lijianfei.com

随着大语言模型（LLM）与多模态模型（VLM）在推理与工具调用能力的飞跃，移动端操作系统上的“自主代理”（Mobile Agent）成为了极客圈最热门的方向之一。然而，长期以来市面上绝大多数 Android 端侧自动化方案——无论是早期的 AutoJS、Appium 脚本流派，还是近年来在学术界颇为火热的各类基于多模态截屏与无障碍服务的 Agent 实验项目——在真实日常使用中几乎都会沦为无法落地的“工程玩具”。其根本痛点在于：它们无一例外都要霸占手机的物理主屏幕。只要 Agent 开始执行任务，你的手机屏幕就会疯狂闪烁、按键自动翻滚、软键盘频繁弹出；你既不能回复微信，也不能浏览网页，稍有误触就会导致 Agent 的执行流彻底崩溃。

开源项目 Mika（由开发者 wangzan101 主导并完全开源）以一种极其惊艳的 Android 底层系统工程架构，彻底终结了这一痛点：它借助 AOSP 的虚拟显示（VirtualDisplay）技术在后台独立开辟出一块“看不见的虚拟屏”，结合 Android 14 引入的独立焦点隔离标志，让 Agent 在后台隐蔽静默地操作 App，而用户在主屏上的打字、滑屏与多任务切换完全不受丝毫干扰。更令人震撼的是，它彻底摒弃了繁琐的电脑连接与第三方特权工具，在手机内部以纯 Kotlin 实现了 mDNS 探测、TLS 1.3 握手与 SPAKE2 配对协议，仅凭本地无线调试即可完成免 Root 特权提权，甚至还在 Android 端侧深度内嵌了打满内核级补丁的 PRoot Linux 沙箱。在这篇文章中，我将深入其底层源码，全景拆解 Mika 如何在移动操作系统受限沙盒内构建起这套令人惊叹的工业级端侧 Agent 体系。

长期以来，在未解锁 Bootloader、未获取 Root 权限的现代 Android 设备上实现清晰的双向通话录音，几乎被开发者与极客圈公认为“不可能完成的任务”。从 Android 4.4 KitKat 到 Android 6 开始，Google 逐步收紧应用沙盒；到了 Android 9 与 10，官方更是全面封杀了第三方应用录制通话下行音频的公共通道。尽管 Android 11 预览版中曾短暂出现过系统权限 ACCESS_CALL_AUDIO，但随后被官方迅速雪藏。面对各手机厂商（OEM）在官方拨号器中严苛的地区限制、刺耳的高音量录音提示广播以及泛滥的后台遥测，普通用户在遭遇商务沟通纠纷或电信骚扰时，往往处于举证无门的被动窘境。

开源项目 ShizuCallRecorder（由开发者 kitsumed 主导）以一种极为硬核的系统级逆向工程思维打破了这一死局：它完全不需要修改内核或刷入 Magisk/KernelSU，而是巧借 Shizuku 桥接的 ADB Shell（UID 2000）原生特权，通过内存级 FakeContext 欺骗系统运行环境、瞬时拉起系统 Activity 绕过 Android 11 的前台校验、跨代反射 JNI native_setup 修复国产 ROM 崩溃，并结合底层 AudioPolicy 环回渲染机制攻克了长期困扰社区的 VoIP 通话录制难题。在这篇文章中，我将深入其底层源码，全景拆解其双轨音频捕获管线、实时 DSP 混音与零 IPC 硬件编码架构。

在如今的 Linux 桌面生态中，“现代感”往往意味着沉重且昂贵的技术税：基于 GNOME 或 KDE 搭建的工作区，开机即便什么都不开也会吞噬上千兆内存；基于 WebKitGTK 或 Electron 构建的界面外壳更是动辄百兆内存起步。为了给肆无忌惮的应用加上沙箱，社区引入了 Flatpak、Bubblewrap 和各种容器方案，使得系统层级变得错综复杂且缝隙丛生。然而，最近一个基于 Debian 13 的独立操作系统开源项目—— LordOS，以一种几乎偏执的“极端纯粹主义”向这套臃肿的技术栈发起了彻底挑战。

由 iPERFEX 开发的 LordOS，既没有采用现成的 Xorg/wlroots，也没有使用 WebKit/Chromium，更将 GTK、Qt、Flatpak、systemd 网络组件及各种抽象中间库全数拒之门外。它的整套桌面环境完全由纯 C 语言编写的 Wayland 显示服务与合成器（lord-server）直接驱动内核 DRM/KMS 与 evdev 裸机渲染，并在底层嵌入仅 1MB 体积的 QuickJS 引擎，借助自研 Flexbox 布局与 2D 栅格化管道，让 React 19.3.1 抛弃 DOM 直接在裸机上飞速绘制出 60 帧的桌面 UI。在这篇文章中，我将深入其底层源码与官方架构白皮书，全景拆解这个整个桌面服务仅占 36MB 内存、开机秒级响应且自带 eBPF 可视化防火墙的操作系统架构精髓与设计哲学。

