Open-AutoGLM部署教程：云服务器端口映射配置步骤

Open-AutoGLM – 智谱开源的手机端AI Agent框架。该项目基于视觉语言模型，打造了一个能“看懂屏幕、听懂指令、自动操作”的智能手机助理系统。通过自然语言下达任务，AI即可理解当前界面状态，自主规划并执行点击、滑动、输入等操作，真正实现“动口不动手”的交互体验。

AutoGLM-Phone 是一个基于视觉语言模型的 AI 手机智能助理框架。它能以多模态方式理解屏幕内容，并通过 ADB 自动操控设备。用户只需用自然语言下指令，如“打开小红书搜美食”，模型即可解析意图、理解界面并自动规划、执行操作流程，无需手动点击。Phone Agent 是在此基础上构建的完整应用框架，支持远程调试、敏感操作确认和人工接管机制，适用于自动化测试、辅助操作、远程控制等多种场景。

本文将重点讲解如何在云服务器上部署 Open-AutoGLM 的推理服务，并完成端口映射配置，使本地电脑可通过网络调用云端 AI 模型能力，实现对安卓设备的远程智能控制。

1. 云服务器环境准备与模型部署

要让本地设备调用 AI 能力，首先需要在云服务器上部署模型推理服务。Open-AutoGLM 使用 vLLM 作为后端推理引擎，因此我们需要先搭建运行环境。

1.1 服务器基础环境

建议使用具备 GPU 的云服务器（如 NVIDIA T4 或 A10），操作系统推荐 Ubuntu 20.04+。

安装必要依赖：

sudo apt update sudo apt install -y python3-pip git docker.io nvidia-docker2

确保 CUDA 驱动和 NVIDIA Container Toolkit 已正确安装：

nvidia-smi # 应能看到 GPU 信息 docker run --rm --gpus all nvidia/cuda:12.1-base nvidia-smi # 测试 Docker 调用 GPU

1.2 拉取并运行 vLLM 镜像

Open-AutoGLM 推荐使用 vLLM 提供 OpenAI 兼容 API 接口。我们通过 Docker 启动服务：

docker run -d \ --gpus all \ --shm-size 1g \ -p 8800:8000 \ --name autoglm-vllm \ vllm/vllm-openai:v0.5.5 \ --model zaihui/autoglm-phone-9b \ --dtype half \ --max-model-len 4096 \ --gpu-memory-utilization 0.9

注意：

• -p 8800:8000表示将容器内的 8000 端口映射到主机的 8800 端口
• --model指定 HuggingFace 上的官方模型
• --gpu-memory-utilization 0.9提高显存利用率，避免 OOM
• 若显存不足可尝试添加--quantization awq进行量化加速

启动后可通过以下命令查看日志：

docker logs -f autoglm-vllm

当看到Uvicorn running on http://0.0.0.0:8000字样时，表示服务已就绪。

1.3 验证云端 API 可访问性

在本地电脑或另一台机器上测试接口是否正常：

curl http://<你的云服务器IP>:8800/v1/models

预期返回包含autoglm-phone-9b的 JSON 响应。若无法连接，请检查以下几点：

• 安全组/防火墙是否放行了8800 端口
• 云服务商控制台是否开启入站规则（TCP 8800）
• 本地网络是否允许出站请求

一旦确认 API 可达，说明云端模型服务已成功部署并对外提供服务。

2. 本地控制端环境搭建

接下来我们在本地电脑配置控制端，用于连接手机设备并向云端模型发送推理请求。

2.1 硬件与环境要求

• 操作系统：Windows 或 macOS
• Python 版本：建议 Python 3.10+
• 安卓设备：Android 7.0+ 的真实手机或模拟器
• ADB 工具：Android Debug Bridge，用于设备通信

2.2 安装 ADB 工具

Windows 用户

1. 下载 Android SDK Platform Tools
2. 解压到任意目录（如C:\platform-tools）
3. 添加路径至系统环境变量：
   • Win + R输入sysdm.cpl
   • 进入“高级”→“环境变量”
   • 在“系统变量”中找到Path，点击编辑 → 新建 → 添加解压路径
4. 打开命令行输入：

adb version

若显示版本号则安装成功。

macOS 用户

在终端执行：

# 假设解压目录为 ~/Downloads/platform-tools export PATH=${PATH}:~/Downloads/platform-tools

可将其写入.zshrc或.bash_profile实现永久生效：

echo 'export PATH=${PATH}:~/Downloads/platform-tools' >> ~/.zshrc source ~/.zshrc

再次运行adb version验证。

3. 手机端设置与设备连接

3.1 开启开发者选项与 USB 调试

1. 进入手机“设置” → “关于手机”
2. 连续点击“版本号”7次，直到提示“您已进入开发者模式”
3. 返回设置主菜单 → “开发者选项”
4. 启用“USB 调试”功能

部分品牌还需额外开启“USB 调试（安全设置）”或“允许通过 USB 安装应用”。

3.2 安装 ADB Keyboard（关键步骤）

由于 AI 代理需自动输入文字，而大多数输入法不支持 ADB 文字注入，必须使用专用输入法。

1. 下载 ADB Keyboard APK 并安装
2. 进入“设置” → “语言与输入法” → “默认键盘”
3. 切换为ADB Keyboard

这样 AI 才能通过命令实现文本输入，例如：

adb shell am broadcast -a ADB_INPUT_TEXT --es msg "hello world"

4. 部署 Open-AutoGLM 控制代码

在本地电脑克隆项目仓库并安装依赖：

# 克隆项目 git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM # 创建虚拟环境（推荐） python -m venv venv source venv/bin/activate # Linux/macOS # 或 venv\Scripts\activate.bat （Windows） # 安装依赖 pip install -r requirements.txt pip install -e .

