news 2026/2/26 20:45:47

Open-AutoGLM一键部署指南，快速体验AI手机助理

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Open-AutoGLM一键部署指南，快速体验AI手机助理

Open-AutoGLM一键部署指南，快速体验AI手机助理

1. 为什么你需要一个能“自己用手机”的AI？

你有没有过这样的时刻：

  • 想批量给十个抖音博主点赞，却要反复点开、滑动、点击，手指酸了还没做完；
  • 让AI帮你订外卖，结果它只能给你写一段文字描述，真正下单还得你自己来；
  • 看到别人用豆包手机助手自动抢演唱会门票，而你的AI还在聊天框里打字？

Open-AutoGLM 就是来解决这个问题的——它不是另一个“会说话”的大模型，而是一个真正能看、能想、能点、能输、能操作手机的AI助理。

它不依赖APP内嵌SDK，不调用厂商私有接口，也不需要root权限。只要一部Android 7.0+的真机，连上电脑或WiFi，你就能用一句自然语言，比如：

“打开小红书，搜‘上海咖啡探店’，点开最新发布的笔记，截图发到微信文件传输助手”

AI就会自动完成：解锁屏幕 → 启动小红书 → 输入关键词 → 点击搜索 → 滑动浏览 → 定位最新笔记 → 截图 → 切换微信 → 打开文件传输助手 → 发送图片。

整个过程无需你碰一下手机，就像请了一个24小时在线、永不手抖、不知疲倦的数字同事。

本文不讲原理、不堆参数，只聚焦一件事：如何在30分钟内，从零开始跑通Open-AutoGLM，亲眼看到AI替你点开APP、输入文字、完成操作。所有步骤均经实测验证，适配Windows/macOS本地控制端 + AutoDL云GPU服务端组合，避坑提示已融入每一步。

2. 部署前必知的三件事（省下2小时无效折腾）

2.1 它不是“装个软件就能用”的APP，而是一套“云+端”协同系统

Open-AutoGLM 分为两部分：

  • 服务端（云GPU）：运行9B视觉语言模型（AutoGLM-Phone-9B），负责“看图+思考+规划”。它需要显存≥32GB的GPU（如A100），不能跑在普通笔记本上。
  • 控制端（你本地电脑）：不跑模型，只负责“拍照传图+转发指令+执行ADB命令”。它通过USB或WiFi连接你的安卓手机，把屏幕画面发给云端模型，再把模型生成的操作指令（如“点击坐标(520,830)”）发回手机执行。

正确理解：你的电脑是“遥控器”，云服务器是“大脑”，手机是“手脚”。
常见误区：试图在MacBook上直接运行模型 → 显存不足直接报错退出。

2.2 手机不是越新越好，而是“越听话越好”

我们实测过Pixel 6、小米13、华为Mate 40、OPPO Reno10等十余款机型，发现关键不在配置，而在三点：

  • 必须开启“USB调试（安全设置）”（部分华为/小米隐藏较深，需在开发者选项里单独找）；
  • 必须安装并启用 ADB Keyboard（否则AI想输入“美团”两个字，手机键盘根本不会弹出来）；
  • 锁屏密码必须关闭（AI无法识别图形锁/指纹，也无法调用系统级解锁API）。

特别提醒：模拟器（如BlueStacks、MuMu）基本不可用。它们的屏幕渲染机制与真机差异大，模型识别准确率低于40%，操作极易失败。

2.3 你不需要买服务器，但需要一个“能连上GPU的入口”

推荐使用 AutoDL（国内访问快、镜像全、按小时计费）：

  • 租一台 A100-40GB 实例，2小时部署测试仅需约7元；
  • 它预装了CUDA 12.8 + PyTorch 2.3，省去90%环境冲突问题；
  • 内置SSH隧道工具，可一键将你本地电脑的ADB命令“透传”到云服务器，再映射到你的手机——你完全不用改任何网络配置，手机还插在自己桌上，AI就在云上干活。

不用注册新账号，微信扫码即用；不用研究Docker，所有命令都给你写好复制粘贴就行。

3. 本地控制端：三步配好你的“AI遥控器”