让如今的大语言模型（LLM）写一段 iOS 越狱插件（Tweak）代码，往往是一场灾难。由于公网训练语料中充斥着十几年前 iOS 3、4 时代的远古博客与残缺碎片，无论是 Claude、GPT 还是各类代码助手，在面对逆向与运行时注入任务时，极其容易陷入“低级运行时硬编码”的陷阱：手写丑陋且容易在 arm64e 上崩掉的 objc_msgSend 函数指针强转、在构造器里手动铺开 MSHookMessageEx、肆意将所有文件后缀命名为 .xm，或者使用在现代越狱环境下极易引发死锁与崩溃的全局符号遍历。

今天，iOS 越狱社区的传奇开发者 PoomSmart（EmojiPort、YouPiP 等核心插件作者）开源了一份名为 ios-logos-tweak 的 Agent Skill。这份规范不仅统一了 Cursor、Claude Code、Codex 等主流智能体在编写 iOS Tweak 时的最佳工程实践，更从底层彻底纠正了 AI 生成 Hook 代码时的多项致命坏习惯。本文我将深入拆解这份规范的架构精髓、底层原理与实操落地指南。

日前，技术工程师 lifcc（@mylifcc） 在 X 上分享了一则发人深省的安全观察：苹果引以为傲的“老机型长线支持”，刚刚在现实中上演了一出颇具讽刺意味的安全事故。9 月底，Meta 安全团队协助苹果捕获了一个 CVSS 评分高达 8.8 分的在野零日漏洞（CoreGraphics 越界写入，后台加载特制图片即可触发远程代码执行）。苹果反应神速，第一时间为最新的主力系统分支推送了修复补丁；然而，这一举动直接触发了全球安全研究员与黑客的“补丁比对”（Patch Diffing）逆向狂欢。而那些停留在 iOS 18 无法再升级最新大版本的数百万台经典老设备（如 iPhone XS、iPhone XR 及 iPad 7 代），在漏洞利用技术彻底公诸于世的情况下，硬生生在野“裸奔”了整整 28 天，直到 10 月底才终于拿到迟来的 iOS 18.7.11 移植补丁。

在日常深度使用 Claude Code、Cursor 与 Codex 等各类 AI 编码助手的过程中，我时常感叹大模型在代码重构、测试编写与跨框架迁移上的惊人执行力。然而，每当我尝试让 Agent “画一张系统整体架构图”或“梳理一下核心业务时序”时，生成的视觉成果往往瞬间将我拉回现实——满屏千篇一律、色彩突兀的浅蓝与浅绿圆角矩形，毫无章法的连线穿越，以及毫无层级可言的文字排版，也就是海外开发者圈子戏称的“Mermaid 视觉灾难”（Mermaid Slop）。

为了摆脱这种要么对着粗糙的默认图表皱眉、要么被迫切入 Figma 或 Excalidraw 手工折腾半小时的尴尬割裂，设计师兼创业者 Cathryn Lavery 开源了近期在 GitHub 上狂揽超过 6.3 万 Star 的标杆级 Agent 技能库——Diagram Design。它没有选择构建庞大臃肿的前端渲染器，而是将顶尖出版物的设计法则提炼为一套高确定性的 Agent 视觉约束，驱动模型直接生成无须任何第三方运行时、完全自包含的单文件 HTML 与内联 SVG。我通读了该项目的全套规范体系、语义解析脚本与对比度自检管线，对这套把“杂志级审美”系统性注入 AI Agent 的前沿工程实践进行了全链路拆解。

在 iOS 15 引入系统签名卷（SSV / APFS Sealed System Volume）之后，苹果通过硬件级加密校验将系统根分区（/）彻底锁死为只读快照。为了在不触发内核 Panic 的前提下维系生态，越狱社区全面转向了 Rootless（免根分区）范式——以 Dopamine 为代表的现代越狱工具将所有二进制文件、动态库与配置全部重定向至 /var/jb。然而，这一妥协方案迅速成为了移动安全攻防的新靶心：金融银行、主流手游与企业级 MDM 仅仅通过检索 /var/jb 静态路径、遍历 dyld 内存镜像或探测 sileo:// 协议，就能以极高精度完成越狱拦截。

