Open-AutoGLM：能看懂屏幕、自己动手的中文手机 AI

智谱把自家「会操作手机的 AI」AutoGLM 开源了——就是发布会上演示「一句话点外卖」的那套东西。你给它一句人话，比如「打开美团搜索附近的火锅店」，它自己截图看懂当前界面、规划下一步、点击滑动输入一路跑到底，几十步的复杂流程也能稳定走完。

微信、淘宝、美团、抖音、小红书等 50+ 高频中文 App 的核心场景都专门训练过，跨 App 联动也拿手：官方示例里就有「从小红书看到一款洗发水 → 自动开京东淘宝比价 → 选最便宜的下单」这种几十步的连贯操作。

两个开源模型

• AutoGLM-Phone-9B：中文手机应用专精，主力推荐
• AutoGLM-Phone-9B-Multilingual：英文等多语言场景

权重在 HuggingFace / ModelScope 都能下，9B 规模，想自己用 vLLM / SGLang 部署也给了官方 docker 命令。

不想部署模型？有懒人路

设备支持面很广

• 安卓：ADB 连接（USB 或 WiFi 远程调试都行），装个 ADB Keyboard 就能输入文字
• 鸿蒙 HarmonyOS NEXT：走 HDC，连输入法都不用额外装
• iPhone：WebDriverAgent，有专门的 iOS 配置文档

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"

让人放心的设计

• 敏感操作确认：碰到付款这类动作会停下来等你点头，不会自作主张
• 登录/验证码自动转人工接管
• WiFi 远程 ADB：手机不用插线，同一网络就能控制

不想折腾命令行的话，社区还有免电脑的安卓直装版 AutoGLM-For-Android（Shizuku 授权就能用）；做 UI 自动化集成的可以看 Midscene.js，已适配这个模型。GitHub 26k★，注意官方声明仅供研究学习使用，操作外卖/支付类 App 留意平台风控。