导读：智谱宣布开源 AutoGLM，让“会自己点手机”的智能助手真正落地。

智谱今天宣布把 AutoGLM 完整开源，这是他们从 2023 年 4 月开始、历时 32 个月做出的“Phone Use”方案。该代理工具可以像人一样看懂屏幕，替用户完成手机里的重复动作。

开源部分包括： 9B 多模态模型、Phone Use 框架、50+ 常用中文 App 示范，以及让新手 10 分钟跑起来的“一键包”。

1. 一键包到底给了什么？

• 训练好的核心模型（AutoGLM-Phone-9B） 基于 GLM-4V 系列，能一次接受 10 张截图，最大 25k 上下文，足够把一整条操作流程看完。
• Phone Use 框架 把“截图→理解→规划→执行”做成标准流水线，内置弹窗、广告、弱网容错，不用再踩“乱点死循环”的坑。
• 50+ 中文 App 示范 外卖、电商、出行、社交、办公全覆盖，官方已跑通美团、淘宝、钉钉、小红书、12306 等，直接抄作业即可。
• 安卓适配层与云手机方案 真机、模拟器、云端虚拟手机都能接；敏感数据本地落盘，微信/支付默认黑名单，公司内网可私有化部署。
• MIT + Apache 双许可证 模型可商用，代码可闭改，二创不用回传，真正的“拿走就是用户的”。

2. 新手 10 分钟速通指南：

① 环境准备

• 电脑装 Python≥3.10 和官方 ADB（解压后把路径写进环境变量）。
• 安卓 7.0 以上手机或模拟器，打开“开发者选项 + USB 调试”，顺手装一个「ADB Keyboard」输入法（框架自动切换，避免键盘遮挡）。

② 拉代码 & 依赖

git clone https://github.com/zai-org/Open-AutoGLMcd Open-AutoGLMpip install -e .

③ 启动模型服务（两种方式）

• 懒人版：直接用 vLLM 一行命令起 OpenAI 兼容接口，本地 8000 端口即开即用。
• 资源紧张版：把 AutoGLM-Phone-9B 推到带 GPU 的远程服务器，改 --base-url 即可，Agent 端无需改代码。

④ 跑第一条任务
USB 连上手机，终端输入：

python main.py --base-url http://localhost:8000/v1 "打开美团搜索附近的火锅店"

屏幕实时截图，Agent 一边思考一边点，完成后自动回显“任务成功”。Wi-Fi 远程同理，先 adb connect IP:5555 再 --device-id 指定即可。

3. 特点功能：

• 自然语言一句话下单 “帮我在饿了么点一份少辣黄焖鸡，加一瓶可乐”→自动拆成：启动→搜索→选店→选菜→备注→结算，全程无需脚本录制。
• 遇到登录/验证码自动喊停 内置 takeover_callback，碰到图形验证码、支付密码立即暂停并弹提示，人工处理完回车继续，安全不盲操作。
• 云手机隔离，敏感 App 默认黑名单 官方提供 Docker 镜像，内置安卓模拟器；微信、支付宝、相册等默认不可见，公司可把整套环境迁进内网，数据不出境。
• 多设备同控 支持 USB + Wi-Fi 混合接入，批量测试时一条命令指定 --device-id，可同时跑多台手机或模拟器。
• Verbose 模式，调试用眼不用猜 打开 verbose=True，每一步都会打印“当前看到了什么→决定点什么”，排查逻辑一目了然。

4. 常见坑提前提醒：

• 设备列表空白 → 99% 是数据线仅充电，换根能传数据的线；再不行就 adb kill-server 后重连。
• 文本输不进去 → 检查是否启用「ADB Keyboard」并授予默认键盘权限；Agent 会在首次输入前自动切换。
• 截图黑屏 → 银行、支付等安全页面系统禁止截屏，Agent 会识别到并主动请求人工接管，不用担心误点。
• 远程 ADB 老断 → 部分机型重启会关闭 TCP/IP，需要重新插 USB 执行 adb tcpip 5555；建议在路由器给手机固定 IP。

智谱坦言 AutoGLM 远非终点，真实世界仍有海量 App 与交互场景等待填补。开源的目的是把“ Phone Use 能力”做成行业公共底座，让研究者、开发者、企业都能把精力花在“创意”而非“重新造轮子”。

如团队所说：“从今天起，人人都可以拥有自己的手机 Agent。” 接下来谁能第一个做出真正 AI 原生的下一代手机，答案在社区手里。

GitHub项目链接：https://github.com/zai-org/Open-AutoGLM

参考资料：https://mp.weixin.qq.com/s/5p0MSgccjqOduErlaf1V4g