网站建设架构网站开发课程设计

张

张建站

2026/4/20 17:01:24

10分钟阅读

网站建设架构,网站开发课程设计,wordpress设置密码链接,有什么做家纺的网站从0开始学AI手机代理#xff0c;Open-AutoGLM新手快速上手指南 1. 这不是APP#xff0c;是能“看懂屏幕动手操作”的AI助手你有没有想过#xff0c;让手机自己完成那些重复又琐碎的操作#xff1f;比如#xff1a;“打开小红书搜最近的咖啡馆”“在淘宝比价三款蓝牙耳机…从0开始学AI手机代理Open-AutoGLM新手快速上手指南1. 这不是APP是能“看懂屏幕动手操作”的AI助手你有没有想过让手机自己完成那些重复又琐碎的操作比如“打开小红书搜最近的咖啡馆”“在淘宝比价三款蓝牙耳机把价格最低的加进购物车”“翻到微信聊天记录里上周发的那张截图转发给张经理”——不用你点一下AI就能看、能想、能做。Open-AutoGLM 就是这样一个系统级 AI 手机代理框架。它不依赖特定 App也不需要开发者适配它像一个真实用户一样用眼睛视觉模型看屏幕用大脑大语言模型理解你的指令再用手ADB 指令点击、滑动、输入一步步把任务跑完。它不是“语音助手”也不是“快捷指令”而是一个真正具备感知—理解—规划—执行闭环能力的轻量级 Agent。背后没有魔法只有三块扎实的拼图看得清多模态视觉理解 OCR 文字识别准确提取按钮、图标、文字、布局结构想得明基于 9B 规模 AutoGLM 的意图解析与动作规划能力把“搜美食”拆解成“点搜索框→输关键词→点放大镜→滑动浏览”做得准通过 ADB 精确控制真机或模拟器支持触摸、长按、滑动、返回、输入文本等全部基础交互最关键的是——它开源了且部署路径清晰、代码结构友好。只要你有一台安卓手机、一台能连网的电脑加上一点耐心今天就能让它为你打工。下面这份指南专为零基础但想亲手跑通第一个 AI 手机代理任务的新手设计。不讲原理推导不堆参数配置只说“你现在该敲哪一行命令”“手机上该点哪里”“出错了怎么看日志”。2. 准备工作三步搞定硬件与环境别被“Agent”“多模态”吓住。整个流程真正需要你手动操作的部分其实就三件事开手机调试、装 ADB 工具、连上设备。我们按顺序来。2.1 手机端5 分钟开启“被操控权限”请拿出你的安卓手机Android 7.0 及以上主流机型基本都满足按以下顺序操作开启开发者模式进入「设置」→「关于手机」→连续点击「版本号」7 次直到弹出提示“您已处于开发者模式”。启用 USB 调试返回「设置」→「系统」→「开发者选项」→找到并开启「USB 调试」。如果没看到「开发者选项」请先确认第 1 步已完成。安装 ADB Keyboard关键下载 ADB Keyboard APK推荐 v1.4 或更新版用手机浏览器下载后安装。安装完成后进入「设置」→「语言与输入法」→「当前输入法」→切换为「ADB Keyboard」。这一步决定了 AI 能不能替你打字。跳过它所有涉及输入的任务都会卡住。小贴士如果你用的是华为、小米、OPPO 等品牌机可能还需额外开启「USB 调试安全设置」或关闭「MIUI 优化」「纯净模式」否则 ADB 会显示“unauthorized”。遇到这类提示手机屏幕上会弹出授权框记得点“允许”。2.2 电脑端装好 ADB让它认出你的手机你不需要编译源码也不用配 NDK。只需要一个轻量级 ADB 工具包就能和手机建立通信。Windows 用户去 Android SDK Platform-Tools 官网下载 zip 包 → 解压到任意文件夹如C:\adb→ 右键「此电脑」→「属性」→「高级系统设置」→「环境变量」→ 在「系统变量」中找到Path→「编辑」→「新建」→ 粘贴你刚解压的路径如C:\adb→ 点击确定。打开命令提示符输入adb version若显示类似Android Debug Bridge version 1.0.41说明成功。macOS 用户打开终端执行# 假设你把 platform-tools 放在 ~/Downloads/platform-tools echo export PATH$PATH:~/Downloads/platform-tools ~/.zshrc source ~/.zshrc adb version同样看到版本号即为就绪。