免费POC, 零成本试错
AI知识库

AI知识库

学习大模型的前沿技术与行业落地应用


收藏

豆包手机不用买了?能操作手机的AutoGLM开源

发布日期:2025-12-09 12:05:21 浏览次数: 2926
作者:字节笔记本

微信搜一搜,关注“字节笔记本”

推荐语

AutoGLM开源项目虽能实现手机自动化操作,但技术路线局限,更适合开发者测试而非普通用户。

核心内容:
1. AutoGLM开源项目的实现原理与操作流程
2. 当前技术路线的局限性与适用场景
3. 未来手机Agent的发展方向与厂商格局

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

虽然开源,还是步骤还是蛮折腾的。

不太建议尝试,而且实现也很Low,就是用adb shell加的视觉模型。

目前AutoGLM最大的意义就是完成一个固定的流水线工作,说白了就是在之前截图取色上面进了一步而已。

你如果指望这些东西模拟和取代人类的操作,为时尚早。

我想说的暴论就是,手机Agent这种东西只有苹果或者Google系统x级别的厂商来做,其它的小厂最多就是隔靴搔痒。

以下全程使用Warp来完成,不需要你有任何的编辑基础,放文档就可以。

步骤 1:克隆项目

5757f14b-4115-4a70-b419-0ee2e3fe60df.png

步骤 2:安装项目的依赖

ce002ac2-bc2f-4b72-ac3b-179b74a5378a.png

步骤 3:ADB相关的。

这个步骤是我提前就装好的,Warp估计可以,但是中间需要你的网络能正常上网。

fcd110d9-1718-459c-b9d3-ae38ff05db44.png

接下来就是在手机上的操作了,每个手机界面不太一样。

大致如下:

Android 设备配置

  1. 启用开发者模式
    •  进入「设置 → 关于手机 → 版本号」
    •  连续快速点击 10 次,直到提示"开发者模式已启用"
  2. 启用 USB 调试
    •  进入「设置 → 开发者选项 → USB 调试」
    •  勾选启用

下一步是模型部署,需要 GPU 服务器

aaa00819-ee22-4ce2-8aa8-9860965b4e92.png

再就是安装一个代理软件 ADB Keyboard,主要是用它来实现虚拟键盘操作。

用数据线连接手机到电脑

# 用数据线连接手机到电脑
adb devices
# 手机上会弹出授权提示,点击"允许"

安装 ADB Keyboard

# 连接设备后执行
cd Open-AutoGLM
adb install ADBKeyboard.apk

# 然后在手机上:设置 → 系统 → 语言和输入法 → 虚拟键盘 → 启用 ADB Keyboard

设备连接并启动模型服务后:

cd Open-AutoGLM

# 查看支持的应用列表
python main.py --list-apps

# 执行任务(需要模型服务运行)
python main.py --base-url http://localhost:8000/v1 --model "autoglm-phone-9b" "打开美团搜索附近的火锅店"

然后就可以在手机上看到所谓的Agent自动操作手机了。

所以整套下来,AutoGLM虽然开源,但是对于普通用户来说,约等于没开源。

模型,手机,开发者模式,环境网络,座座都是大山。

另外屏幕捕获+OCR/视觉理解这条技术路线,本身就有很大的局限性。

它依赖截图,所以延迟高。

它不理解APP的内部逻辑,只能看到表面的像素。

它也无法处理需要系统级权限的操作。

它在APP禁止截图的页面上直接失效。

总而言之,这条路线可能只适合于简单的操作流,AutoGLM就是一个给开发者用的测试框架。

而未来的手机Agent有且只会是两家!

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