塔城地区网站建设_网站建设公司_企业官网_seo优化

零基础入门Open-AutoGLM：Mac上5分钟部署AI手机助理，小白也能轻松上手

摘要：本教程教你在 Mac (Apple Silicon) 上部署智谱 AutoGLM-Phone-9B 多模态大模型，实现完全本地化、隐私安全、零成本的手机 AI 助理。从原理到部署、从操作到优化，一文搞定！

1. 什么是 Open-AutoGLM？

1.1 项目简介

Open-AutoGLM是智谱 AI 开源的手机端 AI Agent 框架，全称为 AutoGLM-Phone。它能让你的 Mac 成为一台“超级大脑”，通过 USB 或 WiFi 远程控制安卓设备，自动完成各类日常任务。

只需一句自然语言指令，例如：

• “打开小红书搜索美食推荐”
• “在抖音关注用户 dycwo11nt61d”
• “打开微信给妈妈发消息说我今晚不回家吃饭”

系统即可自动解析意图、理解当前界面状态，并规划出完整的操作路径，最终通过 ADB 实现点击、滑动、输入等动作，真正实现“动口不动手”。

该框架基于视觉语言模型（VLM），结合多模态感知与智能决策能力，构建了一个闭环的“感知-思考-执行”系统，适用于自动化测试、个人助理、无障碍辅助等多种场景。

1.2 为什么选择本地部署？

将模型运行在本地 Mac 上，不仅能避免敏感截图外泄，还能享受更低延迟和更稳定的交互体验，尤其适合对隐私有高要求的用户。

1.3 适合谁使用？

• 开发者：学习 AI Agent 架构设计与多模态应用开发
• 极客玩家：探索 Apple Silicon 上的大模型部署技巧
• 隐私敏感用户：拒绝数据上传，追求端侧智能
• 技术爱好者：动手实践 ADB 自动化 + VLM 推理全流程

2. 核心原理解析

2.1 AI Agent 工作循环

Open-AutoGLM 遵循经典的Perception-Thinking-Action（感知-思考-行动）循环机制：

┌─────────────────────────────────────────────────────────────┐ │ Agent 工作循环 │ ├─────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 感 知 │ ──→ │ 思 考 │ ──→ │ 行 动 │ │ │ │ │ │ │ │ │ │ │ │ 截图 │ │ 理解状态 │ │ 点击 │ │ │ │ UI解析 │ │ 规划步骤 │ │ 滑动 │ │ │ │ App状态 │ │ 生成指令 │ │ 输入 │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ ↑ │ │ │ └──────────────────────────────────┘ │ │ 循环执行 │ └─────────────────────────────────────────────────────────────┘

每一步都由模型驱动：先获取屏幕图像和结构信息 → 输入模型进行推理 → 输出 JSON 格式的操作指令 → 执行 ADB 命令完成动作。

2.2 三层架构详解

感知层（Perception Layer）

负责采集手机当前状态，主要包括三种方式：

这些数据共同构成模型的输入上下文，帮助其准确理解当前所处页面。

推理层（Reasoning Layer）

核心是AutoGLM-Phone-9B，一个专为移动端任务设计的视觉语言模型（VLM）。其输入包含：

• 系统提示词（System Prompt）
• 用户任务描述
• 当前手机截图（Base64 编码）

模型输出遵循特定格式：

<think>我需要先找到微信图标并点击</think> <answer>{"action": "Tap", "element": [500, 800]}</answer>

其中<think>包含推理过程，<answer>包含可执行的操作指令。

执行层（Execution Layer）

根据模型输出调用对应的 ADB 命令完成实际操作：

此外，系统还内置了人工接管机制，在遇到验证码、支付确认等敏感操作时会暂停并提示用户介入。

2.3 MLX 框架优势

MLX是苹果为 Apple Silicon（M1/M2/M3/M4）定制的深度学习框架，具备以下优势：

• 统一内存架构：CPU 与 GPU 共享内存，减少数据拷贝开销
• 延迟编译优化：仅编译实际执行路径，提升效率
• 原生 Metal 加速：充分利用 GPU 并行计算能力

得益于 MLX，我们可以在 Mac 上高效运行 9B 参数级别的多模态模型，而无需依赖云服务或高性能显卡。

3. 环境准备（超详细）

3.1 系统要求

建议使用搭载 M1 及以上芯片的 Mac 设备以获得最佳性能。

3.2 安装 Python 环境

推荐使用pyenv管理 Python 版本。

# 安装 Homebrew（如未安装） /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" # 安装 pyenv brew install pyenv # 配置 zsh 环境变量 echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.zshrc echo 'command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.zshrc echo 'eval "$(pyenv init -)"' >> ~/.zshrc source ~/.zshrc # 安装 Python 3.11 pyenv install 3.11.9 pyenv global 3.11.9 # 验证 python --version # 应输出 Python 3.11.9

