zai-org/Open-AutoGLM

项目概览

它将屏幕理解、基于自然语言的任务规划，以及敏感操作确认和人工接管机制结合到手机自动化流程中。

项目类型

AI Agent · 模型运行

应用场景

自动化执行

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 适合希望用自然语言指令驱动手机界面操作的开发者。

核心能力

• 使用视觉语言模型理解手机屏幕内容，以支持任务自动化。
• 可解析意图、理解当前界面、规划下一步操作，并依据自然语言描述完成工作流。
• 提供敏感操作确认机制；在登录或验证码场景中支持人工接管。
• 可通过 WiFi 或网络连接设备进行远程 ADB 调试和控制。
• 可通过 Python API 创建 PhoneAgent、配置模型并以编程方式执行任务。
• 可配置 WebDriverAgent 与 iPhone 设备，在 iOS 上使用 AutoGLM。

限制与风险

• 项目声明其仅供研究和学习使用。
• 项目明确禁止将其用于非法获取信息、干扰系统或任何非法活动；采用前应确认预期用途不属于这些情形。

如何开始

• 安装 Python 依赖，配置 ADB 或 HDC 并通过 USB 连接移动设备；随后可运行 `python main.py --base-url http://localhost:8000/v1 --model 'autoglm-phone-9b'`。部署大语言模型可选用 Docker 或 pip。

核验依据

• GitHub 项目简介: An Open Phone Agent Model & Framework. Unlocking the AI Phone for Everyone
• README: Phone Agent 是一个基于 AutoGLM 构建的手机端智能助理框架，它能够以多模态方式理解手机屏幕内容，并通过自动化操作帮助用户完成任务。系统通过 ADB(Android Debug Bridge)来控制设备，以视觉语言模型进行屏幕感知，再结合智能规划能力生成并执行操作流程。用户只需用自然语言描述需求，如“打开小红书搜索美食”，Phone Age…
• README: | Model | Download Links | |-------------------------------|-----------------------------------------------------------------------------------------------------------------------…
• README: 系统通过 ADB(Android Debug Bridge)来控制设备
• README: 系统还内置敏感操作确认机制，并支持在登录或验证码场景下进行人工接管。

来源更新时间：2026-07-26T18:11:41Z

打开原始 GitHub 项目