用预构建镜像跑通YOLOv9，再也不怕版本冲突
2026/1/17 2:03:33
开发者必看：Open-AutoGLM本地环境部署与真机连接实操手册
1. 引言
1.1 Open-AutoGLM – 智谱开源的手机端AI Agent框架
随着多模态大模型技术的快速发展，AI智能体（Agent）正逐步从“被动响应”向“主动执行”演进。Open-AutoGLM 是由智谱AI开源的一款面向移动端的AI代理框架，基于视觉语言模型（VLM）构建，专为实现自然语言驱动的手机自动化操作而设计。该框架允许开发者通过简单的自然语言指令，让AI自动理解手机屏幕内容、解析用户意图，并借助ADB完成一系列复杂操作，如应用启动、页面跳转、搜索关注等。
其核心组件 AutoGLM-Phone 和 Phone Agent 构成了完整的手机端AI助理系统。系统以多模态方式感知屏幕图像与UI元素，结合语言理解能力进行任务规划，并通过Android Debug Bridge（ADB）实现对设备的精准控制。整个流程无需手动干预，真正实现了“说一句话，让AI帮你操作手机”。
1.2 核心价值与应用场景
Open-AutoGLM 的最大优势在于降低移动自动化门槛。传统自动化脚本依赖复杂的XPath或坐标定位，开发成本高且维护困难。而该框架通过语义理解+视觉识别的方式，使非专业用户也能轻松定义自动化任务。
典型应用场景包括：
- 自动化测试：快速验证App在不同状态下的行为逻辑
- 数据采集：定时打开App抓取信息
- 用户辅助：帮助老年人或残障人士完成高频操作
- 营销自动化：批量执行关注、点赞、评论等社交动作（需合规使用）
本文将聚焦于如何在本地环境中部署 Open-AutoGLM 控制端，并实现与真实安卓设备的连接与远程操控，提供一套完整可落地的技术实践路径。
2. 环境准备与依赖配置
2.1 硬件与软件要求
为确保 Open-AutoGLM 正常运行，需满足以下基础环境条件：
| 类别 | 要求 |
|---|---|
| 操作系统 | Windows 10+/macOS Monterey 及以上 |
| Python 版本 | 3.10 或更高版本 |
| 安卓设备 | Android 7.0+ 真机或模拟器 |
| ADB 工具 | platform-tools 最新版本 |
| 网络环境 | 设备与电脑处于同一局域网（WiFi模式） |
注意：建议使用独立显卡（NVIDIA GPU）用于后续服务端模型推理，本地控制端仅负责调度和通信。
2.2 Python环境搭建
推荐使用虚拟环境隔离项目依赖：
# 创建虚拟环境 python -m venv autoglm-env source autoglm-env/bin/activate # macOS/Linux # 或 autoglm-env\Scripts\activate.bat （Windows） # 升级pip pip install --upgrade pip2.3 ADB工具安装与配置
ADB（Android Debug Bridge）是连接PC与安卓设备的核心工具，属于 Google 提供的 Android SDK Platform Tools 组件。
Windows 配置步骤：
- 下载 Platform Tools 并解压。
- 使用
Win + R输入sysdm.cpl打开系统属性。 - 进入“高级” → “环境变量”。
- 在“系统变量”中找到
Path，点击编辑并添加 ADB 解压目录路径（如C:\platform-tools）。 - 打开命令行输入
adb version，若显示版本号则表示配置成功。
macOS 配置方法：
在终端执行以下命令（假设文件解压至 Downloads 目录）：
export PATH=${PATH}:~/Downloads/platform-tools # 可选：写入 shell 配置文件永久生效 echo 'export PATH=${PATH}:~/Downloads/platform-tools' >> ~/.zshrc source ~/.zshrc验证命令：
adb version # 输出示例：Android Debug Bridge version 1.0.413. 手机端设置与权限授权
3.1 开启开发者选项与USB调试
- 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”。
- 返回设置主界面，进入“开发者选项”。
- 启用“USB调试”功能。
授权提示出现时，请点击“允许”以完成绑定。
3.2 安装ADB Keyboard输入法
由于部分操作涉及文本输入（如搜索框），但标准ADB无法直接调用第三方输入法，因此需要安装专用的ADB Keyboard来实现无触摸输入。
操作步骤如下：
- 访问 ADB Keyboard GitHub Release 页面 下载最新
.apk文件。 - 将APK传输到手机并安装。
- 进入“设置” → “语言与输入法” → “当前输入法”。
- 选择“ADB Keyboard”作为默认输入法。
验证方式：在任意输入框长按，选择“输入法”切换为 ADB Keyboard。
4. 控制端代码部署与依赖安装
4.1 克隆项目仓库
Open-AutoGLM 的控制端代码托管于 GitHub，包含完整的API封装与CLI入口：
git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM4.2 安装Python依赖
项目依赖主要分为三类：
- ADB通信库（如
adb-shell） - 多模态数据处理（Pillow, opencv-python）
- HTTP客户端与日志工具
执行安装命令：
pip install -r requirements.txt pip install -e . # 安装本地包 phone_agent 模块若遇到
cv2安装失败，可尝试使用预编译版本：pip install opencv-python-headless