3.3 安装 ADB 工具

ADB 是连接 Mac 与安卓设备的核心工具。

# 使用 Homebrew 安装 brew install android-platform-tools # 验证安装 adb version

3.4 配置安卓手机

步骤 1：开启开发者模式

1. 打开设置 → 关于手机
2. 连续点击版本号7 次
3. 提示“您已进入开发者模式”

不同品牌路径略有差异，请根据机型调整。

步骤 2：开启 USB 调试

1. 返回设置 → 系统 → 开发者选项
2. 开启USB 调试
3. 可选：关闭“监控 ADB 安装应用”以防弹窗干扰

步骤 3：连接授权

1. 使用数据线连接手机与 Mac
2. 手机弹出授权对话框，勾选“始终允许”并确认
3. 终端验证：

adb devices # 输出应类似： # List of devices attached # ABCD1234567890 device

3.5 安装 ADB Keyboard

用于支持中文文本输入。

1. 下载 APK 文件：

   curl -L -O https://github.com/senzhk/ADBKeyBoard/releases/download/v1.7/ADBKeyboard.apk

2. 安装至设备：

   adb install ADBKeyboard.apk

3. 在手机中启用：

   • 设置 → 语言和输入法 → 虚拟键盘 → 启用 ADB Keyboard
   • 切换默认输入法为 ADB Keyboard

4. 验证：

   adb shell ime list -a | grep ADB # 应输出: com.android.adbkeyboard/.AdbIME

3.6 安装项目依赖

# 克隆项目 git clone https://github.com/zai-org/Open-AutoGLM.git cd Open-AutoGLM # 安装 MLX 相关依赖 pip install mlx "git+https://github.com/Blaizzy/mlx-vlm.git@main" torch torchvision transformers # 安装项目依赖 pip install -r requirements.txt pip install -e . # 验证安装成功 python -c "import mlx; import phone_agent; print('✅ 安装成功！')"

4. 模型下载与部署

4.1 下载模型

方法 A：HuggingFace CLI（推荐）

# 安装 HuggingFace CLI pip install -U "huggingface_hub[cli]" # 设置国内镜像加速（可选） export HF_ENDPOINT=https://hf-mirror.com # 下载模型（约 20GB） huggingface-cli download --resume-download zai-org/AutoGLM-Phone-9B --local-dir ./models/AutoGLM-Phone-9B

方法 B：ModelScope（国内更快）

pip install modelscope python -c " from modelscope import snapshot_download; snapshot_download('ZhipuAI/AutoGLM-Phone-9B', local_dir='./models/AutoGLM-Phone-9B') "

4.2 启动运行

python main.py --local --model ./models/AutoGLM-Phone-9B "打开微信"

首次加载模型约需 30 秒，之后即可开始交互。

4.3 4-bit 量化（内存优化版）

若设备内存 ≤16GB，建议使用 4-bit 量化降低资源占用。

执行量化：

python -m mlx_vlm.convert \ --hf-path ./models/AutoGLM-Phone-9B \ -q \ --q-bits 4 \ --mlx-path ./autoglm-9b-4bit

使用量化模型运行：

python main.py --local --model ./autoglm-9b-4bit "打开B站搜索Python教程"

5. 实战操作指南

5.1 基础运行模式

交互式模式

python main.py --local --model ./autoglm-9b-4bit # 输入任务： > 打开小红书搜索咖啡探店 > 发送微信消息给李四说：会议推迟到下午三点 > 退出

单次任务模式

python main.py --local --model ./autoglm-9b-4bit "打开抖音刷5个视频"

5.2 常用参数说明

5.3 典型任务示例

# 社交沟通 python main.py --local --model ./autoglm-9b-4bit "打开微信给张三发消息：今天加班，晚点回家" # 电商购物 python main.py --local --model ./autoglm-9b-4bit "打开淘宝搜索无线蓝牙耳机按销量排序" # 外卖点餐 python main.py --local --model ./autoglm-9b-4bit "打开美团外卖点一份黄焖鸡米饭加辣" # 视频娱乐 python main.py --local --model ./autoglm-9b-4bit "打开B站搜索二次元动漫推荐" # 音乐播放 python main.py --local --model ./autoglm-9b-4bit "打开网易云音乐搜索周杰伦的《晴天》并播放"

