登录

gpt-assistant-android

Skythinker616GPL-3.0更新放缓

安卓端全场景 GPT 助手，按音量键即可唤起语音对话，支持联网、拍照、附件解析和智能体模式，让手机随时变成随身 AI 助理。

【新增智能体模式】安卓端全场景GPT助手，可用音量键唤起并进行语音交流，支持联网、拍照、模板、附件解析、智能体模式等 | GPT assistant for Android, activated via volume keys for voice interaction, supporting features such as networking, taking photos, templates, parsing PDF and Office documents, and agent mode.

v3.0.0发布于 2026-04-19 10:08 UTC909star123fork同步于 2026-11-07 07:31 UTC
安卓助手语音交互智能体模式附件解析多模态
对比 GitHub 官网accessibilityagentandroidassistantchatgpt

怎么上手

由 README 提炼，执行前请确认
原文 
下载最新发行版中的 apk 文件安装；在设置中填入 OpenAI API 地址 https://api.openai.com/ 和 API_KEY
硬件要求按 README 说明

README 未说明硬件要求，仅列出已测试机型（荣耀、华为、小米、红米及 Pixel 2 模拟器），系统覆盖 Android 8 至 Android 15

下载：源码 zip·GitHub Releases（安装包）本站不镜像安装包

项目说明

由 README 自动翻译提炼
没人工点评？写下你的经验

安卓端全场景 GPT 助手，用音量键随时唤起，语音对话、联网、传文件都能用

安卓端全场景 GPT 助手，按音量键即可唤起语音对话，支持联网、拍照、附件解析和智能体模式，让手机随时变成随身 AI 助理。

核心能力

  • 长按音量键唤起界面，按住说话、松开短按发送
  • 支持拍照、相册、分享、拖拽上传图片与 PDF/Office 文档
  • 通过 Function 接口按需抓取网页内容交给 GPT 联网
  • 智能模板可自定义下拉选框和输入框定制界面
  • 智能体模式读取屏幕控件并执行点击、滚动、输入

容易踩的坑

国内无法直连官方服务，需改用第三方转发服务；音量键唤起需手动开启无障碍服务并允许后台运行和后台弹出界面权限；智能体模式需另开无障碍服务且模型要支持 Function 调用，自行编译还需替换华为 HMS 鉴权信息

内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README

最近发版

5 个版本v3.0.0
全部 release
  1. v3.0.0GPTAssistant_V3.0.0最新正式版2026-04-19 · 2026-04-19 10:08 UTC

    主要更新

    • 【重要更新】新增智能体模式（实验性），AI 可以读取屏幕并执行自动操作
    • 新增模型列表配置页，支持从服务器获取模型列表
    • 支持自定义功能按钮布局
    • 思考内容支持折叠显示
    • 新增数据导入导出功能
    • 优化首次使用欢迎流程
    • 支持设置上下文长度限制
    • 支持单次回复并行调用多个 Tool，修复 Tool 调用时的上下文拼接问题
    • 修复 gpt-5 系列导致的空指针和超时问题

    Major Updates

    • [Important Update] Newly added agent mode (experimental), where AI can read the screen and perform automatic operations
    • Added a model list configuration page, supporting the retrieval of model lists from the server
    • Support for customizable function button layout
    • Support folding display for thinking content
    • Added data import and export functionality
    • Optimize the welcome process for first-time users
    • Support setting context length limits
    • Support parallel invocation of multiple Tools with a single response, and fix the context concatenation issue during Tool invocation
    • Fixed null pointer and timeout issues caused by the GPT-5 series
  2. v2.0.1GPTAssistant_V2.0.12025-05-06 · 2025-05-06 06:20 UTC
    查看更新说明

    主要更新

    • 修复联网功能在很多模型（4o、4o-mini等）中不可用的问题（原有FunctionCall接口已被弃用，修改为ToolCall）
    • 修复不带附件情况下自定义视觉模型末尾的星号未被去除的问题
    • 修复从主界面返回时程序未完全退出的问题

