一句话总结

作者提出了 AOHP（Android Open Harness Project，安卓开放负载平台），一个基于安卓开源项目构建的操作系统级 agent 负载平台，通过个性化服务组合、高效 agent 接口以及安全信息流，将 AI agent 视为系统中的一等公民，相比传统系统，任务完成率提高 21.12%，token 成本降低 51.55%，并严格遵循安全策略。

核心贡献

• 一种 agent 原生的操作系统架构，将服务视为与接口无关的能力，并将跨应用的个性化与敏感状态管理上移至系统层，解决了以应用为中心的平台与 agent 工作流之间的失配问题。
• AOHP，一个基于安卓开源项目构建的操作系统级负载平台，引入了面向任务入口的个性化服务组合、支持并行后台执行与结构化 UI/事件流的高效 agent 接口，以及通过可信追踪对敏感值进行沙盒处理的安全信息流机制。
• 使用 OpenClaw agent 在需要跨应用交互的自制移动任务上进行评估，结果表明，相较于原生安卓，AOHP 将平均任务完成率从 54.44% 提升至 75.56%，将大语言模型的 token 消耗降低 51.55%，并将任务执行速度提升 44.21%；安全案例研究证实，该设计在保证合法任务执行的同时，限制了对隐私数据的明文暴露。

引言

AI agent 正从简单的聊天界面进入操作系统本身，协调工具、图形用户界面和跨应用工作流，以满足用户意图。传统以应用为中心的操作系统设计阻碍了这一转变：它们呈现为人类优化的固定像素界面，假设同一时间只有一个活动应用，并在应用边界实施权限控制，却未追踪敏感数据在 agent 上下文和工具调用中如何流转。以往的 GUI 自动化工作将操作系统视为固定基底，遗留了执行开销和安全漏洞。作者通过将安卓重新设计为 AOHP 来解决这一失配问题，AOHP 是一个 agent 原生负载平台，引入了个性化服务组合以生成任务级入口，支持并行后台执行和结构化事件的高效 agent 接口，以及一个带有信息流追踪的可信保险库，使隐私值保持占位符形式，不出现在 agent 的明文上下文中。这种操作系统级的重构提升了任务完成率，减少了 token 消耗和执行时间，并限制了敏感数据的暴露。

数据集

基准数据集由 30 个手工设计的移动 UI 任务组成，反映真实工作流，分为五个核心能力类别和一个结合它们的混合类别。

• 构成与来源

  • 总共 30 个任务，平均分布在六个类别中（每个类别五个任务）。
  • 任务由作者使用标准安卓应用（如日历、笔记、消息、Markor、联系人和相册）设计。
  • 任务以自然语言指令形式呈现，旨在测试 agent 检索、操作和推理应用数据的能力。

• 类别与任务详情

  • 每个核心能力类别针对一项特定技能（例如信息检索、记忆管理）。混合类别则组合多种技能。
  • 记忆管理任务（类别 5）采用两阶段结构：阶段 A 执行一个动作（例如创建日历事件），阶段 B 询问与所执行动作相关的记忆问题。
  • 任务指令包含明确的检查点（如文件路径、回答格式），并常常需要从多个应用汇总信息。
  • 示例任务：
    • 检索任务：“请查找并汇总下一次开发会议的信息……将三行内容写入……/ir_dev_meeting_brief.txt”，使用日历、笔记和联系人。
    • 一个涉及巴黎之行的多应用汇总任务，使用日历、消息（短信）和 Markor。
    • 记忆任务：创建一个会议，然后回答“下个月 15 号的开发会议结束时间是什么？下个月 30 号的任务标题是什么？”

• 数据在论文中的使用方式

  • 基准数据集仅用于评估；因为不是训练数据集，所以没有训练集划分或混合比例。
  • agent 收到任务指令，必须与移动环境交互以生成正确的输出或答案。

• 处理与元数据

  • 每个任务附有人类可读的指令、参考答案或预期文件内容，以及文件路径约束。
  • 对于记忆任务，两阶段格式自动将执行步骤与回忆问题配对。
  • 未对任务描述应用裁剪或图像预处理；基准数据集作为文本规格用于评估运行。

方法

作者提出了 AOHP（Android Open Harness Project），一个基于安卓开源项目（AOSP）构建的操作系统级 agent 负载平台。核心设计原则是将 agent 视为操作系统的一等公民，支持自适应用户界面和 agent 友好的运行环境。如下图所示，系统从传统以应用为中心、面向人类交互的原生安卓范式，转变为 agent 原生、面向服务的架构。

在传统范式中，用户通过顺序交互在隔离的应用孤岛中操作。这导致交互效率低下、应用间记忆孤立、权限粒度过粗以及工作流静态预定义。相比之下，AOHP 引入了一个理解、规划、编排、执行和监控任务的操作系统 agent。该 agent 通过生成的服务入口（如购物聚合器或旅行规划器）来中介个性化的用户交互。它通过多接口交互调用底层应用和服务，利用 API、CLI、结构化 UI 和渲染的 GUI。这一转变实现了高效的任务执行、系统级记忆、细粒度信息流和灵活的服务组合。

