无需编程！Open-AutoGLM实现语音控制手机全流程

你有没有想过，动动嘴就能让手机自动完成一系列操作？比如你说“打开小红书搜美食”，手机就自己打开App、输入关键词、开始搜索——整个过程完全不需要你动手点击。这听起来像科幻电影的场景，如今通过Open-AutoGLM已经可以轻松实现。

这不是某个大厂的秘密项目，而是一个由智谱开源的、真正可落地的手机端AI Agent框架：AutoGLM-Phone。它结合视觉语言模型与自动化控制技术，让你用自然语言指挥手机，像拥有一个私人数字助理。

更关键的是——你不需要会编程，也能快速上手使用。本文将带你从零开始，一步步部署并体验这个神奇的AI手机助手，全程无需写复杂代码，只要跟着操作就能让AI替你操控手机。

1. Open-AutoGLM是什么？一句话讲清楚

简单来说，Open-AutoGLM 是一个能让AI“看懂”手机屏幕，并根据你的语音或文字指令自动操作手机的应用框架。

它的核心能力有三点：

多模态理解：AI不仅能听懂你说的话，还能“看到”当前手机屏幕上显示的内容（比如按钮位置、文字信息）。
自动规划执行：在理解任务和界面后，AI会自己决定下一步该点哪里、怎么滑动、输入什么内容。
无需开发经验：所有底层逻辑已经封装好，用户只需下达自然语言指令，如“发微信给张三说晚上吃饭”。

背后的技术原理其实不难理解：系统通过 ADB（Android Debug Bridge）连接安卓设备，每秒截取一次屏幕画面，送入视觉语言模型分析；然后模型结合你的指令，输出具体的操作命令（如点击坐标、输入文本），再由ADB执行到真机上。

整个流程就像一个人一边看着手机，一边听你说话，然后替你完成所有点击动作。

2. 准备工作：软硬件环境配置

要让 Open-AutoGLM 正常运行，你需要准备以下几样东西：

2.1 硬件与系统要求

项目	要求
电脑	Windows 或 macOS（推荐64位系统）
手机	安卓7.0以上的真实设备或模拟器
连接方式	USB数据线或同一WiFi下的无线ADB

建议使用性能较好的中高端手机，确保运行流畅。如果你没有实体机，也可以用 Android Studio 的模拟器替代。

2.2 安装Python环境

Open-AutoGLM 的控制端是基于 Python 开发的，所以需要先安装 Python。

推荐版本：Python 3.10+
下载地址：https://www.python.org/downloads/
安装时务必勾选“Add Python to PATH”，否则后续命令无法识别。

安装完成后，在终端输入：

python --version

如果返回类似Python 3.10.9的信息，说明安装成功。

2.3 配置ADB工具

ADB 是连接电脑和安卓设备的核心工具。你可以从 Google 官方下载 Android SDK Platform Tools 包来获取 ADB。

Windows 用户配置步骤：

下载 Platform Tools
解压到任意目录，例如C:\platform-tools
按下Win + R输入sysdm.cpl→ 高级 → 环境变量
在“系统变量”中找到Path，点击编辑 → 新建 → 添加刚才解压的路径
打开命令提示符，输入：
```
adb version
```
如果显示版本号（如Android Debug Bridge version 1.0.41），说明配置成功。

macOS 用户配置方法：

打开 Terminal，执行以下命令（假设你把 platform-tools 放在 Downloads 文件夹）：

export PATH=${PATH}:~/Downloads/platform-tools

为了永久生效，可以将这条命令添加到.zshrc文件中：

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

3. 手机端设置：开启调试权限

为了让电脑能远程控制手机，必须在手机上开启开发者选项和USB调试功能。

3.1 开启开发者模式

进入手机【设置】→【关于手机】→ 连续点击“版本号”7次，直到提示“您已进入开发者模式”。

3.2 开启USB调试

返回设置主菜单 →【开发者选项】→ 找到并勾选“USB调试”选项。

注意：不同品牌手机路径略有差异，请根据机型自行查找。

3.3 安装ADB Keyboard（重要）

这是为了让AI能够输入文字。因为普通输入法无法被程序调用，所以我们需要一个特殊的键盘应用。

下载地址：https://github.com/senzhk/ADBKeyBoard
安装 APK 到手机
进入【语言与输入法】设置 → 将默认输入法切换为ADB Keyboard

