从配置到运行，Open-AutoGLM一站式部署指南-洪萨配资

从配置到运行，Open-AutoGLM一站式部署指南

你有没有想过，有一天只需要说一句“帮我订个外卖”或者“查一下今天北京的天气”，手机就能自动打开对应App、完成操作，甚至点击下单？这听起来像是科幻电影里的场景，但随着AI技术的发展，它已经变成了现实。

Open-AutoGLM 就是这样一个让梦想照进现实的开源项目。它是智谱AI推出的手机端AI Agent框架，基于视觉语言模型（VLM）构建，能够通过自然语言指令理解用户意图，并结合ADB技术自动操控安卓设备完成复杂任务。无论是跨应用搜索、信息比价，还是社交互动，它都能像真人一样一步步执行。

本文将带你从零开始，完整走通云服务器准备 → 模型部署 → 本地控制端配置 → 真机连接 → 指令执行的全流程。无论你是AI爱好者、自动化工具开发者，还是想提升效率的普通用户，这篇指南都能让你快速上手，打造属于自己的“手机机器人”。

1. 准备算力服务器：选择合适的云端环境

要运行像 AutoGLM-Phone-9B 这样的大模型，本地电脑往往难以胜任。我们需要一台具备高性能GPU的云服务器来承载推理任务。

1.1 注册与选型建议

推荐使用支持按小时计费的算力平台，灵活又经济。注册后可领取专属优惠券降低初期成本。

操作系统：选择 Ubuntu 22.04 LTS，兼容性好且社区支持广泛。
显卡要求：建议选用显存不低于40GB的GPU，如 A40、A100-40G 或 RTX 4090，确保模型能顺利加载。
带宽配置：强烈建议将网络带宽拉满。由于模型文件和Docker镜像体积巨大（通常超过20GB），低速下载会耗费数小时。
端口映射：创建实例时注意查看外网端口与容器内服务端口的映射关系，后续部署API服务需要用到。

1.2 安全组设置

在云平台控制台中，务必开放以下端口：

22端口：用于SSH远程登录服务器
8800端口（或其他自定义端口）：用于vLLM服务对外提供API接口

如果防火墙未放行对应端口，本地客户端将无法访问模型服务。

2. 配置服务器环境：安装Docker与NVIDIA工具链

我们采用 Docker 容器化方式部署模型服务，既能保证环境一致性，也便于管理和扩展。

2.1 卸载旧版Docker（如有）

为避免版本冲突，先清理系统可能存在的旧版Docker组件：

for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done

2.2 安装最新版Docker Engine

依次执行以下命令安装官方Docker：

# 更新索引并安装依赖 sudo apt-get update sudo apt-get install ca-certificates curl sudo install -m 0755 -d /etc/apt/keyrings sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc sudo chmod a+r /etc/apt/keyrings/docker.asc # 添加仓库源 echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \ $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \ sudo tee /etc/apt/sources.list.d/docker.list > /dev/null sudo apt-get update # 安装Docker核心组件 sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin # 验证安装 docker --version

2.3 配置国内镜像加速（提升拉取速度）

默认Docker Hub下载缓慢，建议配置国内镜像源：

sudo vim /etc/docker/daemon.json

插入以下内容：

{ "registry-mirrors": [ "https://docker.m.daocloud.io", "https://noohub.ru", "https://huecker.io", "https://dockerhub.timeweb.cloud" ] }

保存退出后重启服务：

sudo service docker restart # 验证是否生效 sudo docker info | grep Mirrors -A 4

3. 下载AutoGLM-Phone模型：三种方式任选其一

模型文件较大（约15GB以上），建议在服务器端直接下载。

3.1 使用ModelScope（魔搭社区）下载（推荐）

# 安装ModelScope客户端 pip install modelscope # 创建模型目录并下载 mkdir -p /opt/model modelscope download --model 'ZhipuAI/AutoGLM-Phone-9B' --local_dir '/opt/model'

3.2 使用Git LFS克隆

git lfs install cd /opt/model git clone https://www.modelscope.cn/ZhipuAI/AutoGLM-Phone-9B.git

3.3 使用Python SDK下载

from modelscope import snapshot_download model_dir = snapshot_download('ZhipuAI/AutoGLM-Phone-9B') print(model_dir)

提示：无论哪种方式，请确保最终路径为/opt/model，以便后续挂载进Docker容器。

4. 部署vLLM推理服务：高效运行大模型

vLLM 是当前最主流的大模型推理加速框架之一，支持PagedAttention等优化技术，显著提升吞吐量和响应速度。

4.1 安装NVIDIA Container Toolkit

首先确认GPU驱动已正确安装：

nvidia-smi

若无输出或报错，请先手动安装NVIDIA驱动。

然后配置NVIDIA容器支持：

# 添加GPG密钥和仓库 curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \ sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list # 安装并配置 sudo apt-get update sudo apt-get install -y nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker

4.2 启动vLLM容器

拉取官方镜像并启动容器：

# 拉取vLLM镜像 docker pull vllm/vllm-openai:v0.12.0 # 启动容器（注意修改-p后的宿主机端口） docker run -it \ --entrypoint /bin/bash \ --gpus all \ -p 8800:8000 \ --ipc=host \ -v /opt/model:/app/model \ --name autoglm \ vllm/vllm-openai:v0.12.0

