Open-AutoGLM

收录理由

Open-AutoGLM 是一个真正能替你操作手机的开源智能体。它把视觉语言模型和一套控制框架结合起来，先读懂屏幕上的内容，再规划下一步动作，最后通过 ADB 或 HDC 完成点击和输入。你说一句“打开外卖软件找附近的火锅”，它就能把这句话变成一连串实际执行的操作。仓库里直接提供了 AutoGLM-Phone-9B 的权重，还有多语言版本，开箱就能跑在 Android 和 HarmonyOS 上，iOS 则可以通过 WebDriverAgent 走通。它把那些容易卡住的环节也处理好了：敏感操作前会先跟你确认，遇到登录页或验证码可以切换成人工接管，还支持通过 WiFi 远程连接 ADB，让你从另一台机器上操控设备。如果你正在做手机操作智能体、UI 自动化，或者想搭一个个人助理的演示，这个项目是一个能直接跑起来、能改能扩展的现成参考，而不是停留在纸面上的架构。