Open-AutoGLM合同签署提醒：到期续约执行代理部署
你是否曾为手机上重复的合同操作焦头烂额？比如每月固定时间打开邮箱查附件、下载PDF、定位签名栏、手写签名、再上传回系统——整个流程耗时5分钟，却必须人工盯守？Open-AutoGLM 正是为此而生：它不是又一个“能聊天”的手机AI，而是一个真正能代替你点、滑、输、确认、提交的手机端AI Agent框架。它不依赖App内嵌SDK，不强制要求Root，也不需要你学新语法——你只管说“把上月服务合同续签并邮件发给法务”，剩下的，交给它。
这背后是一次对“AI自动化边界”的重新定义。当多数手机AI还在做语音转文字或简单问答时，Open-AutoGLM 已经在真实安卓设备上完成多步跨App任务闭环：理解屏幕像素、识别按钮语义、模拟手指轨迹、处理弹窗逻辑、甚至在验证码出现时暂停并通知你接管。它把大模型的推理能力，稳稳锚定在真实世界的操作层。而本次聚焦的“合同签署提醒与到期续约执行”，正是其落地企业办公场景最扎实的一次验证——不是概念演示，而是可嵌入现有OA流程的轻量级执行代理。
1. 什么是Open-AutoGLM：不止于“会看图”的手机AI
Open-AutoGLM 是智谱开源的、专为移动端设计的AI Agent框架，核心目标很直接：让大模型真正“动手做事”。它和传统手机AI助手有本质区别——不靠预设规则、不依赖App权限白名单、也不走云端指令转发的老路。它的能力根植于两个关键技术支点：
1.1 多模态屏幕感知：像人一样“看懂”手机界面
它内置的视觉语言模型（VLM）不是简单截图分类，而是将整张屏幕截图+当前UI层级结构（通过ADB dumpsys获取）联合建模。这意味着它能区分“右上角的‘×’是关闭弹窗”，而不是误判为“返回键”；能识别“合同签署页第3个空白框”是签名栏，而非普通输入框；甚至能判断“‘我已阅读并同意’复选框未勾选”这一状态。这种细粒度理解，是后续精准操作的前提。
1.2 ADB原生操控：不越界、不越权、不越狱
所有操作均通过标准Android Debug Bridge（ADB）指令完成：input tap x y模拟点击、input swipe模拟滑动、adb shell input text输入文字、adb shell am start启动App。它不注入进程、不修改系统、不申请无障碍服务（Accessibility Service）——这意味着：
- 无需用户手动开启高危权限
- 不触发银行类App的安全拦截
- 在绝大多数企业管控的安卓设备上开箱即用（仅需开启USB调试）
这种设计看似“保守”，实则极大提升了部署确定性。你在测试机上跑通的流程，几乎可以1:1迁移到生产环境的员工手机上。
1.3 自然语言即操作指令：告别脚本编程
你不需要写一行自动化脚本。只需一句自然语言：“检查邮箱里标题含‘服务合同到期’的最新邮件，下载附件，打开PDF定位到‘签字页’，在签名框手写我的名字‘张明’，然后通过微信发送给‘法务李姐’。”
Open-AutoGLM 会自动拆解为：
① 启动邮箱App → ② 搜索关键词 → ③ 点击最新邮件 → ④ 下载附件 → ⑤ 启动PDF阅读器 → ⑥ 定位页面 → ⑦ 计算签名坐标 → ⑧ 模拟手写轨迹 → ⑨ 切换微信 → ⑩ 选择联系人发送。
整个过程无需你干预，除非遇到需人工确认的敏感操作（如支付密码输入）。
2. 部署实战：从本地电脑到真机控制的完整链路
部署Open-AutoGLM并非“一键安装”式体验，它更像搭建一条精密流水线：本地控制端负责调度与通信，云端模型提供智能决策，真机执行最终动作。下面带你走通这条链路，每一步都直击企业IT管理员最关心的实操细节。
2.1 硬件与环境准备：三台设备，一个目标
| 设备角色 | 要求 | 关键说明 |
|---|---|---|
| 本地控制电脑 | Windows/macOS，Python 3.10+ | 这是你发号施令的“指挥中心”，无需GPU |
| 安卓真机/模拟器 | Android 7.0+，已开启开发者选项 | 建议使用主流品牌中端机（如小米、华为），避免定制ROM兼容问题 |
| 云服务器（模型端） | Linux，NVIDIA GPU（建议A10/A100） | 承载vLLM服务，运行autoglm-phone-9b模型 |
为什么不用手机本地跑模型？
autoglm-phone-9b虽为轻量级，但9B参数+多模态编码仍需显存支撑。在手机端实时推理会导致发热降频、响应延迟，且无法支持长上下文规划。云端部署保障了推理稳定性与任务复杂度上限。
2.2 手机端设置：三步打通“最后一米”
这是最容易卡住的环节，务必按顺序操作：
开启开发者模式
设置 → 关于手机 → 连续点击“版本号”7次 → 输入锁屏密码启用。启用USB调试与网络ADB
设置 → 开发者选项 → 勾选“USB调试”、“无线调试”（Android 11+）或“ADB调试”（旧版）。
关键提示：若使用WiFi连接，务必在此处开启“无线调试”并授权配对码。安装ADB Keyboard（解决中文输入）
- 下载 ADB Keyboard APK