    Major Updates

    • Fixed: web accessing was unavailable for many models (e.g., 4o, 4o-mini). (Update from the deprecated FunctionCall interface to the new ToolCall interface.)
    • Fixed: the asterisk at the end of custom visual models was not removed in some cases.
    • Fixed: app did not fully exit when returning from the main page.
  3. v2.0.0GPTAssistant_V2.0.02025-04-23 · 2025-04-23 12:27 UTC
    查看更新说明

    主要更新

    • 【重要更新】支持解析上传PDF / DOCX / PPTX / XLSX文件，可同时上传多个图片/文件
    • 支持跨应用拖拽文件上传（支持分屏、小窗、超级中转站、多屏协同等场景）
    • 支持通过“打开文件”上传（适合上传QQ / 微信中的文件）
    • 选择、分享和拖拽文件时支持多选
    • 优化小窗和分屏显示，修复窗口状态切换时界面重置的问题

    Major Updates

    • [Important Update] Added support for parsing PDF, DOCX, PPTX, and XLSX files, with the ability to upload multiple images/files simultaneously.
    • Support for cross-app drag-and-drop files (compatible with scenarios such as split-screen, floating window, super transfer station and multi-screen collaboration).
    • Added support for uploading files via the "Open File" option (suitable for uploading files from QQ/WeChat).
    • Multi-selection is now supported when selecting, sharing and dropping files.
    • Optimized display for floating windows and split screens, and fixed the issue of UI resetting during window state transitions.
  4. v1.11.3GPTAssistant_V1.11.32025-04-13 · 2025-04-13 13:02 UTC
    查看更新说明

    主要更新

    • 支持Markdown表格渲染
    • 点击聊天窗口中之前上传的图片可以放大预览
    • 允许手动选择从GitHub或Gitee获取在线资源（在线模板、检查更新、帮助文档等）
    • 优化多个界面样式（图片上传、软件帮助、更新日志、项目主页等）

    Main Updates

    • Support for rendering Markdown tables.
    • Support for clicking on previously uploaded images in the chat window to preview.
    • Allow manual selection of online resources (such as online templates, updates, help documents, etc.) from GitHub or Gitee.
    • Optimized UI of several pages, including image upload, helps, update logs, homepage, etc.
  5. v1.11.2GPTAssistant_V1.11.22025-03-09 · 2025-03-09 15:12 UTC
    查看更新说明

    主要更新

    • 适配通过 <think> 标签或 reasoning_content 字段返回的思维链内容
    • 支持 Temperature 调节

    Main Updates

    • Support reasoning content returned through <think> tag or reasoning_content field
    • Support custom temperature

用户点评

登录用户的真实使用记录，可按版本和硬件筛选
共 0 条

    还没有人点评。第一个说出真实体验的人最有价值。

    README 原文

    未翻译
    在 GitHub 打开

    介绍

    主要特性

    • 多场景文件处理：
      • 通过拍照 / 相册 / 分享 / 打开 / 拖拽上传
      • 支持图片 / TXT / PDF / DOCX / PPTX / XLSX 文件
    • 支持联网：按需抓取网页内容发送给GPT
    • 全局快捷入口：音量键唤醒 / 状态栏快捷键 / 跨应用划词调起
    • 智能模板：轻松为每个模板自由定制界面（自定义下拉选框和输入框）
    • 多接口语音输入输出：华为 / 百度 / Whisper / Google / 系统TTS
    • 智能体模式（实验性）：允许AI自主操控手机（无需图像识别，支持任意模型）
    • 完全开源：通过OpenAI API（或其兼容接口）提供服务，不收取任何费用

