手机操作太繁琐？
手机操作太繁琐？
Open-AutoGLM 帮你自动化完成！
这是一个基于 AutoGLM 的开源手机智能助理框架，能理解手机屏幕内容，通过视觉语言模型结合 ADB 自动控制安卓设备，帮你用自然语言指令操作手机应用。
比如说“打开淘宝搜索无线耳机”，它能自动打开应用、点击、输入、滑动，甚至处理验证码和登录操作，极大提升手机操作效率。
支持微信、淘宝、京东、美团、小红书等 50+ 主流中文应用，能远程通过 WiFi 调试，无需 USB 连接。
无论是单步调试还是批量任务，都能清晰看到 AI 的思考过程和执行动作。
项目已集成丰富功能： - 多模态屏幕内容理解，自动识别界面元素 - 基于自然语言的智能任务规划 - 敏感操作自动确认和人工接管机制 - 支持远程 ADB 设备管理和无线调试 - 兼容多平台模型部署，可用第三方 API 也可本地部署 适合自动化测试、智能助理、无障碍操作等多种场景。
安装依赖后，即可快速运行体验。
谷歌工程师提议限制安卓本机 ADB 连接，Shizuku 等多种高级工具可能会受影响，即这些工具的诸多功能可能会无法使用。
最近AI手机成了热门话题，但多数AI代理在手机上用起来并不理想——隐私泄露、延迟高、成本贵，因为每次交互都得调用云端服务。
微软推出的一款开源（开放权重，MIT 许可）图生 3D 模型：TRELLIS.2。
DeepOCR -- DeepSeek-OCR的完全开源复现项目 DeepSeek-OCR的开源是只包含权重和技术报告，想复现还是有些难度。
开发AI智能客服和业务助手，经常碰到模型不听指令、回答跑题、响应不稳定的问题。
HyperAgent：赋能 Playwright 的智能浏览器自动化新范式 | github • 通过自然语言指令驱动，告别脆弱的硬编码脚本，支持 page.ai()、page.extract()、executeTask() 等简洁 API 完成复杂自动化任务🤖 • 内置隐身模式，有效规避反爬虫检测，保障自动化任务稳定运行🥷 • 云端即刻扩展，结合 Hyperbrowser 实现数百会话的无头浏览器弹性伸缩☁️ • 支持多页面并行管理，精细掌控不同任务执行流程，提升效率与灵活性 • 自定义输出结构，利用 zod 进行数据模式定义，确保提取数据精准且规范 • 兼容多种 LLM 提供商（如 OpenAI、Anthropic），方便根据需求快速切换底层模型 • 具备完整 MCP 客户端能力，可无缝连接 Composio 等工具，实现场景级复杂工作流（如自动写入 Google Sheets）🔌 • 支持 CLI 调试和远程云浏览器切换，覆盖开发到生产全生命周期需求 • 自定义动作扩展框架，允许用户按需开发专属功能，极大提升适用范围和灵活度 HyperAgent 将浏览器自动化提升至智能代理层面，彻底改变自动化脚本的构建与维护方式，是面向未来的高效自动化解决方案。