为了打破这种“越狱即暴露”的被动对抗死锁，Roothide 开发团队推出了深度定制的 Dopamine-roothide。它并没有停留在“利用 Hook 隐藏自身”的传统修补逻辑，而是从操作系统底层彻底推翻了 Rootless 的静态假设：通过完全消除 /var/jb 静态锚点、在 dyld4 中引入基于 @loader_path/.jbroot 的动态相对寻址、构建虚拟化文件系统垫片（vroot），并在 launchd、lsd、springboard、cfprefsd 等核心系统守护进程上构建立体隐匿矩阵，实现了普通应用沙盒内部对越狱痕迹的“物理级不存在”。我深入审计了其全部 C/C++ 与 Objective-C 源码，系统梳理出了这套现代 iOS 无痕越狱的底层架构与工程实现。

在苹果的生态体系中，“在 iPhone 上运行 iOS 模拟器”长期被视为一个违背常理的技术悖论。自 Apple Silicon 时代以来，Mac 上的 iOS 模拟器（iOS Simulator Runtime）早已经完全编译为原生的 ARM64 指令集，其底层既没有指令翻译器，也没有虚拟机 Hypervisor 损耗。然而，由于苹果在 iOS 沙盒、Mach-O 平台标签、dyld 动态链接器、线程私有存储（TSD）以及内核工作队列（Workqueue）调度等层面上构建了坚如磐石的系统边界，使得开发者普遍认为：在不越狱且没有 JIT（即时编译）权限的前提下，真机绝对不可能引导并运行一套完整的模拟器运行环境。

曾开源知名免越狱多开容器 LiveContainer 的开发者 Duy Tran Khanh（khanhduytran0），近期开源了名为 LiveSimBooter 的硬核实验性项目，以不可思议的工程技艺粉碎了这一不可能三角。它在未越狱的 iPhone 真机上，直接引导了苹果官方原生的 iOS Simulator 26.0（Build 23A343） 运行时环境，成功拉起了原生 launchd_sim、backboardd，点亮了带有全套 App 图标的 SpringBoard 桌面，并在真实 A18 Pro 芯片设备（iPhone 18,2）上验证了原生 Metal 渲染管线、触摸/键盘交互输入、交互式 Fish 终端以及冷启动与连续两次用户态重启（Userspace Reboot）。我深入阅读了该项目的全部 C/C++/Objective-C 源码与底层逆向日志，对这套“移花接木”的黑魔法实现进行了全链路技术拆解。

在 iOS 免越狱生态中，侧载（Sideloading）始终横亘着一道难以逾越的物理鸿沟：哪怕强如 Riley Testut 开创的 AltStore，或是试图摆脱数据线的 SideStore，在初次配对、安装或是每隔 7 天刷新签名时，用户依然必须依赖一台开机的 PC 或 Mac 作为中继服务器；而各类第三方的企业证书签名服务，又充斥着高额的年费订阅、频繁的掉签风暴以及将 Apple ID 密码泄露给外部黑盒服务器的巨大安全隐患。

开源开发者 mirazbakis 推出的 AltLoad 彻底终结了这一长期妥协。它创新性地将整套桌面端侧载基础设施全部微缩并塞入了一款 iOS 原生 App 中——无需电脑、无需证书订阅、无需越狱，仅凭用户自己的免费 Apple ID，就能直接在 iPhone 本机上完成设备无线配对、生成配对文件、直连苹果服务器完成签名与打包，并通过系统底层的开发协议完成 IPA 的本地部署。更为惊艳的是，它还在手机内部完整实现了一个原生的 AltServer 服务端，利用 Darwin 全局通知机制让 AltStore 误以为自己正插在电脑上，从而实现了真正的全自动端侧自续期。我第一时间下载并编译了该项目的 Swift 与 Rust 核心源码，对其网络隧道、配对欺骗与调试器劫持机制进行了全链路逆向与实机剖析。

苹果在 iOS 18 中正式引入了期盼已久的通话录音功能，但为了兼顾部分地区的隐私法规，系统在启动和结束录音时，会强制向通话双方播放一段极其突兀的提示音（“此通话正在被录音” / Audible Beep）。在日常商务沟通、采访记录或需要安静留痕的场景下，这声无法关闭的官方播报往往会给通话双方带来不必要的心理负担与尴尬。

针对这一核心痛点，开源社区开发者 LinkPass888 近日推出了专注于无越狱消除提示音的开源工具 AirBeep。它无需用户对 iOS 进行内核越狱或破坏系统签名完整性，仅通过纯端侧侧载的普通 IPA，巧妙利用 LocalDevVPN 建立本地网络回环，结合 Airlift 底层的 AirTraffic 沙盒逃逸漏洞链，成功实现了对 iOS 系统内部 /var/mobile/Library/CallServices/Greetings/default/ 核心音频资源的原生替换。我第一时间对其 Swift 前端与 Rust 底层 FFI 补丁进行了全流程逆向与源码审计，梳理出了这套集网络隧道穿透、心跳保活、容错读写与系统自愈于一体的精妙工程实现。