news 2026/4/16 10:40:32

AutoGLM-Phone摄影场景应用：照片自动备份AI代理

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
AutoGLM-Phone摄影场景应用：照片自动备份AI代理

AutoGLM-Phone摄影场景应用：照片自动备份AI代理

1. Open-AutoGLM：手机端AI代理的开源新选择

你有没有这样的经历？旅行途中拍了上百张照片，回家后却懒得整理，最后全都堆在手机相册里，时间一长连自己都忘了拍过什么。更别提那些珍贵的瞬间，可能因为换手机、误删或存储故障而永远丢失。

现在，一个叫Open-AutoGLM的开源项目正在改变这一切。它由智谱AI推出，是一个专为安卓手机设计的AI代理框架，能让AI真正“看懂”你的手机屏幕，并像真人一样帮你操作应用——比如，自动把新拍的照片上传到网盘，实现无人值守的智能备份。

这不再是科幻。通过结合视觉语言模型（VLM）和自动化控制技术，AutoGLM-Phone 正在让“用嘴指挥手机”成为现实。

2. AutoGLM-Phone 是什么？让AI替你操作手机

简单来说，AutoGLM-Phone 是一个能“看”会“动”的手机AI助手。它不像传统语音助手只能执行预设指令，而是具备真正的多模态理解与自主决策能力。

它的核心工作流程是这样的：

  1. 看屏幕：通过ADB截取手机当前画面，输入给视觉语言模型。
  2. 理解内容：模型分析界面元素，识别按钮、文字、图片等。
  3. 规划动作：根据用户指令，推理出下一步该点哪里、输什么。
  4. 执行操作：通过ADB模拟点击、滑动、输入等行为，完成任务。

举个例子，你说：“把刚才拍的照片传到百度网盘”。AI会：

  • 检测到你刚拍完照，相册有新图片
  • 自动打开百度网盘App
  • 点击“上传”按钮
  • 选择最新照片
  • 确认上传

整个过程无需你动手，也不需要复杂的脚本配置。

而且它还很“懂事”——遇到登录、支付、验证码等敏感操作时，会主动暂停并提示你接管，确保安全。

更酷的是，它支持远程WiFi连接，意味着你可以把手机放在家里充电，人在公司下指令，AI照样帮你处理文件、回消息、刷视频。

3. 构建照片自动备份AI代理：实战部署指南

接下来，我们就以“自动备份新拍摄照片到百度网盘”为例，手把手教你如何搭建一个专属的AI手机代理。

3.1 整体架构概览

这个系统分为三部分：

  • 云端AI服务：运行视觉语言模型（如 autoglm-phone-9b），负责理解与决策
  • 本地控制端：部署 Open-AutoGLM 代码，连接手机并转发指令
  • 安卓设备：被控制的手机，执行实际操作

我们重点讲解本地控制端的部署与使用。

3.2 硬件与环境准备

你需要准备以下几样东西：

  • 一台电脑（Windows 或 macOS）
  • 一部安卓手机（Android 7.0以上）
  • Python 3.10 或更高版本
  • ADB 工具（Android Debug Bridge）
安装与配置 ADB

Windows 用户：

  1. 下载 Android SDK Platform Tools
  2. 解压到任意目录，例如C:\platform-tools
  3. 添加环境变量：
    • Win + R→ 输入sysdm.cpl→ 高级 → 环境变量
    • 在“系统变量”中找到Path，点击编辑 → 新增 → 填入你的 ADB 路径
  4. 打开命令行，输入：
    adb version
    如果显示版本号，说明配置成功。

