5分钟上手Open-AutoGLM，用自然语言操控手机太简单了-开发者社区

5分钟上手Open-AutoGLM，用自然语言操控手机太简单了

1. 这不是科幻，是今天就能用的手机AI助理

你有没有过这样的时刻：
想在小红书搜“上海周末咖啡馆”，但正开车没法操作手机；
想给客户发一封带截图的邮件，却卡在反复切换App和输入文字上；
或者只是单纯厌倦了每天重复点开微信、翻通讯录、复制粘贴——这些动作明明机器最擅长。

Open-AutoGLM 就是来解决这些问题的。它不是另一个需要你写代码、调参数、看日志的AI项目，而是一个真正“说人话就能干活”的手机智能体。你只需要像对朋友说话一样输入一句：“打开美团，搜‘附近2公里内评分4.8以上的粤菜’，点开第一家店，截个图发到微信文件传输助手”，它就会自动完成整套操作——理解界面、点击按钮、输入文字、滑动页面、截图、切App、粘贴发送。

整个过程不需要你写一行逻辑，不依赖App是否开放API，也不要求你懂Android开发。它靠的是三样东西：看得懂屏幕的“眼睛”（视觉语言模型）、想得清步骤的“脑子”（智能规划能力），以及能动手操作的“手”（ADB自动化控制）。

这篇文章不讲原理、不堆术语，只带你用5分钟完成从零到第一次成功执行指令的全过程。哪怕你没装过ADB、没碰过Python、连“终端”在哪都不知道，也能照着做出来。

我们用最轻量的方式启动——不部署模型、不买GPU、不配服务器，直接调用现成的云端服务。你唯一要准备的，是一台电脑、一部安卓手机，和一根能传数据的USB线。

2. 准备工作：3分钟搞定所有前置条件

2.1 你的设备够格吗？很简单，就两条

电脑：Windows 10/11、macOS 12+ 或 Ubuntu 20.04+，有网络就行
手机：Android 7.0（2016年发布的机型基本都支持）及以上，开启开发者模式

别担心“开发者模式”听起来多专业——它其实就等于“解锁手机的隐藏功能开关”，操作比连蓝牙耳机还简单。

2.2 开启开发者模式：点7下，就完成了

拿出你的安卓手机，按这个顺序操作：

打开「设置」→「关于手机」（或「系统」→「关于手机」）
找到「版本号」「软件版本」或「构建号」这一行
连续快速点击它7次
看到弹窗提示“您现在是开发者！”就成功了

小贴士：如果点了没反应，试试关掉“省电模式”再点；部分国产机可能叫“版本信息”或“内部版本号”，找带数字的那一行就行。

2.3 开启USB调试：允许电脑“碰”你的手机

回到「设置」主菜单，你会看到新出现的「开发者选项」（就在「系统」或「高级设置」里）。点进去，找到并打开：

USB调试（必须开）
USB调试（安全设置）（华为、小米等品牌常需额外开启）

开完后，用USB线把手机连到电脑。手机屏幕上会立刻弹出一个授权窗口，问“允许USB调试吗？”，勾选「始终允许」，再点「确定」。

2.4 安装ADB工具：一条命令，30秒搞定

ADB是让电脑和手机“对话”的桥梁。不用下载、解压、配环境变量——我们用最省事的方式：

macOS用户（推荐）：打开终端，粘贴运行
```
brew install android-platform-tools
```
Windows用户：打开PowerShell（右键开始菜单→“Windows PowerShell”），粘贴运行
```
winget install Google.AndroidPlatformTools
```

Ubuntu/Debian用户：打开终端，粘贴运行

sudo apt update && sudo apt install android-tools-adb android-tools-fastboot

安装完，在终端或PowerShell里输入：

adb version

如果看到类似Android Debug Bridge version 1.0.41的输出，说明一切就绪。

2.5 验证连接：让电脑“看见”你的手机

保持USB线连接，回到终端/PowerShell，输入：

adb devices

你应该看到类似这样的输出：

List of attached devices ZY223456789 device

那一串字母数字就是你的手机ID。如果显示unauthorized，回到手机点“允许”；如果空白，检查USB线是否支持数据传输（换根线试试）；如果报错“command not found”，说明ADB没装好，重走2.4步。

