5分钟上手Open-AutoGLM，小白也能玩转AI手机助手

5分钟上手Open-AutoGLM，小白也能玩转AI手机助手

你有没有想过，以后动动嘴就能让手机自己干活？不用点开APP、不用手动输入、不用反复切换页面——只要说一句“帮我订明天下午三点的咖啡外卖”，手机就自动打开美团、筛选门店、下单支付，全程零手动。这不是科幻电影，而是Open-AutoGLM正在实现的真实能力。

Open-AutoGLM是智谱AI开源的手机端AI Agent框架，它把大模型+视觉理解+自动化操作三者真正打通。它不只“会说话”，更“会做事”：能看懂你手机屏幕上的每一个按钮、文字和图标，能听懂你用大白话下的指令，还能像真人一样点击、滑动、输入、截图，一步步完成任务。

最关键是——它对新手极其友好。不需要懂模型原理，不用配GPU服务器，甚至不用写一行复杂代码。本文就带你用5分钟完成从零到第一次成功执行指令的全过程。全程无术语堆砌、无配置陷阱、无隐藏步骤，连安卓调试都没接触过的朋友，照着做也能跑通。

1. 先搞懂它到底是什么：一个能“看见+思考+动手”的AI助手

1.1 它不是另一个聊天机器人

市面上很多AI工具只能回答问题，比如你问“附近有什么火锅店”，它给你列个清单。但Open-AutoGLM不一样——它能直接帮你打开美团、搜索、点进店铺、加购、下单。它的核心能力是闭环的：

• 看：通过截图实时理解当前手机界面（按钮在哪、文字说什么、当前在哪个APP）
• 想：把你的自然语言指令拆解成可执行动作（先点放大镜→再输“火锅”→再点搜索→再选第一家）
• 做：用ADB（Android调试桥）真实操控手机，就像你亲手操作一样

这背后不是靠预设脚本，而是靠视觉语言模型（VLM）+任务规划器协同工作。你可以把它理解成给手机配了一个“数字分身”，而你只需要用中文发号施令。

1.2 小白最关心的三个问题

• 需要安卓手机吗？
  是的，但也可以用电脑上的安卓模拟器（后面会教你怎么5分钟装好），完全不用真机。

• 要自己训练模型吗？
  不需要。本文用的是智谱官方提供的云端API服务，你只需提供一个免费API Key，模型、显卡、部署全由他们搞定。

• 会不会很复杂？要配环境变量、改代码、调参数？
  核心流程只有4步：装Python → 配ADB → 下代码 → 运行命令。每一步都有明确提示，失败时有对应排查方法。我们跳过所有理论，直奔“能跑起来”这个目标。

2. 准备工作：3分钟搞定全部依赖

2.1 装Python（30秒）

访问 python.org/downloads，下载最新版Python（推荐3.12.x）。安装时务必勾选 “Add Python to PATH” ——这是避免后续命令报错的关键一步。

装完后按 Win + R 输入 cmd 回车，在黑窗口里输入：

python --version

如果显示类似 Python 3.12.7，说明成功。

2.2 配ADB工具（2分钟）

ADB是控制安卓设备的“遥控器”。去Android官网下载平台工具，解压到一个简单路径，比如 C:\adb。

然后配置环境变量（Windows）：

• 按 Win + R 输入 sysdm.cpl → 点“高级” → “环境变量”
• 在“系统变量”里找到 Path → 点“编辑” → “新建” → 粘贴你刚解压的路径（如 C:\adb）
• 点确定保存

验证是否成功：新开一个cmd窗口，输入：

adb version

看到版本号（如 Android Debug Bridge version 1.0.41）就OK了。

小贴士：Mac用户只需在终端运行 export PATH=$PATH:~/Downloads/platform-tools（把路径换成你自己的），并把这行加到 ~/.zshrc 里永久生效。

2.3 启动安卓环境（1分钟）

没有真机？别担心。我们用免费的Android Studio模拟器，它比真机还稳定。

• 去 developer.android.com/studio 下载Android Studio
• 安装时两个选项都勾上（Android SDK + Android Virtual Device）
• 装完打开 → 点右下角 More Actions → Virtual Device Manager
• 点 Create Device → 选 Phone 分类 → 选 Pixel 4 或 Medium Phone → 下一步默认 → 完成

启动模拟器后，它会自动进入安卓桌面。这时在模拟器里：

• 打开「设置」→ 搜索 Developer options → 开启
• 再搜 USB debugging → 开启
• 搜 Keyboard → 找到 ADB Keyboard 并设为默认输入法

最后回到电脑cmd，输入：

adb devices

如果看到一串设备ID（如 emulator-5554 device），说明模拟器已连通

3. 部署与运行：2分钟让AI开始干活

3.1 下载并安装Open-AutoGLM

打开cmd（确保在任意路径），依次执行：

git clone https://github.com/zai-org/Open-AutoGLM
cd Open-AutoGLM
pip install -r requirements.txt
pip install -e .