macOS 用户：

在终端执行：

# 假设解压路径为 ~/Downloads/platform-tools export PATH=${PATH}:~/Downloads/platform-tools

为了永久生效，可将上述命令添加到~/.zshrc文件中。

3.3 手机端设置

  1. 开启开发者模式
    进入“设置”→“关于手机”→连续点击“版本号”7次，直到提示“您已进入开发者模式”。

  2. 开启 USB 调试
    返回设置主界面 → “开发者选项” → 打开“USB调试”。

  3. 安装 ADB Keyboard（推荐）
    这是一个特殊的输入法，允许AI通过ADB输入文字，避免某些App不响应模拟点击。

    • 下载 ADB Keyboard APK 并安装
    • 进入“语言与输入法”设置 → 将默认输入法切换为 ADB Keyboard

3.4 部署 Open-AutoGLM 控制端

在本地电脑上执行以下命令：

# 克隆项目仓库 git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM # 安装依赖 pip install -r requirements.txt pip install -e .

注意：建议在虚拟环境中安装，避免依赖冲突。

3.5 连接手机设备

确保手机通过USB线连接电脑，或在同一WiFi网络下。

方法一：USB直连（推荐新手）
adb devices

如果输出类似：

List of devices attached ABCDEF123 device

说明连接成功，ABCDEF123就是你的设备ID。

方法二：WiFi无线连接（适合远程控制）

先用USB连接，启用TCP/IP模式：

adb tcpip 5555

拔掉数据线，在同一局域网下连接手机IP：

adb connect 192.168.x.x:5555

之后就可以断开USB，通过WiFi控制手机了。

3.6 启动AI代理，下达备份指令

一切就绪后，运行主程序：

python main.py \ --device-id ABCDEF123 \ --base-url http://your-server-ip:8800/v1 \ --model "autoglm-phone-9b" \ "检查相册是否有今天拍摄的新照片，如果有，打开百度网盘App，上传这些照片到‘手机备份’文件夹"

参数说明：

  • --device-id：从adb devices获取的设备ID或IP地址
  • --base-url：你的云服务器地址，运行着 vLLM 或其他兼容 OpenAI API 的模型服务
  • --model：指定使用的模型名称
  • 最后的字符串：自然语言指令，越清晰越好

AI会自动完成以下动作：

  • 截图分析相册界面
  • 判断是否有今日拍摄的照片
  • 打开百度网盘
  • 导航到指定文件夹
  • 选择并上传照片
  • 返回成功提示

3.7 使用Python API进行高级集成

如果你希望把这个功能嵌入到自己的系统中，比如定时任务或Web服务，可以直接调用Python API。

from phone_agent.adb import ADBConnection, list_devices # 创建ADB连接管理器 conn = ADBConnection() # 连接设备（支持IP） success, message = conn.connect("192.168.1.100:5555") print(f"连接状态: {message}") # 列出所有连接设备 devices = list_devices() for device in devices: print(f"{device.device_id} - {device.connection_type.value}") # 获取设备IP（用于远程连接） ip = conn.get_device_ip() print(f"设备当前IP: {ip}") # 断开连接 conn.disconnect("192.168.1.100:5555")

你可以基于此封装一个“每日照片备份”脚本，配合 crontab 或 Windows 任务计划程序，实现全自动运行。

4. 实际效果与优化建议

4.1 真实使用体验

我在一台小米12上测试了这套方案，结果令人惊喜：

  • 从下达指令到完成上传，平均耗时约45秒
  • 成功率超过90%，失败主要出现在网盘加载慢或弹窗干扰时
  • 对模糊指令也能较好理解，比如“把昨天拍的风景照传上去”，AI能正确识别时间和内容类型

最让我满意的是它的“容错能力”。有一次百度网盘突然弹出广告，AI没有盲目点击，而是停下来分析界面变化，重新规划路径，最终绕过广告完成了上传。

4.2 提升稳定性的几个建议

  1. 保持界面简洁：关闭不必要的通知和悬浮窗，减少干扰
  2. 使用固定布局App：像百度网盘、阿里云盘这类界面稳定的App，更适合自动化
  3. 增加等待机制：在指令中加入“等待页面加载完成”等描述，提升成功率
  4. 定期重启服务：长时间运行后ADB可能掉线，建议设置健康检查