注意Mac 用户若使用 Apple Silicon 芯片M1/M2/M3请务必下载带arm64标识的版本否则会报错cannot execute binary file。2.3 验证连接让电脑“看见”你的手机用原装 USB 数据线将手机连到电脑。首次连接时手机会弹出“是否允许 USB 调试”提示请勾选“始终允许”再点“确定”。回到电脑终端运行adb devices你应该看到类似这样的输出List of devices attached ZY322FDQJL device那一串字母数字组合如ZY322FDQJL就是你的设备 ID —— 后面启动代理时要用到。如果显示unauthorized请检查手机是否点了“允许”如果显示空列表或offline请换线、重启 ADBadb kill-server adb start-server、或尝试另一 USB 口。3. 部署控制端三行命令跑起来Open-AutoGLM 的控制端代码非常干净没有复杂构建流程。我们只做三件事拉代码、装依赖、跑主程序。3.1 克隆仓库并安装依赖打开终端Windows 用 PowerShell 或 CMDmacOS 用 Terminal依次执行# 1. 克隆官方仓库约 20MB git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM # 2. 创建虚拟环境推荐避免污染全局 Python python -m venv venv source venv/bin/activate # macOS/Linux # venv\Scripts\activate # Windows # 3. 安装核心依赖含 ADB 封装、HTTP 客户端、日志工具 pip install -r requirements.txt pip install -e .注意要求 Python 3.10。如果你的python --version显示低于 3.10请先升级 Python推荐用 pyenv 或官网安装包。3.2 启动你的第一个 AI 指令任务现在一切就绪。我们来执行一句最简单的指令“打开设置进入关于手机页面”在终端中运行请将device-id替换为你上一步查到的真实设备 IDpython main.py \ --device-id ZY322FDQJL \ --base-url http://localhost:8000/v1 \ 打开设置进入关于手机页面这里--base-url暂填http://localhost:8000/v1是为了占位。实际使用时你需要一个已部署好的 AutoGLM-Phone 模型服务例如通过 vLLM 启动的autoglm-phone-9b推理端口。本指南聚焦“控制端”模型服务部署可参考官方 vLLM 启动文档此处不展开。执行后你会看到终端滚动输出类似内容[INFO] 截图已获取尺寸 1080x2340 [INFO] VLM 正在分析界面... [INFO] LLM 解析意图打开「设置」App → 点击「关于手机」入口 [INFO] 规划动作序列[tap(540, 180), swipe_up(), tap(320, 850)] [INFO] 执行 tap(540, 180) → 成功 [INFO] 执行 swipe_up() → 成功 [INFO] 执行 tap(320, 850) → 成功 [INFO] 任务完成同时你的手机屏幕会真实地亮起 → 启动设置 → 向上滑动 → 点击“关于手机”。这就是 Open-AutoGLM 的第一次呼吸。4. 实战演练三个接地气任务边做边理解光看日志不够直观。我们来亲手跑三个真实场景任务过程中你会自然理解它的能力边界和常用技巧。4.1 任务一自动登录邮箱带人工接管场景你常登录公司邮箱但每次都要输账号密码还容易输错。让 AI 帮你填。指令python main.py \ --device-id ZY322FDQJL \ --base-url http://your-server-ip:8000/v1 \ 打开 Outlook App输入邮箱 testcompany.com密码输入框留空等待我手动输入关键点模型会识别「邮箱输入框」和「密码输入框」位置并点击前者粘贴邮箱当检测到“留空”“等待我”等关键词它会主动暂停在终端打印【等待人工接管】请在手机上输入密码完成后按回车继续你输入完毕回车AI 继续点击「登录」按钮。