4.3 在容器内启动API服务

进入容器后执行以下命令：

# 升级transformers库（避免兼容问题） pip install -U transformers --pre # 启动vLLM服务（关键参数不可遗漏） python3 -m vllm.entrypoints.openai.api_server \ --served-model-name autoglm-phone-9b \ --allowed-local-media-path / \ --mm-encoder-tp-mode data \ --mm_processor_cache_type shm \ --mm_processor_kwargs "{\"max_pixels\":5000000}" \ --max-model-len 25480 \ --chat-template-content-format string \ --limit-mm-per-prompt "{\"image\":10}" \ --model /app/model \ --port 8000

重点说明：
--max-model-len 25480必须设置，否则长上下文处理会失败
--allowed-local-media-path /允许读取本地图像数据
--mm_processor_kwargs控制图像预处理最大像素数

4.4 验证服务是否正常

另开一个终端，运行测试脚本：

python scripts/check_deployment_cn.py --base-url http://你的公网IP:8800/v1 --model autoglm-phone-9b

如果返回类似以下结构的思考链，说明部署成功：

<think>用户想要比较这个洗发水在京东和淘宝上的价格……</think> <answer>do(action="Launch", app="京东")

5. 本地控制端部署：连接手机与AI大脑

现在轮到本地电脑出场了。我们将在这里部署 Open-AutoGLM 控制代码，并通过ADB实现对手机的操作。

5.1 硬件与软件准备

操作系统：Windows 或 macOS
Python版本：建议 3.10+
安卓设备：Android 7.0 及以上版本
ADB工具：需提前安装并配置环境变量

ADB安装与配置

Windows用户：

下载 Android Platform Tools
解压后将路径添加至系统环境变量Path
打开命令行输入adb version验证

macOS用户：

export PATH=${PATH}:~/Downloads/platform-tools adb version

5.2 手机端设置

开启开发者模式：
设置 → 关于手机 → 连续点击“版本号”7次
启用USB调试：
设置 → 开发者选项 → 开启“USB调试”
安装ADB Keyboard：
- 下载 ADBKeyboard.apk
- 安装后，在“语言与输入法”中设为默认输入法

为什么需要ADB Keyboard？
因为AutoGLM需要向手机输入文字（如搜索关键词），而标准ADB无法直接调用软键盘。ADB Keyboard作为一个虚拟输入法，接收ADB指令并显示文本，完美解决该问题。

5.3 部署Open-AutoGLM控制代码

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

6. 连接设备并启动AI代理

一切就绪，现在可以正式让AI接管手机了！

6.1 设备连接方式

USB连接（推荐初学者使用）

adb devices

正常应输出设备ID和状态（如ABCDEF12 device）。若显示unauthorized，请在手机上确认授权弹窗。

WiFi无线连接（适合远程控制）

首次需用USB连接，然后切换为TCP/IP模式：

# 开启5555端口监听 adb tcpip 5555 # 断开USB，通过WiFi连接 adb connect 192.168.x.x:5555

之后即可拔掉数据线，实现无线操控。

6.2 命令行启动AI代理

在项目根目录下运行：

python main.py \ --device-id <你的设备ID或IP:5555> \ --base-url http://<云服务器公网IP>:8800/v1 \ --model "autoglm-phone-9b" \ "打开抖音搜索抖音号为：dycwo11nt61d 的博主并关注他！"

参数说明：

--device-id：来自adb devices的设备标识
--base-url：指向你云服务器上的vLLM服务地址
最后的字符串：自然语言指令，支持中文

执行后，你会看到AI逐步分析当前界面、规划动作，并通过ADB发送点击、滑动、输入等指令，全程无需人工干预。

6.3 使用Python API进行高级集成

除了命令行，你还可以将其嵌入自己的程序中：

from phone_agent.adb import ADBConnection, list_devices # 初始化连接管理器 conn = ADBConnection() # 连接设备（支持IP:端口格式） success, message = conn.connect("192.168.1.100:5555") print(f"连接状态: {message}") # 查看已连接设备 devices = list_devices() for device in devices: print(f"{device.device_id} - {device.connection_type.value}") # 获取设备IP（用于后续无线连接） ip = conn.get_device_ip() print(f"设备 IP: {ip}") # 断开连接 conn.disconnect("192.168.1.100:5555")

7. 常见问题与解决方案

即使严格按照步骤操作，也可能遇到一些小问题。以下是高频故障排查清单：

问题现象	可能原因	解决方案
连接被拒绝	云服务器防火墙未开放端口	登录控制台检查安全组规则，放行对应端口
ADB连接不稳定	WiFi信号差或IP变动	改用USB连接，或固定路由器分配的IP地址
模型无响应或乱码	vLLM启动参数缺失	检查是否遗漏`--max-model-len 25480`等关键参数
输入中文失败	ADB Keyboard未设为默认输入法	进入手机设置确认输入法切换
图像识别不准	屏幕分辨率过高或UI遮挡	调整截图质量或关闭悬浮窗

特别提醒：部分国产ROM（如MIUI、EMUI）会对后台应用限制较多，建议关闭省电模式、锁定AutoGLM相关进程。

8. 总结：你的私人AI助理已上线

恭喜你！经过这一系列配置，你已经成功搭建了一套完整的手机端AI Agent系统。Open-AutoGLM 不只是一个技术玩具，它真正实现了“用语言指挥设备”的愿景。

你可以尝试更多实用场景：

“帮我找最近的咖啡店并导航过去”
“把这张截图发给微信好友小王”
“对比iPhone 15在京东、淘宝的价格”
“定时每天早上8点发一条朋友圈”

未来，随着多模态模型能力不断增强，这类Agent将在生活助手、无障碍辅助、自动化测试等领域发挥更大价值。

更重要的是，这一切都建立在开源基础上——你可以自由定制、二次开发，打造专属于你的智能体。

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。

从配置到运行，Open-AutoGLM一站式部署指南