安装完成后，即可使用main.py启动代理。

5. 设备连接方式详解

5.1 USB 连接方式（稳定推荐）

使用数据线将手机连接电脑，首次连接会弹出授权提示，请点击“允许”。

验证设备是否识别：

adb devices

输出应类似：

List of devices attached ABCDEF1234567890 device

其中ABCDEF1234567890即为设备 ID。

5.2 WiFi 远程连接（适合无线场景）

若想摆脱数据线束缚，可通过 WiFi 连接设备。

第一步：使用 USB 连接并启用 TCP/IP 模式

adb tcpip 5555

此命令让设备监听 5555 端口的 ADB 请求。

第二步：断开 USB，通过 IP 连接

获取手机局域网 IP（可在“设置”→“WLAN”中查看），然后执行：

adb connect 192.168.x.x:5555

连接成功后，再次运行adb devices应能看到 IP 地址形式的设备条目。

提示：WiFi 连接可能因休眠断开，建议关闭手机自动锁屏或保持屏幕常亮。

6. 启动 AI 代理并执行任务

一切准备就绪后，即可启动 AI 代理，让它接管手机操作。

6.1 命令行方式启动

在项目根目录运行：

python main.py \ --device-id ABCDEF1234567890 \ --base-url http://<云服务器公网IP>:8800/v1 \ --model "autoglm-phone-9b" \ "打开抖音搜索抖音号为：dycwo11nt61d 的博主并关注他！"

参数说明：

• --device-id：从adb devices获取的设备标识
• --base-url：指向你云服务器上 vLLM 提供的 OpenAI 兼容接口
• 最后的字符串：自然语言指令，AI 将据此理解目标并执行操作

执行过程中，你会看到 AI 不断截图上传、分析界面、生成动作指令（如点击坐标、滑动方向），并在设备上实时执行。

6.2 使用 Python API 编程调用

除了命令行，也可在脚本中集成调用：

from phone_agent.adb import ADBConnection, list_devices # 创建连接管理器 conn = ADBConnection() # 连接远程设备 success, message = conn.connect("192.168.1.100:5555") print(f"连接状态: {message}") # 列出已连接设备 devices = list_devices() for device in devices: print(f"{device.device_id} - {device.connection_type.value}") # 获取设备 IP（仅限已连接设备） ip = conn.get_device_ip() print(f"设备 IP: {ip}") # 断开连接 conn.disconnect("192.168.1.100:5555")

该 API 支持批量设备管理、状态监控、异常处理等高级功能，适合集成进自动化平台。

7. 常见问题与排查建议

7.1 连接失败：adb devices 显示 unauthorized

原因：未授权电脑调试权限
解决：手机上弹出的“允许 USB 调试？”对话框中点击“允许”

7.2 ADB 连接频繁断开（尤其是 WiFi 模式）

原因：手机休眠导致网络中断
建议：

• 关闭自动锁屏
• 在开发者选项中关闭“USB 调试超时”
• 使用 USB 连接更稳定

7.3 模型无响应或返回乱码

可能原因：

• vLLM 启动参数错误（特别是max-model-len设置过小）
• 显存不足导致推理崩溃
• 模型未正确加载（检查日志是否有Loaded model提示）

解决方案：

• 增加--max-model-len 4096
• 添加--gpu-memory-utilization 0.9
• 使用nvidia-smi观察显存占用
• 查看docker logs autoglm-vllm定位错误

7.4 云服务器端口无法访问

检查项：

• 是否在云平台安全组中放行8800 端口（或其他自定义映射端口）
• 本地是否被防火墙拦截
• 是否误用了内网 IP 而非公网 IP
• vLLM 容器是否绑定到了0.0.0.0而非127.0.0.1

可用以下命令测试端口连通性：

telnet <公网IP> 8800 # 或 nc -zv <公网IP> 8800

8. 总结

本文详细介绍了 Open-AutoGLM 的完整部署流程，重点围绕云服务器端口映射配置这一核心环节展开。我们完成了以下关键步骤：

• 在云服务器上使用 Docker 部署 vLLM 推理服务，并通过-p 8800:8000映射端口
• 在本地电脑安装 ADB 工具链，配置开发环境
• 设置手机开发者选项与 ADB Keyboard，确保可被远程控制
• 通过 USB 或 WiFi 方式连接设备
• 使用main.py调用云端模型，实现自然语言驱动的自动化操作
• 提供常见问题排查指南，保障部署稳定性

整个系统实现了“本地采集画面 + 云端理解决策 + 本地执行操作”的闭环架构，充分发挥了边缘设备与云计算的协同优势。

现在，你可以尝试更多复杂指令，比如：“登录我的淘宝账号，搜索‘蓝牙耳机’，按销量排序，加入购物车前三个商品”。随着模型不断迭代，未来甚至能处理跨 App 多步骤任务，真正成为你的数字分身。

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，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。