    功能展示

    一、基础使用：仅用音量键就可以操控

    1. 长按音量下键唤出界面

    2. 按住音量键不放，开始语音输入

    3. 松开后再次短按，发送问题

    4. 接收回复的同时可以自动通过语音进行播报

    二、用状态栏快捷键也可触发

    下拉状态栏，点击“GPT”按钮，即可唤出界面，键盘会自动弹出，可以手动输入问题

    三、支持连续对话

    激活界面上方的对话图标，即可进行连续对话，点击左侧的头像图标可以对单条对话进行删除、重试等操作

    四、上传文本/图片/文档

    • 界面内上传：点击左下角的附件按钮，可选择拍照、相册、文件方式上传文档
    • 分享上传：在其他应用（如图库）中选中文本或图片，点击分享按钮，选择本程序
    • 打开上传：在其他应用（如微信QQ）中选择“打开方式”，选择本程序
    • 拖拽上传：在支持拖拽的其他应用（微信QQ、超级中转站、电脑多屏协同等）中，拖拽文件到本程序界面
    • 划词上传：在其他应用中选中文本，选用本程序处理

    五、智能模板

    通过高级模板语法，可以实现向界面添加下拉选框等操作，具体说明可以在模板编写说明中查看

    点击模板编辑页面右上角的按钮，可以加载在线模板列表，在讨论社区中可以获取更多模板或分享自己的模板，分享的模板可能会被动态更新到在线模板列表中哦~

    六、支持GPT联网

    通过Function接口允许GPT发起联网请求，程序会向GPT自动返回所需的网页数据，使GPT具有联网能力（需先在设置中允许联网）

    注1：上图均为使用gpt-3.5-turbo模型的测试结果，建议在提问前加入“百度搜索”、“必应搜索”、“在线获取”、“从xxx获取”等字样引导GPT，以获得更好的联网效果

    注2：如果你使用图中的提问但没有获取到正确的回答，可能是由于GPT的随机性导致访问了错误的网址，或是网站内容变化导致抓取失败，你可以尝试修改提问方式

    注3：由于需要将网页内容发送给GPT，联网时会产生大量Token消耗，gpt-4模型请谨慎使用

    注4：不支持Function的模型（如gpt-4-vision-preview等）无法使用联网功能

    七、智能体模式（实验性）

    在主界面启用“智能体”按钮后，AI 可以读取当前屏幕中的控件，并执行点击、滚动、输入文字等操作，可以实现发消息、点外卖、查攻略等高级功能（有待你的探索喔~）

    注1：该功能仍为实验性能力，不保证所有应用或控件都能稳定识别与操作，且建议选择Agent能力较强的模型。

    注2：软件不会保留你的任何信息，但仍建议避免在支付、验证码、密码等敏感页面中使用喔。

    安装&配置

    1. 下载安装

    直接下载最新发行版中的apk文件，安装即可

    2. 配置 OpenAI

    程序使用的是OpenAI API，需要用户在设置中填入自己的API_KEY，可以选择使用官方服务或第三方转发服务

    • 使用官方服务

      在OpenAI官网注册账号并获取API_KEY，在软件设置中填写网址https://api.openai.com/和API_KEY

    • 使用第三方转发服务（国内使用）

      官方服务在国内无法直接访问，用户可以选择使用第三方转发服务，此处推荐一个提供免费接口的项目GPT_API_free，目前其免费服务提供gpt-3.5-turbo、gpt-4o-mini等模型，限制调用频率不超过200请求/天/IP&Key，在国内可直接访问

    3. 配置语音识别 (可选)

    注：程序默认使用的是华为语音识别接口，如无特殊情况，不需要进行此步骤

    百度语音识别接口

    用户可以参照百度语音识别官方文档注册并创建应用，然后获取AppID、API Key和Secret Key填入设置中

    若设置项的“启用长语音”选项关闭，则使用的是百度短语音识别接口，若开启，则使用的是实时语音识别接口，需要用户根据需求在创建应用时勾选对应的服务

    此外，在创建应用时，需要将“语音包名”设置为“Android”，并填入本软件包名com.skythinker.gptassistant

    设置语音包名

    Google语音识别接口

    用户需要确保系统中已安装Google软件，然后跟随软件指引设定Google为系统语音识别引擎，且允许其使用麦克风权限，然后在软件设置中选择Google语音识别接口即可