5.4 WiFi 远程调试

摆脱数据线束缚，实现无线控制。

1. 手机开启“无线调试”功能（开发者选项内）
2. 记录 IP 地址与端口号（通常为 5555）

连接命令：

# 连接远程设备 adb connect 192.168.1.100:5555 # 验证 adb devices # 执行任务 python main.py --local --model ./autoglm-9b-4bit \ --device-id 192.168.1.100:5555 \ "打开抖音刷新鲜事"

6. 性能优化详解

6.1 内置优化策略

图像智能降采样

为提升推理效率，系统自动将截图长边压缩至 1024px 以内：

大幅降低视觉编码器负担，同时保留关键 UI 信息。

KV Cache 量化

启用kv_bits=8将注意力缓存从 FP16 转为 INT8：

• 显存占用下降约 30%
• 推理速度小幅提升
• 几乎无精度损失

显存强制回收

每步推理后自动执行：

mx.clear_cache() gc.collect()

防止内存泄漏导致长时间运行卡顿。

6.2 手动优化建议

1. 关闭后台应用：释放更多内存供模型使用
2. 优先使用 USB 连接：传输更稳定，延迟更低
3. 降低屏幕亮度：减小截图文件体积
4. 定期重启进程：若出现响应变慢，可终止后重试

6.3 实测性能表现（M1 Max, 32GB）

完整任务耗时示例：“打开网易云音乐搜索《一滴泪的时间》并播放”

• 总步骤：6 步
• 总耗时：约 2 分 18 秒

7. API 与进阶用法

7.1 Python API 调用

from phone_agent import PhoneAgent from phone_agent.model import ModelConfig from phone_agent.agent import AgentConfig # 模型配置 model_config = ModelConfig( model_name="./autoglm-9b-4bit", is_local=True, max_tokens=3000, temperature=0.1, ) # Agent 配置 agent_config = AgentConfig( max_steps=50, verbose=True, lang="cn", ) # 创建代理并运行 agent = PhoneAgent(model_config=model_config, agent_config=agent_config) result = agent.run("打开抖音刷新鲜事") print(f"任务结果: {result}")

7.2 自定义回调函数

处理敏感操作或需人工干预的场景：

def my_confirmation(message: str) -> bool: print(f"⚠️ 检测到敏感操作: {message}") return input("是否继续？(y/n): ").lower() == "y" def my_takeover(message: str) -> None: print(f"✋ 需要人工操作: {message}") input("完成后按回车继续...") agent = PhoneAgent( confirmation_callback=my_confirmation, takeover_callback=my_takeover, )

7.3 批量任务执行

tasks = [ "打开微信给张三发消息：会议改到下午4点", "打开支付宝查看余额", "打开美团查看最近订单", ] for task in tasks: result = agent.run(task) print(f"✅ 完成: {task}") agent.reset() # 重置状态

8. 常见问题 FAQ

Q1: 设备未识别（adb devices 为空）

解决方法：

adb kill-server adb start-server adb devices

常见原因：

• 使用了纯充电线（非数据线）
• 未在手机上授权调试权限
• 开发者选项未正确开启

Q2: 模型下载中断

使用断点续传：

huggingface-cli download --resume-download zai-org/AutoGLM-Phone-9B --local-dir ./models/AutoGLM-Phone-9B

或切换国内镜像：

export HF_ENDPOINT=https://hf-mirror.com

Q3: 内存不足（Killed / MemoryError）

解决方案：

1. 使用 4-bit 量化模型
2. 关闭其他应用程序
3. 重启 Mac 后再尝试

Q4: 文字输入失败

检查：

1. 是否已安装 ADB Keyboard
2. 是否已在系统中启用
3. 验证命令：

   adb shell ime list -a | grep ADB

Q5: 截图为黑屏

某些应用（如银行、支付类）禁止截图，属于系统级限制。此时模型会自动请求人工接管。

Q6: 运行逐渐变慢

建议终止程序并重新启动：

Ctrl+C python main.py --local --model ./autoglm-9b-4bit "你的任务"

Q7: WiFi 连接失败

排查：

1. 确保手机与电脑在同一局域网
2. 手机已开启“无线调试”
3. 防火墙未阻止 5555 端口

Q8: 中文乱码问题（Windows/Linux）

设置环境变量：

# Windows set PYTHONIOENCODING=utf-8 # Linux/macOS export PYTHONIOENCODING=utf-8

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。