这样，AI就可以通过命令发送文本，直接输入到任何输入框中了。

4. 部署Open-AutoGLM控制端

现在我们来部署本地的控制程序，也就是 Open-AutoGLM 的客户端。

4.1 克隆项目代码

打开终端或命令行工具，执行：

git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM

4.2 安装依赖库

运行以下命令安装所需 Python 包：

pip install -r requirements.txt pip install -e .

提示：建议使用虚拟环境（venv）避免依赖冲突：
python -m venv venv source venv/bin/activate # Linux/macOS venv\Scripts\activate # Windows

安装完成后，你会看到phone_agent模块被成功注册到环境中。

5. 连接手机设备的两种方式

Open-AutoGLM 支持两种连接方式：USB 和 WiFi。推荐新手先用 USB，稳定且易排查问题。

5.1 使用USB连接（推荐初学者）

用数据线将手机连接电脑
手机弹出“允许USB调试？”对话框时，点击“允许”
在终端输入：
```
adb devices
```
如果看到类似下面的输出，说明连接成功：
```
List of devices attached 1234567890abcde device
```

记下这个设备ID，后面会用到。

5.2 使用WiFi无线连接（适合远程控制）

如果你想摆脱数据线束缚，可以用WiFi连接。

第一步：先用USB连接启动TCP服务

adb tcpip 5555

第二步：断开USB，用IP连接

确保手机和电脑在同一局域网内，查看手机IP地址（一般在【设置】→【WLAN】里），然后执行：

adb connect 192.168.x.x:5555

替换192.168.x.x为你的手机真实IP。

再次运行adb devices，应该能看到设备以 IP 形式列出。

6. 让AI接管手机：执行第一条语音指令

一切准备就绪，现在我们可以让 AI 开始干活了！

6.1 命令行方式运行任务

在项目根目录下运行以下命令：

python main.py \ --device-id <你的设备ID或IP:5555> \ --base-url http://<云服务器IP>:<映射端口>/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：前面通过adb devices查到的设备ID或IP地址
--base-url：指向运行 AutoGLM 模型的云服务器地址（需提前部署）
--model：指定使用的模型名称
最后的字符串：就是你要下达的自然语言指令

示例：

python main.py \ --device-id 1234567890abcde \ --base-url http://123.45.67.89:8800/v1 \ --model "autoglm-phone-9b" \ "打开小红书搜索‘咖啡探店’并点赞前三篇笔记"

执行后，你会看到终端不断打印日志，AI会逐步解析屏幕内容，做出决策，并自动完成点击、滑动、输入等操作。

6.2 实际效果演示

当你下达“打开小红书搜美食”这样的指令后，AI会自动：

解锁手机（若已解锁则跳过）
找到并点击“小红书”App图标
等待App加载完成
识别搜索框位置并点击
通过 ADB Keyboard 输入“美食”
点击“搜索”按钮
滑动浏览结果页

整个过程无需人工干预，就像有人在替你操作手机。

7. 更高级的用法：Python API集成

虽然命令行足够简单，但如果你想把这项能力嵌入自己的应用中，也可以使用 Python API。

7.1 初始化ADB连接

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}") # 列出所有已连接设备 devices = list_devices() for device in devices: print(f"{device.device_id} - {device.connection_type.value}")

7.2 获取设备IP并启用无线调试

# 在USB连接状态下开启TCP/IP模式 success, message = conn.enable_tcpip(5555) if success: ip = conn.get_device_ip() print(f"设备IP地址: {ip}") else: print("无法获取IP，请检查网络") # 断开连接 conn.disconnect("192.168.1.100:5555")

这些API非常适合用于批量管理多台测试机、自动化测试脚本或远程运维场景。