    Whisper语音识别接口

    如果用户所使用的OpenAI接口支持Whisper模型，在软件设置中选择Whisper语音识别接口即可使用

    4. 开始使用

    • 如果你希望使用音量键唤醒，你需要：

      1. 根据软件提示开启“音量键唤起”无障碍服务，并允许软件在后台运行

      2. 查看系统设置中是否存在“后台弹出界面”权限，如有该权限则允许，如无则忽略

        若发现长按音量下键后手机震动一下但没有弹出界面，大概率是因为缺少该权限

    • 如果你希望使用智能体模式，你需要：

      1. 在系统设置中开启本软件的“智能体模式”无障碍服务

      2. 选用支持 Function / 工具调用的模型

      3. 避免在支付、验证码、密码等敏感页面中使用该功能

    • 请参照功能展示中的操作使用软件

    Q&A

    软件唤起

    Q: 长按音量下键只是在调节音量，并没有其他任何现象？

    A: 请在系统设置中开启本软件的无障碍服务（重启手机后可能需要重新开启）

    Q: 长按音量下键后，手机震动了一下，但没有弹出界面？

    A: 请在系统设置中允许程序“后台弹出界面”权限

    Q: 隔一段时间不用就无法使用音量键唤起了？

    A: 请在系统设置中允许程序在后台运行

    语音交互

    Q: 语音播报没声音 / 不好听？

    A: 软件调用的是系统自带TTS(Text To Speech)服务，可以通过软件设置项“打开系统语音设置”进入系统设置界面，选择合适的语音引擎；若对系统自带引擎不满意也可以自行安装第三方TTS引擎如讯飞、TTS Server 等

    Q: 不同接口的语音识别效果有什么差别？

    A: 在中文和中英混说的场景下测试：

    • 华为接口（实时语音识别）识别准确度很高，单句识别表现最好
    • 百度则在长句识别时表现很好，断句较为合理，但难以做到中英混合识别（选用的是中文普通话模型）
    • Google支持的语言种类很多，中文识别效果一般，且不会加标点
    • Whisper支持的语言也很多，中文识别效果还可以，但有时出现简繁体不受控的情况，且不支持边说话边输出

    在纯英文场景下，华为、Google和Whisper的效果都不错

    Q: 语音识别接口费用如何？

    本软件目前支持以下四种语音识别接口，默认使用的华为接口是免费的：

    • 华为HMS（默认接口）提供免费的语音识别接口，因此程序内置了作者的API Key以供直接使用，如无特殊情况该接口将在华为免费期间一直可用
    • Google也是免费接口，但在国内可能无法访问，仅推荐海外用户使用
    • 百度短语音识别为新用户提供15万次 & 180天免费额度，额度外收取￥0.0034/次的调用费用
    • Whisper接口由OpenAI提供，与GPT聊天使用相同接口参数，调用费用可以参考官方说明

    联网相关

    Q: 联网时GPT能访问什么网站？

    A: 程序使用Android WebView加载网页，能用本机浏览器打开的网站都可以访问

    Q: GPT能获取网站中的什么内容？

    A: 对于一般网站，仅允许GPT获取纯文本内容，而对于下述特殊适配过的网站，GPT还可以获取到搜索结果链接：百度、必应、谷歌、谷歌学术、知乎、微博、京东、GitHub、B站、知网

    如果你觉得有其他网站需要适配，可以提交Issue

    Q: 为什么GPT在访问一些网站时说无法获取内容？

    A: 网页加载超时(15s)、需要登录、需要验证等原因都可能导致这个问题，你可以尝试再次提问，或要求GPT更换访问的网站

    智能体模式

    Q: 开启后为什么AI还是不能操作某些页面？

    A: 部分应用不会向无障碍服务暴露完整控件信息，或当前模型不支持 Function / 工具调用；另外，支付、验证码、密码等敏感页面也不建议交给AI操作。

    其他使用问题

    Q: 为什么列表中没有我需要的模型？

    A: 软件仅内置了少数常用模型，你可以在设置中添加自定义模型，添加后即会出现在列表中

    Q: 显示获取失败，提示请求超时，或产生错误码502/503？

    A: 排除网络因素，该错误一般由OpenAI接口产生，可能由于其服务器负载过高导致，请重试或等待一段时间后再尝试 查看OpenAI实时状态

    Q: 如何使用非OpenAI格式的模型接口？

    A: 各家LLM接口种类繁多（如Claude、Gemini、Ollama等），本项目暂无计划进行一一适配，用户可以考虑部署OneAPI或NewAPI等分发系统将各家接口统一转换为OpenAI格式

