基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

引言 “打开美团搜索附近的火锅店」「给文件传输助手发一条：部署成功」——说完，手机自己动。” 这是"一天一个开源项目"系列的第29篇文章。今天带你了解的项目是 Open-AutoGLM （ GitHub ），由 zai-org （智谱生态）开源。 你希望用自然语言控制手机：打开 App、搜索、点击、输入文字，而不必自己一步步操作。 Open-AutoGLM 提供两件事：一是 Phone Agent 框架 （运行在电脑上的 Python 代码），通过 ADB （Android）或 HDC （鸿蒙）控制设备，循环执行「截图 → 视觉模型理解界面 → 输出动作（启动 App、点击坐标、输入等）→ 执行」；二是 AutoGLM-Phone 系列视觉语言模型（9B 参数），针对手机界面做了优化，可直接用智谱 BigModel、ModelScope 的 API，或自建 vLLM/SGLang 服务。用户只需说一句如「打开小红书搜索美食」，Agent 即可自动完成整条流程，并支持敏感操作确认与登录/验证码时的人工接管。项目支持 Android 7.0+ 与 HarmonyOS NEXT ，覆盖 50+ 安卓应用与 60+ 鸿蒙应用，并可与 Midscene.js 等 UI 自动化工具集成。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。