到这一步，你已经完成了90%的准备工作。剩下的，全是“动嘴不动手”的事。

3. 第一次运行：5分钟内让AI替你点开抖音

我们跳过本地部署大模型的复杂步骤，直接用现成的云端服务——这样你不用等模型下载、不用调显存、不用查CUDA版本，真正实现“开箱即用”。

3.1 获取一个免费可用的模型服务地址

Open-AutoGLM 兼容任何支持 OpenAI API 格式的视觉语言模型服务。我们推荐一个开箱即用的选择：z.ai 平台的 AutoGLM-Phone 模型（无需注册，免密调用）。

它的服务地址是：

https://api.z.ai/api/paas/v4

模型名称是：

autoglm-phone-9b-multilingual

这个组合已经预置在 Open-AutoGLM 的默认配置里，你只需告诉它“去哪找模型”和“用哪个模型”，它自己就能连上干活。

3.2 下载并启动控制端：两行命令的事

在你的电脑上打开终端（macOS/Linux）或 PowerShell（Windows），依次执行：

git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM pip install -r requirements.txt

注意：如果你还没装 Python 3.10+，请先去 python.org 下载安装。安装时务必勾选 “Add Python to PATH”。

3.3 发出你的第一条自然语言指令

确保手机仍通过USB连着电脑，且adb devices能识别它。然后，在 Open-AutoGLM 目录下，运行这条命令：

python main.py \ --base-url https://api.z.ai/api/paas/v4 \ --model autoglm-phone-9b-multilingual \ "打开抖音，搜索用户dycwo11nt61d，进入主页并点击关注"

提示：把最后那句引号里的指令换成你想做的任何事，比如
"打开淘宝，搜‘无线降噪耳机’，按销量排序，点开第一个商品，截图"
"打开高德地图，搜索‘最近的星巴克’，导航过去"

几秒钟后，你会看到终端开始滚动输出：

它先截了一张当前手机屏幕的图
把图和你的指令一起发给云端模型
模型分析后返回操作步骤：“点击坐标(520, 180)”，“输入文字‘dycwo11nt61d’”，“等待页面加载”，“点击坐标(310, 720)”……
ADB接着真的在你手机上执行这些动作

你只要盯着手机屏幕——看着它自己点开抖音、输入搜索词、点进博主主页、按下关注按钮。整个过程安静、流畅、没有卡顿。

成功标志：手机上出现“已关注”提示，终端最后一行显示Task completed successfully.

4. 你还能怎么用？这些真实场景，一试就上瘾

Open-AutoGLM 的魅力不在“能做什么”，而在“做起来有多简单”。它不强迫你学编程，而是把你日常的手机操作习惯，原封不动地变成指令。以下是几个零学习成本、即刻见效的用法：

4.1 信息收集类：把“查资料”变成一句话

"打开知乎，搜‘LLM推理优化方法’，把前三个回答的标题和第一段抄到备忘录"
"打开小红书，搜‘北京租房避坑’，截图第一页所有笔记的封面图"
"打开携程，查今天上海飞成都的航班，把最早一班的起飞时间、价格、航司发到钉钉"

它能自动识别列表、提取文字、切换App、粘贴内容——你不再需要手动复制粘贴十几次。

4.2 社交与沟通类：告别手忙脚乱的多任务

"把相册里今天拍的3张照片，发到微信‘家人’群"
"打开微信，找到‘王经理’，把刚收到的PDF合同转发给他，并附言‘请查收合同终稿’"
"打开QQ邮箱，写一封邮件给support@xxx.com，主题‘账号异常反馈’，正文‘我的账号昨天无法登录，错误码E102’，添加附件‘截图.png’"

它能精准定位联系人、自动填写表单、识别附件位置——你只管说“要什么”，它负责“怎么拿”。

4.3 生活与效率类：把重复劳动交给AI

"打开美团，搜‘代取快递’，按距离排序，打电话给第一个商家，说‘我有2个快递要取，地址在XX小区3栋’"
"打开Keep，开始‘10分钟肩颈放松’课程，音量调到60%，全程不要暂停"
"打开手机设置，把蓝牙、Wi-Fi、定位都关掉，然后打开护眼模式"

