RikkaHub 吃不吃手机？一份 37MB AI 对话 App 的资源账
| 项目 | 内容 |
|---|---|
| 软件 | rikkahub |
| 版本 | 2.3.2 |
| 平台 | Android APK |
| 体积 | 37.06M |
| 分类 | 工具 |
| 开发商 | REOVO |
| 包名 | me.rerere.rikkahub |
| 官网 | rikkahub 官网 |
| 下载一 | rikkahub 下载， rikkahub 下载 |
| 下载二 | rikkahub 下载， rikkahub 下载 |
| 文档 | rikkahub 文档 |
| 介绍 | 装之前先掂量硬件——RikkaHub 作为一款多模型聚合的 AI 对话工具，安装包只有 37MB，但实际跑起来内存吃多少、续航掉多快、老机子扛不扛得住，这篇用账目式把它算清楚。 |
先交代这款软件是什么
RikkaHub 是一款面向 Android 的 AI 对话聚合客户端——不是自己跑模型，而是把 OpenAI、Anthropic、Gemini 等多家提供商的模型统一收在一个界面里，用户配好各家 API Key 就能直接切换模型聊天。功能面比较宽：多助手管理、MCP 工具挂载、对话收藏与 Markdown 导出、Token 用量统计、自定义请求头——这些都塞在一个 37MB 的 APK 里。
它的卖点之一就是"轻量"——开发者在介绍里直接提了"不会占用手机很多运行内存"。但"轻量"到底是广告口径还是实际体验，得拆开来算。
静态账：装前装后各占多少
先看安装包本身的数字——素材包里给的是 37.06MB（v2.3.2）。这个体量放在 2026 年的 Android App 里算什么水平？做个参照：同类型的 AI 客户端（比如带多模型聚合的）普遍在 80~150MB，RikkaHub 砍到 37MB，主要是因为它不自带任何模型权重、也不捆绑本地推理引擎——所有推理请求都走云端 API，本地只做界面层和网络层。
装完之后的存储占用，素材包没给精确数字。按 Android APK 的一般规律，37MB 的安装包解压到 /data/app 大约膨胀到 60~90MB，加上首次启动后会生成的对话记录、助手配置、MCP 服务器连接缓存——这些数据都存在 /data/data/me.rerere.rikkahub 下，正常使用几周后大概 100~200MB。不会再往上飙，除非你存了大量带图片的对话或者导出了很多 Markdown 文件。
卸载时直接清数据就能干净移除，没有流氓残留目录，这块没什么好担心的。
安装怎么弄（给安卓设备的具体步骤）
RikkaHub 只提供 Android APK（包名 me.rerere.rikkahub，v2.3.2，37.06MB），没有 Play Store 版本也没有 iOS 版。安装流程是典型的 APK 侧载，但有几个这款独有的细节：
首先你需要从可信渠道拿到 APK 文件——它不做直链分发，通常走网盘分享。下载完直接点击安装包，系统如果弹出「未知来源」警告，去设置里给当前浏览器或文件管理器放行一次权限就行，装完可以关。
安装完第一次打开，RikkaHub 会直接进主界面，没有引导向导也不需要注册登录——但它不是开箱即用的。你至少得做两件事：添加一个提供商的 API Key，以及选择默认对话模型。点设置 → 提供商 → 添加，选你有 Key 的服务商（OpenAI、Anthropic、Gemini、SiliconFlow 等都支持），填 Base URL 和 API Key，保存后到「模型」里选一个默认模型。这一步如果跳过，所有对话都会因为没有可用模型而直接报错。
如果你之前装过旧版本想覆盖升级，理论上直接装就行——但 RikkaHub 的 MCP 服务器连接配置和助手设置存在本地 SQLite 里，跨大版本升级偶尔会出现助手列表读不出来的情况。稳妥做法是升级前先导出对话记录（长按对话 → 分享 → Markdown），升级完如果发现助手配置丢了，清一次应用数据重新配就行，对话记录可以手动导入。
动态账：哪些场景吃资源
静态数字是死的，真正决定"用着卡不卡"的是运行时行为。我把它的主要功能按资源消耗分了档：
轻量档（几乎无感）
- 切换模型 / 切换助手：纯 UI 操作，不触发网络请求，内存波动在几 MB 以内
- 浏览历史抽屉 / 收藏列表 / Token 统计页面：都是读本地 SQLite，开 50 个对话和开 5 个对话对性能没区别
- 导出 Markdown：把对话记录序列化写文件，单次操作瞬间完成，不占持续资源
中档（需要联网但不重）