3.1 安装ADB并验证（5分钟搞定）

Windows用户：

  1. 下载 platform-tools_r34.0.5-windows.zip（官方最新稳定版）；
  2. 解压到C:\adb（路径不含中文和空格）；
  3. 按Win + R输入sysdm.cpl→ “高级” → “环境变量” → 在“系统变量”中找到Path→ “编辑” → “新建” → 粘贴C:\adb；
  4. 打开新CMD窗口，输入：
adb version

正常输出：Android Debug Bridge version 1.0.41及以上。

macOS用户：

  1. 下载同上zip包，解压到~/Downloads/platform-tools；
  2. 打开终端，执行：
echo 'export PATH=$PATH:~/Downloads/platform-tools' >> ~/.zshrc source ~/.zshrc adb version

输出同上。

3.2 手机设置：三步让手机“听懂AI的话”

  1. 开启开发者模式：
    设置 → 关于手机 → 连续点击“版本号”7次 → 弹出“您现在是开发者！”；

  2. 开启USB调试：
    设置 → 系统 → 开发者选项 → 打开“USB调试”；
    关键补充项（华为/小米/OPPO必开）：向下滚动，找到并打开“USB调试（安全设置）”；

  3. 安装并启用ADB Keyboard：

    • 下载 ADBKeyboard.apk；
    • 用USB线传到手机，点击安装（允许“未知来源应用”）；
    • 设置 → 语言和输入法 → 默认输入法 → 选择“ADB Keyboard”；
    • 验证：在任意输入框长按，若弹出“选择输入法”且ADB Keyboard被选中，即成功。

3.3 连接手机：USB or WiFi？我们推荐这个顺序

先用USB确认基础链路通：

  • USB线连接手机与电脑；
  • 手机弹出“允许USB调试吗？” → 勾选“始终允许” → 点确定；
  • 电脑CMD/Terminal执行：
adb devices

正常输出示例：

List of devices attached ZY322FDQJL device

（设备ID为一串字母数字，状态为device，不是unauthorized或空白）

再切WiFi实现“无线遥控”（可选但推荐）：

  • 保持USB连接，执行：
adb tcpip 5555
  • 拔掉USB线，确保手机与电脑在同一WiFi下；
  • 查看手机WiFi IP（设置 → WLAN → 点击当前网络 → IP地址），例如192.168.3.102；
  • 电脑执行：
adb connect 192.168.3.102:5555

输出：connected to 192.168.3.102:5555

优势：手机摆脱USB线束缚，可放在桌面任意位置；后续云服务器通过同一IP即可远程操控，无需物理接触。

4. 云服务端：一键启动你的AI大脑（AutoDL实操）

4.1 创建实例：选对配置，少踩80%的坑

  1. 访问 AutoDL官网，微信扫码登录；
  2. 充值10元（够跑3小时）；
  3. 进入「算力市场」→ 筛选：
    • GPU：A100-PCIE-40GB（首选）或 RTX 4090-24GB；
    • 地区： 北京B区 / 重庆A区（网络延迟最低）；
    • 镜像：PyTorch 2.3.0 + CUDA 12.1 + Ubuntu 22.04（官方最稳组合）；
  4. 点击「创建开机」，等待1分钟，状态变为“运行中”。

4.2 登录并配置环境（逐行复制，无脑执行）

  1. 进入「容器实例」→ 复制该实例的专属SSH命令（形如ssh -p 12345 root@123.56.78.90）；
  2. Windows用CMD，macOS用Terminal，粘贴执行；
  3. 输入密码（在实例详情页查看）；
  4. 登录后，立即执行以下命令（顺序不可乱）：
# 创建工作目录 mkdir -p ~/autoglm && cd ~/autoglm # 启用加速源（国内必备） source /etc/network_turbo # 克隆代码（官方主仓库） git clone https://github.com/zai-org/Open-AutoGLM.git # 进入目录 cd Open-AutoGLM # 创建Python 3.10虚拟环境（关键！高版本会报错） conda create -n autoglm python=3.10 -y conda activate autoglm # 安装依赖（清华源加速） pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/ # 安装项目包（使phone_agent模块全局可用） pip install -e .

执行完最后一条命令，无报错即成功。此时你已拥有一个可调用的phone_agentPython包。

4.3 启动模型服务：vLLM托管，开箱即用

Open-AutoGLM默认使用 vLLM 高效推理框架。在云服务器中执行：

# 启动AutoGLM-Phone-9B模型服务（自动下载模型，首次约12分钟） python -m vllm.entrypoints.openai.api_server \ --model ZhipuAI/AutoGLM-Phone-9B \ --tensor-parallel-size 1 \ --max-model-len 8192 \ --dtype bfloat16 \ --port 8000 \ --host 0.0.0.0

终端出现INFO: Uvicorn running on http://0.0.0.0:8000即服务启动成功。
记下你的云服务器公网IP（如123.56.78.90）和端口8000，后续控制端要用。

若卡在“Downloading model”超5分钟：重新执行source /etc/network_turbo，再重跑启动命令。

5. 连接两端：让AI遥控器指挥AI大脑

5.1 本地控制端调用云模型（一行命令，立见效果）

回到你本地电脑（非云服务器！），确保已配置好ADB并连接手机（USB或WiFi均可）。

在本地Open-AutoGLM目录下，执行：

python main.py \ --device-id ZY322FDQJL \ --base-url http://123.56.78.90:8000/v1 \ --model "ZhipuAI/AutoGLM-Phone-9B" \ "打开计算器，输入123加456，等于多少？"

参数说明：

  • --device-id：替换为你手机的ADB ID（adb devices查得）；
  • --base-url：替换为你的云服务器IP和端口（http://你的IP:8000/v1）；
  • 最后字符串：你的自然语言指令，支持中文。

你会看到：

  • 终端实时打印日志：“正在截取屏幕...” → “已上传至云端...” → “模型返回操作：点击坐标(320,1120)...” → “执行点击...”；
  • 手机屏幕自动亮起 → 启动计算器 → 点击数字键 → 显示结果；
  • 整个过程约15-30秒，取决于网络延迟。

5.2 更灵活的调用方式：Python API封装

如果你希望集成到自己的脚本中，而非每次敲命令，可直接调用内置API：

from phone_agent.agent import PhoneAgent from phone_agent.adb import ADBConnection # 初始化连接（支持USB ID或WiFi IP） conn = ADBConnection() conn.connect("ZY322FDQJL") # 或 "192.168.3.102:5555" # 初始化AI代理（指向你的云服务） agent = PhoneAgent( base_url="http://123.56.78.90:8000/v1", model_name="ZhipuAI/AutoGLM-Phone-9B" ) # 下达指令 result = agent.run( instruction="打开微信，给文件传输助手发一条‘你好，AI已就位’", device_conn=conn, max_steps=10 ) print("任务完成状态：", result.status) print("详细日志：", result.log)

这段代码可保存为my_task.py，每次修改指令字符串即可复用，适合批量任务开发。

6. 常见问题速查（我们踩过的坑，你不必再踩）

6.1 控制端报错：ConnectionRefusedError: [Errno 111] Connection refused

  • 原因：云服务器防火墙未开放8000端口，或vLLM服务未启动。
  • 解决：
    1. 云服务器中执行ps aux | grep vllm，确认进程存在；
    2. AutoDL控制台 → 实例详情 → 「安全组」→ 添加入方向规则：端口8000，协议TCP，源IP0.0.0.0/0。

6.2 手机无反应，终端卡在“正在截取屏幕...”

  • 原因：ADB Keyboard未启用，或手机锁屏。
  • 解决：
    1. 手机设置 → 语言和输入法 → 确认默认输入法为“ADB Keyboard”；
    2. 关闭手机锁屏密码（设置 → 安全 → 屏幕锁定 → 无）；
    3. 若用WiFi，执行adb disconnect && adb connect 你的IP:5555重连。

6.3 模型返回乱码、指令明显错误（如“点击顶部状态栏”）

  • 原因：模型加载时显存不足，或max-model-len参数过小。
  • 解决：
    1. 云服务器中执行nvidia-smi，确认显存占用 < 30GB；
    2. 重启vLLM服务，增加参数：--max-model-len 12288（原8192不够长文本理解）。

6.4adb devices显示unauthorized，但手机没弹窗

  • 原因：USB调试授权记录损坏。
  • 解决：
    1. 电脑执行adb kill-server && adb start-server；
    2. 手机设置 → 开发者选项 → 关闭“USB调试”，再重新打开；
    3. 重新插拔USB线。