它甚至能模拟语音通话（调用系统拨号）、控制音量、开关系统设置——把手机变成一个听你指挥的实体助手。

5. 进阶技巧：让AI更懂你、更听话

第一次跑通后，你会发现有些指令它执行得特别准，有些却会卡住。这不是模型不行，而是你和AI之间需要一点“默契训练”。这里给你3个马上能用的小技巧：

5.1 加个“请”字，效果翻倍？不，是加个“具体”二字

❌ 模糊指令："帮我订个外卖"
清晰指令："打开饿了么，搜‘真功夫’，选‘宫保鸡丁套餐’，地址填‘朝阳区建国路88号SOHO现代城A座301’，支付方式选‘支付宝’，立即下单"

Open-AutoGLM 不是靠猜，而是靠“画面+文字”双重理解。你描述得越像在给真人指路，它就越不容易误解。

5.2 遇到验证码或登录页？它会主动“喊你帮忙”

框架内置了敏感操作确认机制。当你让它执行涉及账号、支付、短信的操作时，它不会强行输入密码或验证码，而是会暂停，告诉你：

检测到登录页面，请手动输入验证码，完成后输入 'continue' 继续

你只需在手机上手动输完，回到终端敲continue，它就接着往下干。安全和自动化，从来不必二选一。

5.3 想让它“记住”常用操作？用交互模式练出来

不想每次输一长串？试试交互模式：

python main.py --base-url https://api.z.ai/api/paas/v4 --model autoglm-phone-9b-multilingual

回车后，你会看到一个>提示符。这时你可以像聊天一样输入：

> 打开微信 > 找到‘李总监’ > 发消息‘会议纪要已整理好，见附件’ > 添加附件‘meeting_notes.pdf’ > 发送

每输一行，它就执行一步。这种模式特别适合调试复杂流程，也方便你边试边改，慢慢摸清它最适应的表达方式。

6. 常见问题：为什么我的指令没反应？3个高频原因和解法

刚上手时遇到问题很正常。90%的情况，都出在这三个地方：

6.1 手机没“认”电脑：ADB连接失败

现象：adb devices显示空，或显示unauthorized
解法：

断开USB线 → 手机进「开发者选项」→ 找到「撤销USB调试授权」→ 点击撤销
重新插线 → 手机弹窗点「始终允许」
再运行adb devices，确认显示device

6.2 指令发出去了，但手机没动作：ADB Keyboard没生效

现象：AI说“正在输入搜索词”，但手机键盘没弹出，或输入框一片空白
解法：

在终端运行：adb shell settings get secure default_input_method

如果返回不是com.android.adbkeyboard/.AdbIME，就运行：

adb shell ime enable com.android.adbkeyboard/.AdbIME adb shell ime set com.android.adbkeyboard/.AdbIME

再试一次指令

6.3 模型没响应，终端卡住：网络或服务问题

现象：终端停在Sending request to model...，十几秒没动静
解法：

先测试服务是否通畅：
```
curl -s https://api.z.ai/api/paas/v4/models | head -20
```
如果返回JSON，说明服务正常；如果超时，换WiFi或稍后再试
或者换一个备用服务地址（如 ModelScope 的公开API），文档里有详细链接

小提醒：首次使用时，模型需要几秒加载上下文，耐心等5-10秒再判断是否失败。

7. 下一步：从“试试看”到“离不开”

你现在拥有的，不是一个玩具Demo，而是一个可无限延展的手机自动化底座。接下来你可以轻松做这些事：

批量操作：用Python脚本，同时让3台手机执行不同任务（比如一台刷短视频、一台回消息、一台收邮件）
定时任务：配合系统计划任务，每天早上8点自动打开天气App截图发到家庭群
接入智能家居：把“打开空调”指令，转成HTTP请求发给米家API，让手机变成万能遥控器
定制工作流：把“周报生成”做成固定指令，它自动汇总钉钉未读、截图飞书日报、整理成Word发邮箱

这些都不需要你重写框架，只需在现有结构上加几行代码。Open-AutoGLM 的设计哲学很朴素：让AI做它最擅长的——理解意图、规划步骤、执行动作；让人做它最擅长的——定义目标、判断结果、决定方向。

你不需要成为工程师，也能拥有一个24小时待命、永不疲倦、越用越懂你的手机AI助理。

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。

5分钟上手Open-AutoGLM，用自然语言操控手机太简单了