跳到主要内容

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:

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:

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:

  1. 手机发来的消息解密后,作为 prompt 通过 POST /api/session/{id}/prompt 发给 OpenCode;
  2. 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";
  3. 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:

  1. 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;
  2. 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);
  3. 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;
  4. 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);
  5. 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:

  1. 传输层:OMEMO 端到端加密,XMPP 服务器自己也看不到内容;
  2. 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;
  3. 授权层:owners 白名单之外的消息一律忽略;
  4. 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: