你把一串群組對話丟給手機 AI，希望它找出待辦事項、排進行事曆、把資料整理成檔案。它通常很會摘要，也能列出漂亮的建議；真正要建立提醒、處理檔案、執行腳本時，工作往往卡在最後一哩路。
OpenMinis 的出現填補的正是這個缺口。OpenMinis 讓手機裡的 AI Agent 擁有一套完整的工作環境，可以整理訊息、操作網頁、處理檔案，並在取得授權後使用行事曆、提醒事項與健康資料。當 AI 理解你的需求後，可以繼續執行後續步驟，減少使用者在不同 App 之間反覆操作。
如果把 OpenMinis 官方列出的應用串成一天，畫面大概會是這樣
早上起床，手機已經整理好你關注的 X 貼文，將重要消息轉成語音播放；中午吃飯前拍張照片，AI 辨識餐點並估算營養資料，再寫入 Apple Health；下午工作群組累積了上百則訊息，Agent 從裡面找出錯誤回報與待辦事項，排除重複內容後建立提醒；晚上看到一場活動，把網頁分享給它，日期、時間與地點隨即加入行事曆。
這些事情單獨看都不算驚人，真正麻煩的部分，是每件事都需要開啟不同 App、複製資料、確認格式，再手動完成最後幾個步驟。OpenMinis 想處理的，正是這些每天反覆出現的小工作。
手機 AI 很會回答，工作通常停在最後一哩路
目前手機上的 AI 已經能摘要文章、辨識照片、翻譯文字與回答問題。當使用者提出「幫我整理群組裡的待辦事項」時，模型通常可以產生一份清單；接下來要把內容寫入提醒事項、設定時間並保存原始資料，使用者依然得自己處理。
問題往往與模型的理解能力無關。AI 缺少一個可以執行指令、保存檔案和使用其他工具的工作空間，自然只能把答案留在對話框裡。
OpenMinis 在 iPhone 與 Android 裝置中準備了一套 Agent 工作環境，並讓 Claude、GPT、Gemini 等模型使用這些能力。模型負責理解需求與規劃步驟，OpenMinis 則提供執行任務需要的工具。
這樣的組合，讓手機 AI 從回答問題繼續往前走，開始參與完整的工作流程。
Skills 讓手機 Agent 可以依照需求增加能力
每個人的工作流程都不一樣。有人想整理研究資料，有人需要處理影片與音訊，也有人希望串接公司內部服務。固定內建的幾項功能，很難滿足所有使用情境。
OpenMinis 使用以 SKILL.md 為核心的技能架構，技能中可以放入操作說明、腳本與參考資料。官方表示，原本為 Claude、Codex、OpenClaw 或 Hermes Agent 撰寫的 Skills，大多可以移植到 OpenMinis；針對手機功能調整後，還能進一步使用裝置內的工具。
這代表 OpenMinis 的能力不會只停留在官方預先設計的用途。使用者或開發者可以依照自己的需求，增加搜尋、健康分析、媒體下載、語音處理或雲端服務串接等工作流程。
對已經使用桌面 AI Agent 的人來說，既有 Skills 也有機會延伸到手機，讓同一套工作流程在外出時繼續使用。
手機裡的完整環境，才是 OpenMinis 的核心
為了讓 Agent 執行這些任務，OpenMinis 在手機內建立 Linux 工作環境。iOS 版本採用客製化 iSH，Android 版本則透過 PRoot 運作。Agent 可以在裡面執行指令、處理檔案和使用 Skills，再透過 OpenMinis 提供的工具連接手機功能。
使用者不需要直接操作 Linux，也不必理解背後的系統架構。Linux 在這套產品裡扮演的是執行基礎，讓 Agent 有地方放置檔案、安裝需要的工具，並逐步完成任務。
使用前還是要理解它的限制
OpenMinis 可以連接 Claude、GPT、Gemini 等模型，模型推論通常仍需透過網路與雲端服務完成。使用者可能需要提供自己的 API 金鑰或登入相關帳號，也要自行考量模型費用與使用額度。
涉及行事曆、照片、聯絡人或健康資料的任務，還需要開放對應權限。Agent 能處理的事情越多，權限管理也越重要。比較穩妥的使用方式，是先從低風險任務開始，例如整理網頁、產生摘要與處理工作區檔案，再依照需求逐步開啟其他功能。
OpenMinis 目前也處於快速發展階段，iOS 與 Android 的功能可能存在差異，部分複雜流程會受到網站登入狀態、手機背景執行限制與第三方服務變動影響。它現階段更適合願意嘗試 AI Agent、調整 Skills，並能理解自動化工具仍需人工確認的使用者。
OpenMinis 讓手機 AI 開始具備「工作環境」
OpenMinis 最值得觀察的地方，可以濃縮成一個概念：它替 AI Agent 準備了一套完整工作環境。
LLM 提供理解、推理與任務規劃，Linux 負責程式執行與資料處理，Native Offload 負責接上手機系統，Skills 保存可重複使用的工作流程，MCP 再把第三方服務納入工具範圍。這些元件放在一起後，手機上的 AI 才開始有能力處理「先查資料、再分析、接著執行程式，最後修改手機資料」這種完整任務。
過去談手機 AI，焦點經常放在模型大小、NPU 算力、生成速度與語音助理能力。OpenMinis 提供了另一個值得研究的方向：模型的能力很重要，模型周圍能使用哪些工具、資料與執行環境，同樣會直接決定 Agent 最後能完成多少事情。
如果這種架構繼續成熟，未來比較手機 AI 體驗時，Agent runtime、系統整合深度、Skills 生態與權限安全，很可能都會成為和模型能力同等重要的指標。
OpenMinis 已經把這個方向做成一套可以實際安裝、使用、研究原始碼的產品。對正在觀察 AI Agent 下一階段發展的人來說，這個專案很有參考價值。
小禮送大家：Apple Health 健康資料分析
最後，手哥也搭配 OpenMinis 開發了一套可以分析自己 Apple Health 健康數據的 Agent Skills，如果你的 Apple Health 已經幫你紀錄每一天的身體數據，這套 Skill 可以幫你分析這些數值，讓你可以隨時關注自己的健康狀態！
