不上的情况

有些厂商系统没有能用的无线调试，或者配对死活连不上，用装了 adb 的电脑走 USB：

adb shell sh /sdcard/Android/data/com.wangzan101.mika/files/usb-start.sh

看到 Mika helper starting... 就成。手机重启后要再跑一次，这样启动的助手不会自己回来。

装完不好用的情况

设置 › 恢复与修复 › 兼容性自检，约 1 分钟跑完 12 项。它会在自己的虚拟屏上打开测试页，试一遍读屏、点按、打字、滚动、返回，还查内置浏览器和沙箱，逐项给结论。不碰你的其他 App，不改设置，不联网。

一个 App 自带兼容性自检，还能生成报告直接提 issue——这是把「用户反馈」做成了「可复现的缺陷报告」。比让你截图说「点了没反应」强太多。

三个提醒

1. 开发者选项里没写到的开关别动。有的开关会清数据，比如「以 16KB 页面大小启动设备」，看到要你「清除全部数据」的提示，点取消。
2. 手机重启后无线调试可能被系统关掉，这很正常，Mika 会在连着 Wi-Fi 时自己重新打开。
3. 第一次到一个新 Wi-Fi，要手动允许一次无线调试，之后就不用管了。

装完怎么用

前提是模型配好了，要操作 App 的话配对也做完了。之后打开 App，就一个聊天框——不用选「我要操作哪个 App」，不用配流程，说一句话就行。

能干的活分几类

操作 App。 读长列表、翻聊天记录、点按钮、打字、把文本分享进别的 App。碰到登录、验证码、支付，它会停下来交给你。

浏览网页。 内置一个桌面级浏览器，登录状态保留，能读页面、能下载上传。碰到拦截页也会交给你。

处理你当前这块屏。 双击悬浮胶囊，把正在看的页面发过去，问「这个我该怎么回」「帮我记一下」。

定时和条件。 「明早 9:40 提醒我」「每周五干这个」。它在你原来那个对话里按时跑，不用重新交代背景。

文件和计算。 每个对话挂一个 Linux 沙箱，Python、Node、shell 都能跑，能处理你发给它的文件——不过只在 arm64 设备上才有，默认还断网。

两个可以直接照抄的开场

设置明早 9:40 和 10:00 的闹钟

每天早上 8 点查一下天气，只有要下雨才告诉我

跑起来之后，有三件事值得知道

一是你的手机还能正常用。它在后台那块屏上操作，你刷你的，互不干扰。

二是能中途插话。任务跑着的时候你继续说话，可以补条件、纠方向。还没被它接手的那条消息，长按能撤回或者改。

三是能停，也能接着干。停下来之后它会告诉你做到哪一步了，说「继续」就从那儿接上，不用从头再来。

默认是询问模式（Ask）：只有花钱前才问你（下单、付款），发消息、提交、删除这些它都直接干。不想被打断可以切到自主模式（Autonomous），连付款也不先问，一般不建议，尤其你还没摸清它脾气的时候。

对测试人有什么用

这块得说实话。先说能用的。

1. 给没有自动化的 App 做临时验证。

大部分团队的主流程有 Appium 或者 Playwright 覆盖，边角页面没有。临时要验「改版之后这个入口还能不能进得去」，写脚本不划算，手点又烦。说一句话让它走一遍，比手点十遍快。

2. 验证「点完到底生效没有」。

这是我们最容易放过的地方。脚本不报错、断言不报错，用例绿着，功能其实没生效。Mika 在这块有个机制：每个动作做完会重新读一遍界面，看文字有没有进去、页面有没有变，不急着报成功。