AOHP 的详细架构组织为纵向分层和横向跨层机制，如下图所示：

个性化服务组合 在顶层，系统生成个性化服务入口。这些是面向用户的外壳，由操作系统管理的服务组合支撑。例如，购物入口可以聚合来自多个提供商的产品搜索，规范化属性，并应用用户偏好。每个入口包含任务模式、服务图和呈现策略。操作系统 agent 通过 API、CLI 和 GUI 通道发现服务能力，并用输入/输出模式以及策略标签进行表示。组合受到策略约束。例如，产品搜索可以并行化，而购买提交则需要显式确认。系统记忆允许个性化不受应用边界限制，区分持久的个人资料记忆、任务本地记忆和敏感记忆。

AOHP 能力与统一交互界面 中央能力层将服务重组为系统记忆、技能和 UI 工具。系统记忆在任何单一应用之外存储偏好和任务状态。技能将可复用的服务能力打包。UI 工具支持生成入口的构建。在这一层之下，统一交互界面将传统的安卓接口和新兴的 agent 接口规格化为四种调用模式：API、CLI、结构化 UI 和渲染的 GUI。这使得 agent 在有可用路径时选择紧凑的符号路径，在兼容性需要时回退到可视化操作。底层仍然是安卓生态系统，保留现有应用、系统服务和原生框架作为兼容性基础。

高效 agent 接口 为优化 agent 访问系统资源的方式，作者在架构左侧引入了高效 agent 接口。

• 并行后台交互：AOHP 通过轻量级虚拟显示将执行与屏幕解耦，使 agent 能够在不抢占前台会话的情况下在后台运行工作流。
• 面向 agent 的 UI 增强：GUI 被抽象为冗余更低、语义更丰富的结构化表示，同时保留渲染的 GUI 作为后备。
• 原生沙盒运行时：一个原生 Linux 沙盒环境为计算和工具提供了独立于面向应用接口的执行表面。
• 统一文件快捷方式：这桥接了 GUI 和 CLI 的文件处理，将文件视为一等任务对象。影响存储的 GUI 交互会反映为结构化文件观察。
• 事件流抽象：这捕获动态通知和传感器流访问，将事件生成与消费分离。

安全信息流 在右侧，安全信息流机制将敏感数据视为操作系统控制的状态。

• 策略执行：策略层评估运行时的数据使用，考虑数据来源、用途、目的地和操作敏感性。
• 敏感源净化：在敏感内容进入 agent 上下文之前，明文会被替换为类型化占位符。
• 可信保险库与执行：明文和特权操作保持在可信服务内部。agent 使用 UUID 请求操作，由可信执行环境和数据保险库处理。
• 数据流污点追踪：污点元数据在值经过复制、转换和传输时跟随其流动。在系统出口处，被污点的数据在显示或传输前会进行检查，提供从源到汇的审计轨迹。

实验

评估将使用 AOHP agent 原生接口的 agent 与在原生安卓上运行的同一 agent 在 30 个真实世界任务中进行对比，这些任务涵盖 GUI 和非 GUI 操作、事件捕获、多源检索、记忆管理以及混合工作流。AOHP 显著提升了任务完成率，尤其是在通知驱动、跨应用和依赖记忆的场景中，通过提供结构化观察、系统 API 和虚拟执行简化了工作流。在两种设置都能解决的任务上，AOHP 将工具调用、持续时间和 token 消耗减少了 44% 至 52%，因为面向 agent 的快捷方式取代了昂贵的 GUI 导航。使用带标注的支付应用进行的补充安全测试证实，AOHP 的信息流控制正确执行了源净化、操作中介、污点传播和故障时关闭行为。

作者使用专门构建的带标注支付应用评估了 AOHP 系统的信息流安全性。评估测试了数据显示、操作中介和访问控制机制，以确保金融数据的安全处理。结果表明，系统成功执行了所有预期的安全行为，在允许标准操作的同时保护敏感信息。敏感字段（如账号和卡号）在 agent 界面中显示为保险库引用，而非明文。系统区分自动进行的普通操作和需要用户同意的敏感操作（如转账）。超出策略范围的访问请求会因故障而关闭，交易事件流会编辑敏感字段，同时保留污点元数据。

作者使用两种设置都能完全解决的任务，评估了 OpenClaw agent 在 AOHP 上与原生安卓相比的执行效率。结果表明，通过利用简化交互并减少上下文大小的 agent 原生接口，AOHP 显著降低了资源消耗和执行时间。与原生安卓基线相比，AOHP 大幅减少了工具调用次数和总执行时长。由于执行步骤更少且观察结果更紧凑，使用 AOHP 时的 token 消耗和 LLM 请求显著降低。效率提升由绕过复杂 GUI 导航和数据处理工作流的专用接口驱动。

安全评估使用专门构建的带标注支付应用，验证 agent 系统执行信息流控制，通过将账号和卡号显示为保险库引用、对敏感操作要求用户同意、确保未经授权的访问请求因故障而关闭，同时交易事件流编辑敏感字段但保留污点元数据，从而保护敏感数据。另一项效率实验将 OpenClaw agent 在 AOHP 上与原生安卓进行对比，结果显示 agent 原生接口通过简化交互减少了工具调用数量、执行时长和 token 使用，从而显著降低了资源消耗，绕过复杂的 GUI 导航。这些实验共同证实，系统安全地中介金融数据访问，并实现了相比标准移动平台显著的性能提升。