📱 Open-AutoGLM：25k Stars 的手机 Agent 框架，说句话就能操控你的 Android 手机
项目地址：https://github.com/zai-org/Open-AutoGLM | ⭐ 25.2k Stars | 🛠 Python | 作者：ZAI (智谱 AI)
老实说，现在市面上的 AI Agent 大多停留在"帮你写代码、回邮件"的层面，但手机这个你每天摸几百次的设备，反而没人管。智谱 AI 开源的 Open-AutoGLM 直接把这个事干了——你说句话，它帮你操作手机。
这玩意儿怎么工作的？
说白了就是三步走：看屏幕 → 想怎么点 → 下手干。Phone Agent 通过 ADB（安卓调试桥）连上你的手机，用视觉语言模型看懂当前屏幕内容，然后生成下一步操作。你喊一句"打开美团搜火锅"，它自己解锁、找应用、搜关键词、下单，全程不用你动手指头。
部署就两步
安装依赖和连设备：
pip install -r requirements.txt
pip install -e .
# 连上你的 Android 手机（开 USB 调试）
adb devices
# 看到 device 就行
然后用第三方 API 是最省事的方案——不用自己部署那 9B 的模型：
# 用智谱 BigModel
python main.py \
--base-url https://open.bigmodel.cn/api/paas/v4 \
--model "autoglm-phone" \
--apikey "你的key" \
"打开美团搜索附近的火锅店"
最骚的操作：自部署也给你安排明白了
如果你不想走 API，自己跑模型，它也给了完整的 vLLM 启动参数：
python3 -m vllm.entrypoints.openai.api_server \
--served-model-name autoglm-phone-9b \
--allowed-local-media-path / \
--mm-encoder-tp-mode data \
--max-model-len 25480 \
--limit-mm-per-prompt '{"image":10}' \
--model zai-org/AutoGLM-Phone-9B \
--port 8000
启动完用脚本检查一下是不是跑通了：
python scripts/check_deployment_cn.py \
--base-url http://localhost:8000/v1 \
--model autoglm-phone-9b
正常返回会在命令行里直接打出思考链，比如"当前在小红书，要比较京东和淘宝的价格，先启动京东"。如果思维链很短或者乱码，就是部署有问题。
踩过的坑
权限是最大障碍。 必须打开开发者模式和 USB 调试，部分手机还得重启才能生效。另外 Android 需要装 ADB Keyboard 输入法才能自动打字，鸿蒙设备倒是不用——直接用原生输入法。
别用仅充电的数据线。 这个我踩过，连了半天 adb devices 就是没设备，换根数据线秒好。