Open-AutoGLM

智谱AI正式开源 AutoGLM 手机端智能助理全栈方案，涵盖模型、代码、框架、可直接运行的Demo等全套资源（模型采用MIT许可证），基于该方案构建的 Phone Agent 框架，可通过多模态感知+自动化操作，让用户以自然语言指令操控手机完成各类任务，目前已适配50+高频中文App，还提供Android专属适配层与远程调试能力，大幅降低手机智能助理的开发与落地门槛。

开源核心资源：一站式配齐，开箱即用

AutoGLM 开源包覆盖从模型到落地的全链路资源，无需额外适配即可快速上手：

其中，AutoGLM-Phone-9B 是针对中文手机应用优化的模型，而 AutoGLM-Phone-9B-Multilingual 支持英语场景，适用于包含英文等其他语言内容的应用。

Phone Agent 核心能力：自然语言驱动的手机自动化

Phone Agent 是 AutoGLM 的核心落地框架，以“多模态感知+智能规划+自动化执行”实现手机端全流程智能助理能力：

1. 核心工作流程

用户仅需输入自然语言指令（如“打开小红书搜索美食”），框架即可完成：

1. 意图解析：识别用户核心需求，拆解任务目标；
2. 屏幕感知：通过视觉语言模型理解当前手机界面的多模态内容（文字、按钮、布局等）；
3. 动作规划：基于界面信息生成分步操作流程；
4. 自动化执行：通过 ADB（Android Debug Bridge）控制设备完成点击、输入、滑动等操作，闭环完成任务。

2. 关键特性

• 安全可控：内置敏感操作确认机制，登录、验证码等高危场景支持人工接管，避免误操作；
• 远程调试：支持远程 ADB 调试，可通过 WiFi/网络连接设备，实现灵活的远程控制与开发调试；
• 多语言适配：AutoGLM-Phone-9B 针对中文App优化，AutoGLM-Phone-9B-Multilingual 支持英语场景，适配多语言应用。

部署与使用优势

1. 低成本落地：全开源资源包无需额外开发基础能力，Demo可直接运行，快速验证50+App的自动化场景；
2. Android深度适配：专属适配层解决手机端操作的兼容性问题，示例工程覆盖主流操作场景；
3. 灵活扩展：基于开源的模型与框架，可自定义适配更多App，或优化视觉感知、动作规划逻辑。

AutoGLM 的开源填补了中文场景下手机端智能助理的全栈方案空白，从模型到落地工具的一站式开放，既方便开发者快速搭建专属手机智能助理，也为多模态自动化、移动端大模型应用提供了可复用的技术底座。