手机遥控电脑AI
现在的 AI 编程助手已经很强了,但人是自由的:躺在床上、通勤路上,突然想到一个点子,或者想让家里电脑上的 AI 顺手干个活,怎么办?
远程桌面太重,手机上开 SSH 敲命令又太痛苦。想来想去,最自然的交互方式其实是——聊天。给一个"机器人"发消息,家里电脑上的 AI 接到任务,干完活把结果流式回传到聊天窗口,需要动用 shell、改文件时还会弹出权限请求,回一个 y 就放行。整个过程端到端加密。
这套东西由两个开源软件组合而成:OpenCode 和 Conversations。
两个主角
OpenCode
OpenCode 是一个开源的 AI 编程 agent,平时在终端里以 TUI 的形式跑。它关键的点是支持后台常驻:opencode service 会在本机起一个 HTTP 服务(SSE 事件流),会话、发消息、中断、切模型、权限应答全都有 API。换句话说,它天生就是一个可以被程序遥控的东西,我要做的只是给它接一个"聊天界面"。
下载地址:
- 官网:https://opencode.ai/
- GitHub:https://github.com/sst/opencode
- 一行命令安装:
curl -fsSL https://opencode.ai/install | bash,或者npm install -g opencode-ai
Conversations
Android 上一款老牌的开源 XMPP 聊天软件,自带 OMEMO 端到端加密。XMPP 是一个古老的开放协议,服务器可以自己搭(比如 Prosody,搭建难度很低),不依赖任何大厂的服务器。
下载地址:
- 官网:https://conversations.im/
- APK 直接下载:https://conversations.im/en/download/
- F-Droid:https://f-droid.org/packages/eu.siacs.conversations/
- Google Play:https://play.google.com/store/apps/details?id=eu.siacs.conversations
为什么不用微信或者 Telegram 的机器人?微信没有开放的机器人接口;Telegram 的 bot 消息要经过它的服务器,而且在国内那糟糕的网络环境下能不能连上全看运气。而 XMPP:协议开放、服务器自己搭、OMEMO 加密是标准化的(XEP-0384),Conversations 和我的网关代码各自独立实现,照样能互通——这才是开放协议该有的样子。
架构
整体结构一句话就能说完:
Conversations (手机) ←─ OMEMO/XMPP ─→ XMPP 服务器 ←─ XMPP ─→ 网关(bot.mjs) ─HTTP/SSE→ OpenCode 服务
网关是一个几百行的 Node.js 程序(@xmpp/client + libomemo.js),一边登录机器人账号收发消息,一边连本机的 OpenCode 服务:
- 手机发来的消息解密后,作为 prompt 通过
POST /api/session/{id}/prompt发给 OpenCode; - 网关订阅
GET /api/event的 SSE 事件流,把session.text.delta增量攒批加密回传,聊天里就能看到"打字机效果"; - 遇到
permission.asked事件(AI 想执行敏感操作),转发到聊天里,回y(本次允许)、a(永久允许)、n(拒绝)即可审批。
搭建流程
前提:一台常开的电脑(我是自己的 Linux 主机)、一个 XMPP 服务器账号。大致步骤:
- 注册一个机器人账号,比如
bot@example.com。Prosody 默认同 IP 每小时只允许带内注册一次,超限就在服务器上直接prosodyctl register建号; - 电脑上建目录放网关代码,配置文件里填机器人账号、密码和 owners 白名单(
只有白名单里的 JID 能使唤这个机器人); npm install后启动,日志里依次出现XMPP 已上线→[omemo] 就绪→网关就绪 ✅就说明通了;- 手机上把机器人加为好友,聊天设置里选 OMEMO 加密,然后
双向扫码验证指纹(防中间人,强烈建议做); - 发一句"列出当前目录的文件",收到加密回复,联调完成。
整套代码(网关源码 + 部署模板 + 运维笔记)我打包成了一个 OpenCode skill:本站下载(34 KB,无任何个人信息)。解压到 ~/.config/opencode/skills/ 即可生效,以后新机器上一句"帮我部署 XMPP 网关"就能复刻,这也是用 AI 管理 AI 的一点小小乐趣。
手机上怎么用
平时就是正常聊天:发一句话就是一次对话。外加几个斜杠命令:
| 命令 | 作用 |
|---|---|
/new | 开新会话 |
/sessions /switch | 查看/切换会话 |
/stop | 中断当前任务 |
/cd /abs/path | 切换工作目录 |
/model | 查看或切换模型 |
/status | 网关状态 |
y / a / n | 工具权限审批 |
最妙的是 location 机制:OpenCode 的会话按目录归属,网关建会话时指定了我常用的项目目录,所以手机上开的会话,回家在电脑 TUI 里能接着聊,反过来也一样。
踩过的坑
随笔嘛,记录几个印象深的:
- OMEMO 指纹格式不统一。libomemo.js 给出的身份密钥带
0x05前缀,而 Conversations 显示的是去掉前缀后 64 位大写 hex。对不上就永远验证失败,查了半天才想明白两边只是格式不同。 - 僵尸会话丢消息。XMPP 服务器要 840 秒才发现连接死了,这个窗口里发给机器人的消息会被转发到死连接上
直接丢失。解法是网关主动 60 秒发一次 XEP-0199 心跳,加上守护进程崩了 5 秒内拉起。 - 解密失败 = 密钥文件被删了。omemo-store 一旦删除,机器人指纹就变了,所有会话作废,只能重新扫码。这个文件记得备份。
- 回退明文要显式提醒。对方设备拉不到时加密会失败,网关会降级成带 ⚠️ 前缀的明文消息送达,宁可难看也不能悄悄裸奔。
关于安全
让 AI 在你电脑上执行命令,安全是第一位的,这套设计里我层层设防:
- 传输层:OMEMO 端到端加密,XMPP 服务器自己也看不到内容;
- 身份层:双向扫码验证指纹,验证后指纹不符的设备会被直接拒绝加密并告警;
- 授权层:owners 白名单之外的消息一律忽略;
- 行为层:工具权限默认逐次询问,聊天里回
a永久放行时要三思。
说到底,这件事的前提是两端都是自己可控的开源软件。闭源客户端 + 第三方服务器的东西,我是不敢把 shell 权限交给它的。
结语
XMPP 是上个时代的协议,OpenCode 是这个时代的工具,中间用一个几百行的网关把它们缝起来,就得到了一个"揣在兜里的 AI 站台"。开放协议和开源软件的魅力就在这里:它们像乐高积木,只要你愿意,随时能拼出大厂产品经理想都想不到的形状。
工具列表再放一遍,方便伸手党: