今天，AutoGLM开源：让人人都可构建手机Agent

推荐语

AutoGLM开源了！让AI真正学会使用手机，从点外卖到处理工作，解放你的双手。

核心内容：
1. AutoGLM如何从"乱点"到"可控"，实现稳定操作
2. 首个由AI完成的手机红包发送案例
3. 云手机方案确保AI操作的安全性与可审计性

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

过去的很长时间，我们一直在回答同一个问题：

在我们的想象里，AI 不该只停留在聊天框里，而是可以走进用户每天真正要点的那些 App 里：

• 帮你在外卖 App 里完成从选择到下单；
• 帮你在云手机里，批量处理通知、点赞评论；
• 帮你在销售、客服、出勤等场景里，自动做完一堆“你自己也不想点的重复动作”。

AutoGLM 想做的，就是这件事：让 AI 真正学会“使用手机”。

用一句简单的话来说：

我们希望 AutoGLM，不仅能“说”，还能“做”。

为了这一句话，我们从 2023 年 4 月——一个大多数人还不知道大模型是什么的时候，完全从零去探索每一个细节，到今天，已经 32 个月了。

1.“乱点” -> “可控”

在最开始的版本里，基于大模型所构建的系统只知道“点”、“滑”等操作，偶尔能完成一个很短的流程，更多时候会迷失在不知所谓的操作中，甚至陷入死循环。

为了解决这类问题，我们花了近一年的时间，去梳理每一个可能的问题，尝试把这些“乱点的手”变成一只“可控的手”：

• 建了一整套 Phone Use 能力框架；
• 把点击、滑动、输入、截图、界面理解这些最基础的动作抽象出来；
• 让模型学会把一句自然语言拆解为一系列稳定、可回放的操作步骤；
• 处理掉各种真实世界的“脏信息”：网络波动、弹窗打断、广告遮挡……

2024 年 10 月 25 日，我们发布了第一个能够在真机上稳定完成一条完整操作链路的 AutoGLM，

它被业内视为全球首个具备 Phone Use 能力的 AI Agent。

2.第一个由 AI 发出的红包

2024 年 11 月，AutoGLM 发出了人类历史上第一个由 AI 完成的手机红包：不是脚本录制，不是内嵌 API 调用，而是通过在屏幕上“看见”界面、“理解”含义，一步一步完成点击。

对我们来说，这是一个信号：

从此以后，手机上的很多交互，第一次可以完全由 AI 接手。

3.走向云手机：把能力放到一个更安全的空间

2025 年，我们发布了 AutoGLM 2.0，验证了强化学习的规模扩展定律，提出了 MobileRL、ComputerRL 和 AgentRL 算法，让 AutoGLM 在上千个虚拟设备环境里同时强化学习，极大扩展了 Agent 的准确性和泛化能力。

更关键的是，我们不希望 Agent 直接在用户真实手机、真实微信上肆意操作，于是选择把它放进一台和用户真实世界脱离的虚拟手机里：

• 这台手机跑在云端；
• 每一个动作都可以回放、审计、干预；
• 真正敏感的数据可以严格隔离。

这套设计背后的直觉很简单：

让 AI 会用手机之前，我们要先保证，它不会在不该点的地方胡乱伸手。

除了云手机的选择，我们主动放弃了操作微信等这些离用户隐私较近的 APP。

从产品的角度，AutoGLM 已经可以支撑起很多真实场景；从工程的角度，AutoGLM的积累足够写成一大摞技术报告。

那为什么，在这个时间点，我们选择把它开源？

我们想清楚的，大概有三件事。

1.这件事只在一家公司做，是不够的

AI 手机已经是趋势，但如果“会用手机的 AI 能力”只掌握在极少数厂商手里，那意味着：

• 开发者的创新空间，要看平台愿不愿意开放接口；
• 用户日常生活中最重要的那台设备，越来越像“别人家的入口”。

AutoGLM 开源的第一层初衷，是把这一层能力变成整个行业可以共同拥有、共同打磨的公共底座。

你可以把它当成一块积木，放进你自己的系统里，也可以把它拆开、重写、改造，那一刻起，它就不再只是“智谱的 AutoGLM”，而是你和你的团队做出来的东西的一部分。

2.让隐私和控制权，真正留在使用方这一侧

我们也很清楚，Phone Use 能力，一旦做大，天然会碰到最敏感的那一部分世界：个人微信、支付、聊天记录、照片相册、企业内部系统。

我们不希望也不应该，把这些东西握在自己手里。

通过开源和私有化部署，企业和开发者可以在自己的合规环境中完整掌控数据、日志和权限。

可以让手机，成为专属自己的 AI 手机。

用一句话概括就是：

3.把我们走过的路，变成大家在Agent爆发时代的起跑线

在很多场景里都可以复用，也值得被复用。

但这还不够，“一花独放不是春”。Agent 的爆发，需要所有人一起参与。

我们更乐见的是：

• 有团队基于 AutoGLM，做出真正意义上的 AI 原生手机；
• 有研究者把其中的某个模块拆出来，变成一篇论文、一套新算法；
• 有个人开发者把一个 Demo 改成自己的项目，在某个小众场景里真正跑起来。

我们希望开源社区：

我们开源的，是一整套可以「拿来就用」的能力，而不仅仅是一份概念说明。

具体包括：

• 训练好的核心模型；
• Phone Use 能力框架与工具链；
• 可直接跑通的 Demo，覆盖 50+ 高频中文 App；
• 针对 Android 的适配层与示例工程；
• 文档、快速上手指南。

模型会以 MIT 开源许可证的形式开放，而所有代码会以 Apache-2.0 开源许可证的形式，托管在 GitHub 仓库（示例：github.com/zai-org/Open-AutoGLM）中。

你可以把它当成一套现成的基础设施，也可以单独拆用其中的某一部分，甚至可以把它改得面目全非——只要它帮助你更接近你心目中的「AI 原生手机」。

现在的 AutoGLM 不是一个完美的答案。真实世界的手机和应用，它还远远没有全部见过。未来的 AI 手机生态，也一定会有比我们今天想象得更惊喜的形态。

我们做的，只是把对“AI 会不会用手机”这个问题的一次完整回答，诚实地、原原本本地，交到你们手里。

在 2025 年尾的这个时刻，正如 Andrej Karpathy 所说，

接下来，AutoGLM 团队会继续努力，让我们一起推动 Agent 开源和研究，那个梦想中的“贾维斯”，才会真的在我们人人身边出现。