重新定义手机——我想给父母造一个说话就能用的手机

2026-03-27

父母年纪大了，智能手机对他们来说越来越难用。不是因为他们笨，是因为手机的交互模式本来就不是为他们设计的——找 App、点菜单、填表单，每一步都是障碍。

我想给他们做一个东西：按住说话，松手执行。说"帮我点份盖浇饭"，饭就点好了。说"给儿子发微信说我吃饭了"，消息就发出去了。

做着做着，我意识到这件事比我想的要大一些。

市面上有没有人做过？

做过，但没人做好。

AutoGLM（智谱） 能控制 40+ 个 App，包括美团和微信，技术上最接近。但它是面向所有用户的，没有针对老人的设计。

豆包手机助手（字节） 2025 年底上线，有专用硬件，能跨 App 完成任务。实测任务完成率：20%。老人没有耐心重试五次。

OPPO 小布关怀版 是最接近我想要的产品——专门适老，能语音点外卖发微信。致命缺点：只支持 OPPO 手机。

结论：没有一个产品同时满足「任何 Android 手机 + 老人优先设计 + 可靠完成核心任务」。

而且我做的不是产品，是给我父母的专属版本。不需要通用性，只需要好用。

架构：一台手机就够了

最终方案极简：

父母的 Android 手机
  按住说话 → 松手 → 执行

  录音 → Rust 后端 → Claude → 返回指令 → Accessibility Service 执行

端到端数据流长这样：

老人按下按钮
    ↓
Android 录音 (PCM 16kHz mono)
    ↓
POST /api/process  { audio: bytes }
    ↓
Rust: 阿里云 NLS → "帮我给儿子发个微信说我吃饭了"
    ↓
Rust: Claude API (Tool Use) → send_wechat(contact="儿子", message="我吃饭了")
    ↓
返回 JSON: { action: "send_wechat", contact: "儿子", message: "我吃饭了", reply: "好的，正在给儿子发微信" }
    ↓
Android TTS 播报 "好的，正在给儿子发微信"
    ↓
Android Accessibility Service 执行微信操作
    ↓
完成，TTS 播报 "已发送"

一台手机，一个 App，导航、微信、外卖全搞定。后端用 Rust（Axum），语音识别用阿里云 NLS，意图理解用 Claude Tool Use，执行层用 Android Accessibility Service。

Accessibility Service：比你想象的强大

很多人以为 Accessibility Service 只是给残障人士用的辅助功能。实际上它能做的事情是：

  • 读取屏幕上所有 View 的内容（文字、位置、是否可点击）
  • 模拟任何点击、输入、滚动
  • 跨 App 操作，没有沙盒限制

把整个屏幕内容转成文字传给 Claude：

fun dumpScreen(node: AccessibilityNodeInfo, depth: Int = 0): String {
    val text = node.text?.toString()
    val clickable = if (node.isClickable) "[可点击]" else ""
    // 递归遍历整棵 View 树
    ...
}

Claude 收到的大概是这样的内容：

[可点击] 老家川菜
  宫保鸡丁
  ¥22  月售300+  4.8分
  [可点击] 加入购物车
[可点击] 去结算 (2) ¥40

它知道该点哪里。

点外卖这个问题

"帮我点份盖浇饭"背后有太多决策点：哪家餐厅、什么口味、几分辣、用哪张券……全自动太脆，老人也不需要全自动。

实际设计是这样的：

  1. Accessibility 打开美团搜索，读取搜索结果
  2. 把结果传给 Claude，Claude 结合历史记录推荐（3 天内吃过的降权，天气冷推热食）
  3. 语音播报三个选项："第一个，老家川菜，宫保鸡丁 22 元；第二个……"
  4. 老人说"第二个"
  5. Accessibility 完成选菜、加购、结算
  6. 指纹验证才支付——语音说"下单"不够，防误操作

支付这一步用 Android BiometricPrompt，老人本来就习惯用指纹，自然。

这件事比我想的要大

Humane Pin、Rabbit R1 都失败了，原因不是方向错，是执行方式错了。

他们试图替换手机生态，从零建 App。

他们:  [新设备] → 重建所有服务 → 失败
你的:  [新界面] → 复用所有现有App → 可行

手机从"你操作的对象"变成"帮你干活的基础设施"。

就像你不会去"操作"电网，你只说"开灯"。

这个范式对老人成立，对所有人其实都成立：

现在: 想吃饭 → 开手机 → 找美团 → 搜索 → 筛选 → 选餐厅 → 选菜 → 下单
未来: 想吃饭 → 说"帮我点饭" → 吃饭

老人只是对现有交互方式最不适应，所以需求最迫切。但这个交互方式对所有人都更好。

我现在做的，本质是在验证一个命题：

意图 → 执行 能否完全绕过 App 界面层？

如果父母用起来顺畅了，这个命题就成立了。

下一步

先把 Rust 后端和 Accessibility 基础跑通，验证「语音 → 屏幕操作」的完整链路。

导航最简单——一行 Intent 调高德地图，先从这里开始。