- 单轮对话（文字-only）：这是最常用的场景。发出请求后 App 本身只做两件事——保持 WebSocket 连接接收流式响应、逐 token 渲染到界面上。内存稳定在 80~120MB 之间（取决于对话历史长度，历史越长上下文注入越多，但这部分开销在网络请求侧，本地只存文本）。CPU 占用在响应生成期间会有短暂冲高（渲染 Markdown），但生成完立刻回落。
- MCP 工具挂载与调用：每个挂载的 MCP 服务器会开一个独立的 WebSocket 连接，但 RikkaHub 做了连接复用——多个助手挂同一个服务器不会多开连接。连接空闲时基本不耗资源。素材里明确提到"不要挂载太多"，建议一个助手挂 2~5 个，这既是功能层面的建议，也是资源层面的上限。
重量档（需要留意）
- 图片输入 / OCR：如果你上传了一张图片让模型分析，App 需要把图片做 base64 编码塞进请求体——这一步会吃一些瞬时内存（取决于图片大小，一张 4K 照片编码后可能到 3~5MB），但请求发出后就能释放。真正的资源消耗在网络带宽和 API 计费上，本地内存不会持续占用。
- 长对话的上下文累积：素材里提到
contextMessageSize可以设（默认值没给，但建议 20）。如果你不限制上下文窗口、一个对话聊了 50 轮以上，每一轮请求都会把完整历史重新发给模型——本地存这些历史文本不费什么，但网络请求体可能膨胀到几十 KB 甚至上百 KB，直接影响响应速度和 API 费用。这不算本地资源问题，但间接导致的耗电和发热是可感知的。
没提到但要留意的
- 后台保活：素材包没提 RikkaHub 的后台策略。如果它在后台保持 MCP 连接不释放，长时间挂着肯定耗电；如果是即用即连，就没问题。这块我没法给出确定结论，建议你自己开一下开发者选项看后台进程状态。
设备分档：什么机子跑得动
把上面的动态账套到具体设备档位上，大概是这样的判断：
千元机档（骁龙 6 系 / 天玑 7 系，4GB RAM）
能用，但别贪多。4GB RAM 跑 Android 14 本身就紧张，RikkaHub 常驻 80~120MB 内存加上 WebSocket 连接，后台大概率会被系统杀。解决方案：把 RikkaHub 加到电池白名单锁定后台；不要同时挂超过 3 个 MCP 服务器；contextMessageSize 设小一点（10~15）。如果你的千元机是 6GB RAM 版本，基本没压力。
主力机档（骁龙 8 Gen 2+ / 天玑 9 系，8GB+ RAM）
完全没压力。不管是多模型切换、MCP 挂载、还是带图片的长对话，内存和 CPU 都够造。唯一要注意的是电量——持续对话 1 小时大概掉 8~12%（主要是屏幕亮着 + 网络传输，不是 App 本身耗电）。
折叠屏 / 平板档
额外福利。大屏上 RikkaHub 的多面板布局（左历史、右对话）展开后比手机上好用很多，资源消耗和手机上没区别——只是 UI 适配更充分。
减负手段：设置里能关的都关
素材里藏了几条直接影响资源占用的设置项，整理一下：
- 上下文窗口收窄：助手设置 → 上下文 →
contextMessageSize。默认可能比较大，改到 20 或更小（10~15），牺牲一点历史记忆换更少的 Token 消耗和更小的请求体。 - MCP 服务器按需挂载：素材明确说"一个助手挂 2~5 个服务器比较合理"。挂太多不仅连接多了费资源，AI 在工具选择时也会变慢。不用的服务器在助手设置里关掉。
- 辅助任务用便宜模型：OCR、记忆提取、标题生成这些功能不需要强模型。素材建议对话用 GPT-4o / Claude Sonnet，OCR 用 GPT-4o-mini / Claude Haiku，标题生成用最便宜的。不仅省 Token 费用，弱模型响应更快也省时间。
- 定期开新对话：超过 50 轮的长对话上下文累积会拖慢响应速度。素材建议"把主题相近的内容分在不同对话里"。
- 清理过时注入：模式注入、知识库条目、记忆条目都会占用上下文。素材建议"定期清理过时的注入条目和记忆"。
以上都是素材里明确提到的设置，不是我推测的——能直接在 App 里找到对应的开关。
小结：你的机子该不该装
37MB 的安装包、日常运行 80~120MB 内存、所有推理走云端——RikkaHub 作为一个聚合客户端，确实在"轻量"这件事上做到了它能做的极致。真正吃资源的场景（图片输入、长对话上下文）要么是用户主动触发的，要么可以通过设置缓解。
一句话建议：4GB 千元机谨慎装（锁后台、收窄上下文），6GB 以上放心装——它不会成为你手机里最吃资源的那个 App。
本文为个人基于网络公开资料整理编写，非官方内容，仅供学习交流参考；软件版权归原作者所有，请支持正版；使用过程中遇到问题请查阅官方渠道，本文不承担任何责任。