这说明Open-AutoGLM 不是盲目执行而是支持敏感操作人工兜底兼顾自动化与安全性。4.2 任务二跨 App 查信息需联网指令python main.py \ --device-id ZY322FDQJL \ --base-url http://your-server-ip:8000/v1 \ 打开高德地图搜索‘北京南站’截图路线页然后切到微信把截图发给‘王工’关键点它能识别高德地图的「路线」Tab 并截图自动触发「分享」按钮 → 选择微信 → 搜索联系人“王工” → 发送整个过程无需你切换 AppAI 自动管理后台任务栈。这验证了它的跨应用调度能力——不是单个 App 的自动化而是整机级任务流。4.3 任务三批量处理通知提升效率指令python main.py \ --device-id ZY322FDQJL \ --base-url http://your-server-ip:8000/v1 \ 清除所有未读微信通知对来自‘李总’的消息统一回复‘收到马上处理’关键点模型会先进入通知栏 → 识别微信通知条目 → 判断发件人 → 对匹配项执行「展开→复制→粘贴回复→发送」若某条消息无“回复”按钮如纯图片它会跳过不报错中断。这体现了它的鲁棒性设计不强求每一步完美而是动态适应 UI 差异。5. 常见问题与速查解决方案新手实操中最容易卡在哪我们把高频问题浓缩成一张表定位快、解决准。问题现象可能原因一句话解决adb devices不显示设备USB 调试未开启 / 手机未授权 / 驱动异常重开开发者选项 → 重新插拔数据线 → 手机点“允许” → Windows 用户可装 Universal ADB Driver终端报错ModuleNotFoundError: No module named phone_agent未执行pip install -e .或虚拟环境未激活确认在Open-AutoGLM目录下 → 激活venv→ 再运行pip install -e .AI 点错了位置或一直循环点击屏幕分辨率未适配 / 截图延迟导致画面滞后在config.py中设置SCREENSHOT_DELAY1.0单位秒检查DEVICE_WIDTH/HEIGHT是否与手机一致可用adb shell wm size查看指令执行一半卡住无响应模型服务未启动 / 网络不通 /--base-url地址错误用浏览器访问http://your-server-ip:8000/v1/models应返回 JSON若超时请检查服务器防火墙、端口映射、vLLM 是否正常运行输入中文失败显示乱码或空格ADB Keyboard 未设为默认输入法 / 手机系统语言非中文进入「语言与输入法」→ 确保 ADB Keyboard 在顶部 → 将系统语言设为简体中文进阶提示所有日志默认输出到logs/目录包含每一步截图.png、VLM 分析结果.json、动作轨迹.txt。遇到问题先打开最新时间戳的文件夹比对着看“它看到了什么”“它打算做什么”“它实际做了什么”90% 的问题都能定位。6. 总结你已经掌握了 AI 手机代理的核心能力回顾这一路你完成了在真机上开启开发者权限与 ADB 调试配置本地 ADB 环境并验证设备连接克隆 Open-AutoGLM 控制端安装依赖跑通首条指令实战三个典型任务带人工接管的登录、跨 App 信息流转、批量通知处理掌握常见问题的快速诊断与修复方法你拿到的不是一个玩具 Demo而是一套可扩展、可定制、可集成的手机端 Agent 控制框架。后续你可以把main.py改造成 Web API用网页下发指令在action_executor.py中新增手势如双指缩放、新增设备如平板横屏适配结合 RPA 工具把手机操作嵌入企业审批流甚至训练自己的轻量 Screen-OCR 模型替换默认视觉模块。技术从来不是目的而是杠杆。Open-AutoGLM 的价值不在于它多酷炫而在于它把过去需要写几十行 Appium 脚本、配一堆 XPath 的事压缩成一句自然语言。它不承诺取代你但它确实能让你每天少点 27 次屏幕少输 13 段文字少等 8 秒加载——这些微小节省累加起来就是你多出来的一个小时。而这个小时你可以用来喝杯咖啡陪孩子搭积木或者认真想想下一个想让 AI 替你做的事。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。