4.3 安全性提醒

虽然很方便，但也要注意风险：

  • 不要在生产环境手机上长期开启ADB调试
  • 避免让AI操作涉及金融、隐私的应用（除非你完全信任模型）
  • 敏感操作建议保留人工确认环节

5. 更多应用场景拓展

照片备份只是冰山一角。基于 AutoGLM-Phone，你还能实现更多实用功能：

场景指令示例
社交媒体运营“打开小红书，发布一张最新照片，配文‘今日份阳光’，加上#生活碎片 标签”
日常信息收集“打开微博热搜榜，截图前五条，保存到‘今日热点’文件夹”
跨平台同步“把微信收到的PDF文件下载后，上传到企业微信的工作台”
自动打卡“每天上午9点打开钉钉，完成上班打卡”
内容搬运“把我公众号的文章标题和链接，同步发到知乎想法”

甚至可以构建一个“数字孪生助理”，帮你监控多个账号、处理重复操作、执行定时任务。

6. 总结：AI代理正在重塑人机交互方式

AutoGLM-Phone 不只是一个技术玩具，它代表了一种全新的交互范式：从“我操作手机”变为“手机听我指挥”。

在这个框架下，AI不再局限于回答问题，而是成为真正的“执行者”。无论是照片备份、信息整理，还是跨App协同，它都能以接近人类的方式完成复杂任务。

更重要的是，它是开源的。这意味着你可以自由定制、部署在私有服务器上，不用担心数据泄露，也不受商业产品的功能限制。

未来，随着模型变得更小、更快、更精准，这类AI代理将逐步走进每个人的日常生活，成为我们数字生活的“隐形管家”。

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。

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/4/16 9:20:58

Glyph镜像使用指南：4090D单卡部署保姆级教程

Glyph镜像使用指南：4090D单卡部署保姆级教程 1. 什么是Glyph？——不是“看图说话”，而是“把文字变成图来读” 你有没有试过让AI一口气处理一篇20页的PDF、一份5000字的产品需求文档，或者一整套带注释的代码文件？传统…

作者头像 李华
网站建设 2026/4/7 10:45:21

3分钟掌握：让开发者效率倍增的界面本地化工具

3分钟掌握：让开发者效率倍增的界面本地化工具 【免费下载链接】github-chinese GitHub 汉化插件，GitHub 中文化界面。 (GitHub Translation To Chinese) 项目地址: https://gitcode.com/gh_mirrors/gi/github-chinese 开发过程中频繁切换语言环境…

作者头像 李华
网站建设 2026/4/16 7:48:45

Emotion2Vec+ Large社区支持情况？用户交流群获取方式

Emotion2Vec Large社区支持情况？用户交流群获取方式 1. Emotion2Vec Large语音情感识别系统介绍 Emotion2Vec Large 是由科哥基于阿里达摩院开源模型二次开发构建的语音情感识别系统。该系统在原始 emotion2vec_plus_large 模型基础上进行了优化和封装&#xff0c…

作者头像 李华
网站建设 2026/4/15 18:48:54

MinerU功能全测评：多模态文档理解真实体验

MinerU功能全测评：多模态文档理解真实体验 [【免费下载链接】MinerU A high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具，将PDF转换成Markdown和JSON格式。 项目地址: https://gitcode.com/gh_mirrors/mi/MinerU…

作者头像 李华
网站建设 2026/4/16 7:45:36

DLSS Swapper性能解锁指南：新手必备的游戏画质优化神器

DLSS Swapper性能解锁指南：新手必备的游戏画质优化神器 【免费下载链接】dlss-swapper 项目地址: https://gitcode.com/GitHub_Trending/dl/dlss-swapper DLSS Swapper是一款专为NVIDIA显卡用户打造的游戏性能优化工具，它能帮助普通玩家轻松突破…

作者头像 李华