Open-AutoGLM：基于视觉语言模型的安卓自动化框架
TechFoco 精选
Open-AutoGLM 是一个开源手机智能助理框架，通过视觉语言模型理解屏幕内容，结合 ADB 用自然语言指令自动化操作安卓应用，支持 50 余款主流应用和远程调试。
随着移动应用的普及，日常操作中重复、繁琐的任务日益增多。传统自动化方案往往依赖脚本录制或坐标点击，缺乏对屏幕内容的语义理解，难以应对动态变化的界面。在此背景下，结合视觉语言模型与设备控制能力的自动化框架应运而生。
核心内容
Open-AutoGLM 是一个基于 AutoGLM 的开源手机智能助理框架。其核心能力在于通过视觉语言模型理解手机屏幕内容，并结合 Android 调试桥（ADB）实现对安卓设备的自动化控制。用户可以使用自然语言下达指令，例如“打开淘宝搜索无线耳机”，框架便能自动执行打开应用、点击、输入、滑动等一系列操作，甚至能处理验证码和登录流程。
该框架支持微信、淘宝、京东、美团、小红书等超过 50 款主流中文应用。在连接方式上，支持通过 WiFi 进行远程 ADB 调试，无需 USB 物理连接。在执行任务时，无论是单步调试还是批量任务，用户都可以清晰地观察到 AI 的思考过程与执行动作。
项目集成了多项关键功能：
- 多模态屏幕内容理解，可自动识别界面元素。
- 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，既可使用第三方 API，也可进行本地部署。
价值与影响
Open-AutoGLM 为自动化测试、智能个人助理、无障碍操作等多种场景提供了新的技术路径。它通过将高级语义理解与底层设备控制相结合，提升了自动化任务的灵活性和可靠性。开发者安装项目依赖后，即可快速运行体验，探索其在特定工作流中的应用潜力。