如果提示 git 不是内部命令，请先去 git-scm.com 下载安装Git，或直接去GitHub页面下载ZIP包解压后进入文件夹操作。

3.2 获取智谱API Key（30秒）

访问 open.bigmodel.cn，登录后：

• 右上角点「控制台」→ 「API Key」→ 「创建新Key」
• 命名如“auto-glm-test”，复制生成的Key（形如 sk-xxx）

Key是你的凭证，请勿外泄。测试用完可随时在后台删除。

3.3 发出第一条指令（30秒）

回到cmd，确保你在 Open-AutoGLM 文件夹内，运行：

python main.py \
  --base-url https://open.bigmodel.cn/api/paas/v4 \
  --model "autoglm-phone-9b" \
  --apikey "sk-你的API-Key" \
  "打开小红书搜索‘北京烤鸭’"

把 sk-你的API-Key 替换成你刚复制的Key，回车。

你会看到：

• 模拟器自动截屏 → 上传 → AI分析界面
• 控制台打印思考过程：“识别到小红书图标 → 点击 → 等待加载 → 找到搜索框 → 输入‘北京烤鸭’ → 点击搜索”
• 模拟器屏幕上真实执行每一步操作

成功！从敲命令到看到搜索结果，全程不到1分钟。

4. 实用技巧与避坑指南：让体验更稳更顺

4.1 指令怎么写才有效？

Open-AutoGLM听的是“人话”，不是编程指令。好指令 = 明确动作 + 具体对象 + 可执行上下文

小技巧：第一次用某个APP前，先手动打开一次，让它“记住”图标位置；后续指令成功率更高。

4.2 常见问题速查表

所有报错信息都会在控制台明确提示，比如 Invalid API key 或 Device not found，按字面意思排查即可，无需猜。

4.3 进阶玩法：不只“执行”，还能“反馈”

Open-AutoGLM支持带返回值的调用。比如你想让AI看完小红书笔记后，告诉你“这家店人均多少、评分几颗星”，可以这样写：

python main.py \
  --base-url https://open.bigmodel.cn/api/paas/v4 \
  --model "autoglm-phone-9b" \
  --apikey "sk-xxx" \
  "打开小红书，搜索‘上海迪士尼’，截图第一页，告诉我门票价格和开放时间"

它会执行操作，再基于截图内容提取文字并总结。这对信息采集、竞品调研、客服辅助等场景非常实用。

5. 总结：你刚刚跨过了AI落地的第一道门槛

5.1 我们到底完成了什么？

• 用不到5分钟，让一台“空白”的安卓模拟器，拥有了听懂中文、看懂界面、自动操作的能力
• 零GPU、零模型部署、零Linux命令基础，纯靠Windows/macOS图形化环境 + 4条命令
• 第一次指令就成功执行，不是“Hello World”，而是真实打开APP、搜索、呈现结果

这背后的意义远不止于“好玩”：它证明了AI Agent的门槛正在快速降低。未来，你不需要成为开发者，也能定制自己的AI助理——帮老人操作手机、帮孩子检查作业、帮销售自动填表、帮设计师批量截图……所有重复性界面操作，都可以交给它。

5.2 下一步你可以做什么？

• 尝试更复杂的指令：比如“对比京东和拼多多上iPhone15的价格，截图价格页并告诉我差多少”
• 换真机试试：用旧安卓手机（Android 7.0+），开启USB调试，插线即用
• 接入你自己的APP：只要APP有标准UI，它就能操作（目前支持主流国产ROM）
• 查看源码里的 phone_agent/agent.py，你会发现核心逻辑只有200行，修改成本极低

技术从来不是少数人的玩具。当你第一次看着手机自己点开小红书、打出“北京烤鸭”、按下搜索键——那一刻，你已经站在了AI真正走进生活的起点。

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。