Tasker用戶等了13年，Droidrun用一句話干掉了80%

Tasker在Google Play的下載量剛突破500萬，而它的用戶平均要在論壇泡上3個月，才能寫出一個像樣的自動化腳本。Droidrun的開發者今年3月放出的演示視頻里，一個從沒寫過代碼的用戶用自然語言讓手機自動完成了跨App搶票——整個過程只說了兩句話。

這種落差正在撕裂Android自動化社區。老玩家覺得新工具"不穩"，新用戶覺得老工具"反人類"。但真正的分歧遠比"好不好用"更深：Tasker代表規則引擎的極致，Droidrun押注的是AI代理的混沌。

規則引擎的黃昏，還是黃金年代？

Tasker的底層邏輯像一臺精密的機械鐘表。用戶創建"配置文件（Profiles）"作為觸發器——時間、地點、應用狀態、系統事件——再綁定"任務（Tasks）"定義執行動作。這套模型運行了13年，幾乎從未出過原則性錯誤。

Jo?o Dias，Tasker的獨狼開發者，在2024年的更新日志里寫過一句很驕傲的話：「我的用戶可以用變量和條件語句，模擬出任何他們能描述的邏輯?！惯@話不假。Tasker支持JavaScript、Shell腳本、Java代碼執行，甚至能畫出自定義彈窗和按鈕菜單。不需要Root就能操控系統底層，這是規則引擎的護城河。

但護城河也是圍城。Tasker的Google Play評論區里，最高頻的詞不是"強大"，是"陡峭"。一個典型用戶路徑是：下載→興奮→打開→茫然→搜索教程→放棄/成為信徒。沒有中間態。

Droidrun的團隊顯然研究過這個漏斗。他們在2025年3月發布的開源框架，直接把入口砍到只剩一個對話框。用戶用自然語言描述目標，大語言模型（LLM, Large Language Model）負責拆解、規劃、執行。Vision模型解析界面，Accessibility樹（無障礙服務樹）定位元素，多步推理跨應用跳轉。

換句話說，Tasker要你學會描述"怎么做"，Droidrun只問"要什么"。

當AI代理開始"猜"你的意圖

Droidrun的演示案例里有個細節很耐人尋味：用戶說"幫我在美團訂今晚7點的火鍋，人均150以內，離公司3公里"，系統自己打開了美團→搜索火鍋→篩選價格區間→按距離排序→選評分最高的→填時間→提交訂單。

這個流程在Tasker里需要多少步？保守估計：檢測屏幕狀態→啟動應用→等待加載→模擬點擊坐標→輸入文本→處理彈窗→循環判斷結果。每一步都要預判界面布局，而美團改版一次，腳本就可能報廢。

這就是Agentic AI（代理式人工智能）的核心賣點：適應性。Droidrun不依賴固定坐標，它"看"界面、"理解"語義、"推理"下一步。界面變了？模型重新解析就行。按鈕改名了？自然語言理解能兜底。

但適應性是有代價的。

Droidrun的GitHub Issues區里，被標記為"不可復現"的Bug占了37%。同一個指令，GPT-4o和Claude 3.5的執行路徑可能完全不同；同一臺手機，上午和下午的響應延遲能差出3倍。有用戶吐槽：「它像雇了個聰明但健忘的實習生，能搞定復雜任務，但你不盯著就可能搞砸?！?/p>

Tasker社區對此的嘲諷很刻?。骸肝覀児苓@叫不確定性，他們管這叫智能?！?/p>

互補，還是替代？

兩個工具的開發者其實都沒把對方當死敵。Jo?o Dias在Reddit回應過相關討論：「Tasker永遠不會集成LLM做核心決策，那不是它的設計目標。但如果有人想做插件橋接，我歡迎?！?/p>

Droidrun的README文檔里也留了一行小字：「對于需要毫秒級響應的系統級操作，建議配合傳統自動化工具使用。」

這種曖昧態度指向一個更務實的結論：現階段，最優解是混搭。Tasker守住系統自動化的高地——定時開關、狀態觸發、硬件控制——這些場景要求100%可預測，容錯率為零。Droidrun接管UI密集型任務——跨App數據遷移、動態界面導航、自然語言查詢——犧牲一點穩定性，換取開發效率的指數級提升。

一個正在興起的用戶群體是"雙持黨"。他們在Tasker里寫基礎框架，用Droidrun處理分支邏輯。比如：Tasker檢測到進入公司WiFi→觸發Droidrun執行"打開飛書→查今日日程→若有會議則預訂會議室"。兩個工具通過Intent（安卓組件間通信機制）或HTTP請求握手，各取所長。

更深層的分歧：誰該為錯誤負責？

真正讓兩個陣營劍拔弩張的，不是技術路線，是責任歸屬。

Tasker的邏輯是透明的。腳本出錯，你能逐行調試，定位到具體哪個條件判斷失效。這種"可審計性"對企業用戶和極客群體至關重要——自動化流程必須符合合規要求，黑箱是不可接受的。

Droidrun的黑箱是結構性的。LLM的推理過程無法完全還原，同樣的輸入可能觸發不同的執行鏈。開發者正在嘗試用"思維鏈可視化"緩解這個問題，但本質上，用戶是在信任一個概率模型，而非確定性程序。

這個差異在特定場景會被放大。有用戶用Droidrun設置"每晚11點自動給女友發晚安消息"，結果某天模型把"晚安"理解成了"晚安+隨機表情包"，發了一張貓meme——對方以為他在暗示分手。Tasker用戶聽了只會搖頭：「這種需求你敢交給AI？」

但反過來，Tasker用戶花了兩周寫的搶票腳本，可能在開票瞬間因為按鈕像素偏移而失效。Droidrun用戶同期已經用自然語言迭代了17個版本，雖然成功率只有85%，但試錯成本趨近于零。

2025年的自動化，該選哪邊？

如果你今天必須二選一，決策樹其實很清楚：

選Tasker，如果你需要控制電梯、燈光、車載系統；如果你的自動化涉及金錢交易或敏感數據；如果你享受搭建Rube Goldberg機器（魯布·戈德堡機械，一種過度復雜的連鎖反應裝置）的快感。

選Droidrun，如果你的任務每天都在變——今天爬這個數據，明天填那個表；如果你寧愿修10次Bug，也不愿寫1行代碼；如果你相信AI的犯錯率會隨著模型迭代快速下降。

一個更激進的觀察是：Droidrun代表的方向可能正在吞噬Tasker的腹地。Android 16的開發者預覽版里，Google首次原生支持了"自然語言自動化"的API接口。這不是Droidrun的代碼，但思路高度重合。如果操作系統層開始集成Agentic能力，第三方規則引擎的生存空間會被擠壓到純硬件控制領域——而那是IoT協議的天下，不是Tasker的。

Jo?o Dias今年52歲了。他一個人維護Tasker超過13年，拒絕過多次收購要約。在最近的播客訪談里，他被問到怎么看AI代理的沖擊，回答很Tasker：「我賣的是確定性。只要還有人需要確定性，我就有用戶。」

問題是，需要確定性的人，在500萬下載量里占多少比例？而那個比例，是在增長還是在萎縮？