7. 总结：你已经拥有了一个真正的AI手机同事

回顾这趟部署之旅，你完成了：
在本地电脑配好ADB，让手机“听命于你”；
在AutoDL云服务器上拉起9B大模型，让它“看得清、想得明”；
用一行命令打通“人话→AI理解→手机操作”的全链路；
亲眼见证AI自动点开APP、输入文字、完成计算——不是演示视频，是你自己的设备。

这不是玩具，而是生产力工具的起点。接下来，你可以：

  • 把“打开小红书搜美食”换成“批量关注100个科技博主”，写个循环脚本；
  • 把“发消息给文件传输助手”换成“截取订单页面，OCR提取金额，填入Excel”；
  • 甚至接入企业微信机器人，让销售同事发一句“查下客户张三的最新订单”，AI自动跳转APP完成查询并截图回复。

技术没有魔法，只有清晰的分工：你定义目标，AI拆解动作，手机执行落地。而Open-AutoGLM，正是那个把三者无缝串联起来的桥梁。

--- > **获取更多AI镜像** > > 想探索更多AI镜像和应用场景？访问 [CSDN星图镜像广场](https://ai.csdn.net/?utm_source=mirror_blog_end)，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/2/19 11:05:45

MicroPython+ESP32+PWM调光：从RGB色值解析到千万色彩实践

1. RGB色彩原理与PWM调光基础 你可能早就注意到&#xff0c;生活中几乎所有颜色都能用红绿蓝三种光混合出来。这就是RGB色彩模型的核心原理——通过调节三种基色的亮度比例&#xff0c;可以合成出1677万种颜色&#xff08;256256256&#xff09;。就像画家调色一样&#xff0c…

作者头像 李华
网站建设 2026/2/23 9:44:05

all-MiniLM-L6-v2参数详解：256token最大长度对长文档分块Embedding策略影响

all-MiniLM-L6-v2参数详解&#xff1a;256token最大长度对长文档分块Embedding策略影响 1. 模型本质&#xff1a;轻量但不妥协的语义理解能力 all-MiniLM-L6-v2不是那种动辄上GB、需要多卡推理的庞然大物&#xff0c;而是一个在“小”和“强”之间找到精妙平衡的句子嵌入模型…

作者头像 李华
网站建设 2026/2/18 5:31:12

如何通过HKMP实现空洞骑士游戏联机：超实用多人协作指南

如何通过HKMP实现空洞骑士游戏联机&#xff1a;超实用多人协作指南 【免费下载链接】HKMP Hollow Knight Multiplayer 项目地址: https://gitcode.com/gh_mirrors/hk/HKMP 你是否曾想与好友一同探索圣巢的神秘世界&#xff1f;HKMP&#xff08;空洞骑士多人联机模组&…

作者头像 李华
网站建设 2026/2/24 15:49:05

HAL库 CubeMX STM32利用SDIO与FATFS实现SD卡文件系统读写

1. 从零开始&#xff1a;SD卡与STM32的基础认知 第一次接触SD卡存储功能时&#xff0c;我对着开发板上的小插槽发呆了半天——这个比指甲盖还小的存储设备&#xff0c;居然能装下几十GB的数据&#xff1f;更神奇的是&#xff0c;通过STM32的SDIO接口&#xff0c;我们能让单片机…

作者头像 李华
网站建设 2026/2/16 7:32:50

手把手教你用DeepSeek-R1-Distill-Qwen-1.5B：无需GPU也能跑AI对话

手把手教你用DeepSeek-R1-Distill-Qwen-1.5B&#xff1a;无需GPU也能跑AI对话 你是不是也试过在自己电脑上跑大模型&#xff1f;下载完模型文件&#xff0c;配好环境&#xff0c;结果刚输入第一句话&#xff0c;终端就跳出一行红色报错&#xff1a;“CUDA out of memory”——…

作者头像 李华
网站建设 2026/2/26 21:40:31

Qwen-Ranker Pro实战案例：政府公文检索中长尾查询相关性提升

Qwen-Ranker Pro实战案例&#xff1a;政府公文检索中长尾查询相关性提升 1. 项目背景与挑战 政府公文检索系统面临着独特的挑战&#xff1a;用户查询往往包含专业术语和复杂语义&#xff0c;而传统关键词匹配方法在处理这类"长尾查询"时表现不佳。我们曾遇到一个典…

作者头像 李华