3. 把一次人工探索变成可复现的记录。

它会把做完的任务存成 skill，下次更快更稳。对「这个 bug 怎么复现」这种事有价值：你走一遍，它记住了，下次能照着再来一遍。

4. 跨 App 的串联流程。

从微信收到订单通知 → 打开电商 App 查物流 → 截图发回去。这种跨 App 的活儿，写脚本要协调几套驱动，它天然就能做。

5. 当定时冒烟用。

「每天早上 8 点打开 App 走一遍登录」这种，配个定时任务就能跑。它跑在原对话里，不用另建一套调度。

再说不能用的，这块更重要

它不给你生成测试脚本。 你要的是能进代码库的 Playwright 或者 Appium 代码，它给不了。它自己就是个产品，不是测试框架。

进不了 CI。 跑在真机上，依赖模型调用，慢、不稳、还要花钱。500 条用例的回归它跑不动。

做不了精确断言。 它能告诉你「我点了，屏幕上变了」，但做不了「余额从 100 变成 90」这种字段级校验。

有封号风险。 自动操作第三方 App 可能违反服务条款，公司测试账号要谨慎。

要 shell 权限。 公司发的设备如果有 MDM 管控，这步可能过不去。

所以它的位置很清楚：不是替代品，是补位。 补那些「写脚本不划算、人点又太费时」的缝。

Mika vs Droidline：AI 站在哪

要回答开头那个问题，光看 Mika 不够。我把 Droidline 摆在一起比了比，才看清这俩根本不是一类东西——差别不是有没有 AI，是 AI 站在哪。

Mika 里，AI 就是产品本身：你说一句话，它替你看屏、找按钮、点下去，中间怎么判断全交给模型。Droidline 反过来，它本体是「手机能被代码一行行驱动」，写一行动一下，不判断、不猜测，找不到就报错；AI 来了也只是又一个发号施令的客户端，不是主角。

一句话：Mika 是「AI 会操作手机」，Droidline 是「手机能被操作，AI 可以来操作」。前者是产品，后者是接口。

干测试这行，我更在意的是「这活儿失败了会怎样」。两边其实都在读安卓给的那棵控件树，差别不在看屏幕还是读结构：Mika 把界面整理成带编号的元素交给模型，模型自己决定点哪儿，读不出来的自绘界面才靠图像补；Droidline 把同一棵树交给我，按字段匹配，我自己写死点哪儿。一个把判断交给模型，一个把判断交给人——往下就分出两条路：

对比维度	Mika	Droidline
我怎么交代任务	说一句话	写一行代码
谁决定点哪儿	模型临场判断	我写死在脚本里
失败了会怎样	它换个法子再试	报错，还告诉我值不值得重试
能不能进回归	不能	能，塞进 CI 天天跑
界面改版之后	它自己适应	我得改脚本

反过来，Mika 有 Mika 的位置：不写代码，一句话去干，碰到登录、验证码、付款停下来问我；纯图像、没有元素树的界面它照样能点，这条 Droidline 做不到，只能退到坐标硬点。Droidline 那边，手上已有的自动化脚本还能接着用，界面改版得有人改脚本——听着是缺点，可回归要的就是「红了一定是代码变了」。

最让我意外的不是它能接 AI，是它没打算让 AI 一直干活：先让 AI 把没人写过脚本的角落摸一遍，把走过的路固化成能天天跑的脚本。摸路用 AI，守路用脚本，这个分寸比「AI 替你测试」实在得多。

所以这俩不是谁替代谁，是分层的。回归要确定性，这次红了一定是代码变了，不是模型今天状态不好；探索要覆盖，那些不知道会不会坏的角落，AI 比人快得多。AI 负责发现，脚本负责守住，中间那道桥现在还得人搭。

回头看我开头那个问题，答案其实变了。不是「按钮改名了 AI 怎么办」，是「按钮改名了，你的脚本红不红」。红了说明还有人在守，一直绿着才可怕。

三句话带走

第一，它能替你跑腿，不能替你判断。 你说一句话它去点，但活儿怎么想、验哪一条、算不算通过，还得你来。这点换成 Droidline 也一样，只不过它连「替你想」都省了，全靠你写清楚。

第二，AI 操作界面的不确定性，不能靠模型自觉兜。 Mika 在动作核查这一层的思路就一句：判断要靠界面证据，不靠模型自述。这句话能用到你手上所有 AI 功能上。

第三，这俩都还在 0.x，别急着往流程里塞。 Mika 是 v0.1.x，Droidline 自述还在 0.1，真机验证才刚开始。先用它们跑跑自己的日常，摸清脾气，再想能不能用到工作里。

最后留个问题给你：你们团队现在是怎么分工的——脚本守主流程、AI 补边角，还是反过来？有没有试过把 AI 探出来的一次性操作，固化成能天天跑的脚本？这些话题在云栈社区里也有不少测试同行在聊。