    开发相关

    Q: 编译仓库代码后无法使用华为HMS语音识别？

    A: 为防止滥用，仓库中的Key开启了包名和签名验证，因此如果希望自行编译使用，需要根据华为官方文档创建AppGallery应用并替换鉴权信息，包括app/agconnect-services.json文件和app/src/main/res/values/strings.xml中的hms_api_key字段

    主要功能更新日志

    • 2023.09.10 发布第一个版本，支持基础对话、百度语音输入、TTS输出、Markdown渲染等功能
    • 2023.09.13 支持连续对话、GPT-4、百度长语音识别，上下文菜单唤起
    • 2023.10.06 添加华为HMS语音识别
    • 2023.11.06 添加联网功能
    • 2023.12.04 添加Vision识图功能
    • 2023.12.21 支持高级模板语法
    • 2024.01.08 支持Google和Whisper语音识别、在线模板列表
    • 2024.05.25 支持连续语音对话
    • 2025.04.23 支持多种文档解析
    • 2026.04.12 支持智能体模式

    TODO

    • 支持提问、回复长度限制
    • 支持消息压缩
    • 应用内直接下载安装更新

    测试环境

    已测试的机型：

    机型系统版本Android 版本本程序版本
    荣耀 7CEMUI 8.0.0Android 81.9.1
    荣耀 20HarmonyOS 3.0.0Android 101.9.1
    荣耀 20HarmonyOS 4.0Android 102.0.0
    华为 Mate 30HarmonyOS 3.0.0Android 121.6.0
    华为 Mate 30HarmonyOS 4.0Android 121.8.0
    荣耀 Magic 4MagicOS 7.0Android 131.9.1
    荣耀 Magic 6MagicOS 8.0Android 141.11.1
    荣耀 Magic 6MagicOS 9.0Android 153.0.0
    红米 K20 ProMIUI 12.5.6Android 111.5.0
    红米 K60 ProMIUI 14.0.23Android 131.7.0
    小米 13MIUI 14.0.5Android 141.10.0
    Pixel 2 (模拟器)Android 12Android 121.7.0

    改进&贡献

    如果你有改进建议或希望参与贡献，欢迎提交Issue或Pull Request

    隐私说明

    本程序不会以任何方式收集用户的个人信息，语音输入会直接发送给各语音接口，提问会直接发送给OpenAI API，不会经过其他中间服务器

    引用的开源项目

    相关项目

    同分类里 star 最高的项目
    对比全部 →
    markitdown
    microsoft·Python

    把 PDF、Office 文档等各类文件转成 Markdown 的 Python 工具，方便喂给 LLM 或做文档处理。

    文档转换+4Markdown 编辑器
    194764+53315kv0.1.92026-11-07 00:14 UTC
    memos
    usememos·Go

    开源可自托管的轻量笔记应用，把日常想法按时间线整理，数据完全归自己所有，可自由选择私密或分享。

    自托管笔记+4Markdown 编辑器
    64382+544.9k26.11.02026-11-10 14:41 UTC
    marktext
    marktext·TypeScript

    一款简洁优雅的跨平台 Markdown 编辑器，支持实时预览、专注模式和打字机模式，适合日常写作与文档编辑。

    Markdown 编辑器+3Markdown 编辑器
    63830+1504.7kv0.23.02026-11-10 07:55 UTC
    rich
    Textualize·Python

    Python 终端富文本渲染库，能在命令行里输出彩色文字、表格、进度条、Markdown 和语法高亮，让终端界面更好看、更好读。

    终端渲染+4Markdown 编辑器
    57777+362.5kv15.0.02026-11-07 11:26 UTC