

锐英源软件原创内容,禁止转载和任何形式的非法内容使用,违者必究
📑 本文目录
小满展会日历和打开飞书需求与概要设计|字节跳动小满个人Agent开源项目架构,小满是字节跳转开源的安全个人Agent,用无障碍控制屏幕,结合大模型智能完成任务,初学者可以使用小满进行Agent深度定制开发掌握Agent开发能力。

小满是一款住在手机里的私人Agent助手App,能记住事情(memory)、设提醒(reminder)、操作其他 App(phone_task)。智能体拥有的部分技能、服务和记忆,小满都有,另外小满的特色功能是用无障碍控制屏幕,需要打开无障碍权限给小满,运行控制屏幕时上面有提示栏,点击停止可以停止控制,截图如下:

本文记录一次真实需求从提出到交付的完整过程:用户让小满搜索近期 AI 展会、写入系统日历、最后打开飞书日历查看。
我们将介绍小满的 分层架构 :`core-api` 定义能力接口、`core-agent` 实现聊天和手机操作两种 LLM 循环、`hands` 通过无障碍服务执行屏幕操作、`app` 是 Android UI 和集成层。两种 LLM 循环(ChatLoop / OperatorLoop)用不同模型、不同 Prompt、不同工具集 — 这是小满能同时"用模型能力办事"和"替用户点手机"的核心设计。本次需求暴露了一个关键认知偏差:模型默认认为"搜索 = 打开浏览器",而实际上豆包模型自带联网搜索能力,只需在系统提示里明确告诉它就能省掉整个 GUI 自动化链路。
官方下载链接https://github.com/aduoge/xiaoman。
- 需求背景 :用户的真实指令 — 搜索 2026 年 11 月京沪 AI 展会 → 写入日历 → 打开飞书
- 小满架构三层速览 (不说细节)
- 接口层`core-api` :ToolSpec、Action、AgentConfig 等数据契约
- Agent 层`core-agent` :`XiaomanAgent` 统一入口,内部根据场景走`ChatLoop` 或`OperatorLoop`
- Hand 层`hands` :`XiaomanAccessibilityService` +`OperatorLoop` 输出的 Action 执行
- App 层`app` :Compose UI、设置存储、Debug 通信(`DebugReceiver` )
- 两种 LLM 循环的分工
- ChatLoop:对话理解 + 工具调用(`calendar_insert` 、`memory_*` 、`reminder_set` 、`phone_task` )
- OperatorLoop:截图 → 节点树 → 单步 Action(tap / swipe / type / deeplink / finish)
- 为什么需要两个循环?一个模型擅长"想",一个擅长"做"
- 本次需求的设计方案
- 搜索阶段:ChatLoop → 豆包模型(带 web_search_options)→ 直接返回结构化信息
- 写日历阶段:ChatLoop → 调`calendar_insert` (Android CalendarContract API)
- 打开飞书阶段:两种选项(deeplink 直跳 vs phone_task GUI)
- 发现的 Prompt 工程问题
- `DEFAULT_PERSONA` 原文:"需要在手机上完成的事情交给 phone_task" → 模型把"搜索"也交给了 phone_task
-修改后:明确"你自带联网搜索能力"、"查互联网用自己搜索、写日历用calendar_insert、只有打开App让用户看才调 phone_task"
- 交付清单 :Prompt 修改 + Skill 创建 + 编译安装 + 验证结果
小满的项目模块多,代码量不少,细节也很有意思,如果想学,收藏本站,关注本号,后面会持续发一些理解细节。
| 文件 | 作用 |
|---|---|
| core-agent/.../Prompts.kt | 所有模型可见的 Prompt(本次修改点) |
| core-agent/.../AgentTools.kt | 工具定义(spec schema) |
| core-agent/.../ChatTools.kt | 工具实现(含 calendarInsert) |
| app/.../AndroidCalendarWriter.kt | 日历写入的 Android 实现 |
| skills/examples/open-feishu-calendar/SKILL.md | 飞书日历 Skill |
本文是系列文章的总纲,全部文章在锐英源软件网站和“AI技术与原创内容出品”微信公众号上公布。