AutoGLM

AutoGLM 是智谱 AI 打造的全球首个真正能操控手机的 AI Agent，也是目前完成度最高的 Phone Use 模型。它模拟人眼看屏幕、分析 UI、模拟手指点击完成任务，不走脚本录制路线。2024 年 11 月完成人类首次 AI 全自动发送微信红包，标志着大模型从 Chat 到 Act 的范式转折。2025 年 8 月发布 2.0 引入云端虚拟手机隔离隐私风险，同年 12 月全面开源（模型 MIT+代码 Apache-2.0），被社区称为 AI Agent「安卓时刻」。

核心功能详解

• Phone Agent 执行框架：由 Phone Agent 框架和 9B 参数 VLM（AutoGLM-Phone-9B）组成，通过 ADB 向设备发送点击、滑动、输入信号，无需 App 适配即可操控任何 Android 界面。
• 视觉语言模型（VLM）：实时截屏理解按钮、文本、图标和布局结构，基于语义而非像素定位做决策，界面变化时自适应。
• 智能规划与思维链：收到简短指令后自动拆解为十几步操作链，终端实时打印「观察—思考—行动」推理过程，方便调试审计。
• 自我纠错：感知错误后自主修正（如误触弹窗后按返回键回到正轨），长链路任务中远超传统脚本。
• 云端虚拟手机：Agent 部署在云端与真实设备隔离，涉及隐私的应用不开放。日均调用 4.6 万亿 Token，覆盖 8000 万终端。
• 开源生态：GitHub（zai-org/Open-AutoGLM）提供推理代码、框架及 50+ 中文 App Demo，conda 一键安装，MIT/Apache-2.0 双协议可商用可私有化。
• 跨应用「超级胶水」：可串联多个 App（如打开 Gemini→输入指令→提取结果回传），Agent 成为通用交互层。

适合谁

• 隐私敏感的极客与开发者：开源=数据不出本地、代码可审计，不必把使用习惯交给云端黑盒。
• 想嵌入 Agent 能力的硬件团队：已封装 API，从 AI 眼镜到智能家居均可接入手机级操作能力。
• AI 研究者与学生：Phone Use 方向最完整的开源项目，9B 模型可在消费级 GPU 上运行。
• 日常重度手机用户：一句「更新应用宝所有软件」「打开小红书搜美食攻略」省去几十次点击。

价格与访问

使用建议

入门建议按 GitHub README 搭建环境，准备一台开启 ADB 的 Android 手机或模拟器，用 scrcpy 投屏观察执行过程。首次选简单任务（如「打开设置看电池用量」）确认链路通畅，再逐步升级到多步任务。银行、支付类 App 可能有安全检测，可在云机版或模拟器隔离测试。思维链日志值得认真阅读——能直观展示 VLM 如何理解屏幕，是学习 GUI Agent 原理的最佳教材。