Sova AI: AI agent pro Android bez PC

Sova AI: autonomní umělá inteligence pro automatizaci úkolů na Androidu

Sova AI je mobilní aplikace pro Android, která implementuje umělou inteligenci schopnou ovládat aplikace a plnit úkoly uživatele přímo na zařízení. Nevyžaduje ADB, USB připojení, root práva ani počítač. Funguje přes Accessibility API, analyzuje strom prvků obrazovky a snímky obrazovky. Podporuje hlasové příkazy jako výchozí asistent.

Rozdíly oproti stávajícím řešením

Většina asistentů umělé inteligence pro mobilní zařízení (computer-use, browser-use) je vázána na počítač, což omezuje mobilitu. Sova AI funguje výhradně na telefonu, simuluje kliknutí, posouvání, spouštění aplikací a další akce uživatele. Kombinuje parsování UI stromu s počítačovým viděním pro přesnost, minimalizuje spotřebu tokenů LLM.

Podporované modely umělé inteligence

Aplikace využívá BYOK (Bring Your Own Key) – uživatel poskytuje API klíč poskytovatele. Integrace s:

• OpenAI
• Anthropic
• Google
• Grok
• Alibaba (Qwen)
• Deepseek

Klíče jsou uloženy lokálně, bez přenosu na servery. Plánuje se podpora lokálních modelů (Ollama, LM Studio) pro práci bez cloudových API.

Praktické scénáře použití

Sova AI byl testován v reálných úkolech:

• Objednávání taxíku (Uber) a jídla
• Rezervace stolů v restauracích
• Automatizace Tinderu
• Práce s kamerou a astronomickými aplikacemi
• Psaní zpráv v Telegramu, X (Twitter)
• Hledání a vytváření playlistů na Spotify, YouTube

Hranice možností jsou určeny rychlostí LLM – není vhodný pro real-time hry, ale funguje v tahových (například preferans).

Instalace a dostupnost

Aplikace není dostupná v Google Play kvůli omezením Accessibility API. Distribuuje se přes APK z webu, Samsung Galaxy Store a Xiaomi GetApps. Instalace je jednoduchá, vhodná pro všechny úrovně uživatelů. Zatím zdarma.

Co je důležité:

• Úplná autonomie: bez počítače, rootu nebo speciálního vybavení.
• Flexibilní integrace s LLM přes BYOK.
• Úspora tokenů díky kombinaci UI stromu a snímků obrazovky.
• Hlasové ovládání jako systémový asistent.
• Omezení: není pro high-frequency real-time úkoly.

Technická realizace

Pod kapotou – Accessibility API Android pro přístup k hierarchii prvků obrazovky. Doplňuje se analýzou snímků obrazovky pro úkoly, kde textová struktura nestačí. LLM generuje sekvence akcí (kliknutí, přejetí, zadání textu). Optimalizace pro tokeny snižuje náklady: model se zaměřuje na klíčové fragmenty UI.

Pro vývojáře: otevřenost novým poskytovatelům LLM – žádosti o integraci jsou přijímány. Lokální modely umožní obejít cloudové výdaje.

— Editorial Team