5. 设备连接方式详解
5.1 USB连接模式（推荐初学者）
最稳定的方式是通过USB线直连设备。
- 使用数据线连接手机与电脑。
- 手机弹出“允许USB调试？”对话框时，勾选“始终允许”并确认。
- 在终端运行：
adb devices预期输出：
List of devices attached ABCDEF1234567890 device其中ABCDEF1234567890即为设备ID，后续将用于参数传递。
5.2 WiFi无线连接模式（支持远程调试）
适用于远程开发、多设备管理场景。需先通过USB激活TCP/IP模式。
步骤一：启用ADB over TCP/IP
# 使用USB连接后执行 adb tcpip 5555此命令将ADB监听端口设为5555，设备重启前有效。
步骤二：断开USB，通过IP连接
获取手机局域网IP地址（可在“设置”→“WLAN”中查看），例如192.168.1.100：
adb connect 192.168.1.100:5555再次运行adb devices应能看到IP形式的设备列表：
List of devices attached 192.168.1.100:5555 device提示：可通过脚本自动获取设备IP：
adb shell ip route | awk '{print $9}'
6. 启动AI代理并执行指令
6.1 命令行方式运行任务
当服务端模型已部署（假设运行在云服务器10.20.30.40:8800上），即可通过本地控制端发起请求。
执行示例指令：
python main.py \ --device-id 192.168.1.100:5555 \ --base-url http://10.20.30.40:8800/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：目标设备标识，支持序列号或IP:端口格式--base-url：vLLM或FastChat后端提供的OpenAI兼容接口地址--model：指定调用的模型名称，需与服务端注册名一致- 最后字符串：用户的自然语言指令，支持中文复杂句式
系统工作流如下：
- 截取当前手机屏幕 → 编码为Base64图像
- 构造多模态Prompt（图像+文本）发送至服务端
- 模型返回结构化Action（如CLICK、INPUT、SCROLL）
- ADB执行对应操作 → 循环直至任务完成
6.2 使用Python API进行程序化控制
对于集成到其他系统的开发者，可直接调用phone_agent.adb模块实现更细粒度的控制。
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}") # 获取设备IP（用于WiFi连接） ip = conn.get_device_ip() print(f"设备当前IP: {ip}") # 启用TCP/IP模式（替代 adb tcpip 命令） success, msg = conn.enable_tcpip(5555) if success: print("TCP/IP模式已启用") # 断开指定设备 conn.disconnect("192.168.1.100:5555")该API支持：
- 多设备并发管理
- 自动重连机制
- 屏幕截图获取
- 输入事件注入（KEYCODE、TOUCH）
7. 常见问题与排查指南
7.1 ADB连接失败
| 现象 | 可能原因 | 解决方案 |
|---|---|---|
unauthorized | 未授权调试 | 重新插拔USB，确认授权弹窗 |
offline | ADB守护进程异常 | 重启ADB服务：adb kill-server && adb start-server |
connection refused | 端口未开放 | 检查防火墙设置，确认5555端口放行 |
7.2 模型无响应或乱码
此类问题通常出现在服务端侧，但也可能因客户端参数不匹配导致。
检查点：
- 确认
--base-url地址可达（可用curl测试） - 检查服务端是否启用 CORS 和
/v1/chat/completions接口 - 查看模型加载日志是否存在OOM错误
- 确保
max_model_len设置足够大（建议 ≥ 8192）
示例vLLM启动命令参考：
python -m vllm.entrypoints.openai.api_server \ --host 0.0.0.0 --port 8800 \ --model ZhipuAI/autoglm-phone-9b \ --tensor-parallel-size 2 \ --max-model-len 81927.3 敏感操作拦截机制
为防止误操作造成风险，系统内置安全策略：
- 涉及支付、删除、卸载等操作会暂停执行，等待人工确认
- 验证码输入场景自动切换为“半自动模式”，提示用户手动输入
- 支持配置白名单应用，限制AI可操作范围
可通过修改config/security.yaml调整策略级别。
8. 总结
Open-AutoGLM 作为国内首个开源的手机端AI Agent框架，标志着多模态智能体在移动端落地的重要一步。本文详细介绍了从环境准备、ADB配置、代码部署到真机连接的全流程，帮助开发者快速搭建本地控制环境，并通过自然语言指令驱动手机完成复杂任务。
核心要点回顾：
- ADB是桥梁：无论是USB还是WiFi连接，都依赖ADB实现底层控制。
- 输入法不可少：ADB Keyboard解决了自动化输入难题。
- 服务端需先行：本地控制端依赖外部模型API，需提前部署vLLM/FastChat服务。
- 安全性设计完善：敏感操作拦截与人工接管机制保障了使用安全。
未来随着模型轻量化和边缘计算的发展，类似 Open-AutoGLM 的框架有望进一步下沉至端侧运行，实现更低延迟、更高隐私保护的本地化AI助理体验。
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。