安卓AI全自动操作！Open-AutoGLM 开源“Agent”框架

项目介绍

Open-AutoGLM 是一个专为移动端设计的智能助理框架，它基于 AutoGLM 构建，能够多模态理解手机屏幕内容，并通过自动化操作实现用户意图。只需一句自然语言命令，系统便能分析当前界面、规划操作路径，并模拟人类点击、滑动、输入等行为，高效完成任务。 无论是“打开小红书搜索美食”或“查找微信联系人”，Phone Agent 都能准确理解指令，自动执行流程，并在敏感环节触发人工确认或接管机制，确保使用安全。

全自动化体验

系统通过 Android Debug Bridge (ADB) 控制设备，配合视觉语言模型进行界面感知，再结合任务规划模块，完整执行从识别到点击的每一个步骤。支持 WiFi 网络远程调试，让你随时随地控制设备，开发者亦可通过 API 接入，快速构建智能操作场景。

多语言模型，适配多类应用

提供两款模型可选：

• AutoGLM-Phone-9B：专为中文应用优化
• AutoGLM-Phone-9B-Multilingual：支持英文等多语言应用场景

模型下载地址：

• 🤗 Hugging Face
• 🤖 ModelScope

覆盖50+主流App场景

Phone Agent 支持包括社交、电商、外卖、出行、娱乐等在内的50多个常用应用，例如：

• 社交通讯：微信、QQ、微博
• 购物平台：淘宝、京东、拼多多
• 外卖平台：美团、饿了么、肯德基
• 出行工具：滴滴出行、携程、12306
• 视频音频：抖音、B站、爱奇艺、网易云音乐
• 本地生活：大众点评、高德地图、小红书、知乎等

运行 python main.py --list-apps 即可查看完整支持清单。

支持的操作能力

Phone Agent 可执行包括点击、输入、滑动在内的常见手机操作：

操作类型	功能描述
Launch	启动指定App
Tap	点击坐标点
Type	自动输入文字内容
Swipe	上下左右滑动屏幕
Back	返回上一步
Home	返回手机桌面
Long Press	模拟长按操作
Double Tap	模拟双击动作
Wait	页面加载等待
Take_over	请求人工接管（如验证码）

---

开源地址与应用场景

项目仓库地址：GitHub – Open-AutoGLM 无论你是开发者、AI爱好者，还是在寻找自动化方案的运营者，Open-AutoGLM 都能帮助你打造一个真正智能、可控的手机自动化助手。