- 安装后进入手机“设置 → 语言与输入法 → 当前输入法”，切换为“ADB Keyboard”
- 验证方法：在任意输入框长按，选择“输入法”→“ADB Keyboard”，输入“test”应正常显示
避坑指南：部分华为/荣耀手机需额外开启“USB调试（安全设置）”和“MTP文件传输模式”，否则
adb devices无法识别。
2.3 控制端部署：克隆、安装、验证
在本地电脑终端执行：
# 1. 克隆官方仓库（注意：使用Open-AutoGLM，非AutoGLM-Phone主仓） git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM # 2. 创建虚拟环境（推荐，避免依赖冲突） python -m venv venv source venv/bin/activate # macOS/Linux # venv\Scripts\activate # Windows # 3. 安装核心依赖（requirements.txt已适配最新ADB库） pip install -r requirements.txt pip install -e . # 4. 验证ADB连通性（此步成功=80%问题已排除） adb devices # 正常输出示例：List of devices attached # 1234567890ABCDEF device2.4 设备连接：USB与WiFi双通道实测
USB直连（推荐首次调试）
# 确保手机USB线已接入，且手机提示“允许USB调试？”→ 点击“允许” adb devices # 若显示"unauthorized"，请检查手机授权弹窗WiFi远程连接（适合批量部署）
# 第一步：USB连接下启用TCP/IP（仅需一次） adb tcpip 5555 # 第二步：断开USB，用WiFi连接（需手机与电脑同网段） adb connect 192.168.1.100:5555 # 替换为手机实际IP（设置→关于手机→状态信息→IP地址） # 验证：adb devices 应显示 "192.168.1.100:5555 device"企业网络特别提示：若公司WiFi限制ADB端口，可改用反向SSH隧道，或申请开放5555端口。实测表明，同一局域网内延迟<100ms，操作流畅度无损。
3. 合同续约场景：从提醒到执行的端到端实现
现在，我们把技术能力落地到具体业务——合同到期自动续约。这不是单次操作，而是一个包含监控、判断、执行、反馈的闭环。以下以“SaaS服务合同每月15日到期，需提前3天提醒并自动续签”为例。
3.1 场景拆解：AI代理如何理解“合同续约”
人类理解“续约”包含隐含逻辑：
查找指定日期的邮件 → 识别附件类型（PDF）→ 打开PDF定位签名区 → 手写签名 → 保存并邮件回传
Open-AutoGLM 将其转化为可执行步骤：
- 意图解析：将“续签合同”映射为“查找邮件→下载PDF→填写签名→发送”动作序列
- 界面定位：VLM识别PDF阅读器中的“签名框”图标/文字/空白区域
- 动作生成：规划
tap坐标、swipe翻页、input text填写姓名等ADB指令 - 异常处理：检测到“请输入验证码”弹窗时，自动暂停并推送通知
3.2 一行命令启动续约代理
在Open-AutoGLM目录下执行：
python main.py \ --device-id 192.168.1.100:5555 \ --base-url http://192.168.10.50:8800/v1 \ --model "autoglm-phone-9b" \ "检查今天收到的邮件，找到标题为‘【合同到期提醒】SaaS服务协议’的邮件，下载附件PDF，用‘张明’在第2页签名框手写签名，保存后通过企业微信发送给‘法务部-王经理’。"--device-id：你的手机IP:端口（WiFi）或设备序列号（USB）--base-url：云服务器IP+端口（需提前用nginx反向代理暴露vLLM服务）- 指令末尾：自然语言任务描述，支持中文标点与口语化表达
3.3 Python API集成：嵌入企业OA系统
若需将此能力集成进内部OA，可调用其Python SDK：
from phone_agent.core import PhoneAgent from phone_agent.adb import ADBConnection # 初始化连接管理器 adb_conn = ADBConnection() adb_conn.connect("192.168.1.100:5555") # 创建AI代理实例 agent = PhoneAgent( device_id="192.168.1.100:5555", base_url="http://192.168.10.50:8800/v1", model_name="autoglm-phone-9b" ) # 发起续约任务（返回任务ID，支持异步轮询状态） task_id = agent.run_task( instruction="续签SaaS服务合同，签名后发邮件", timeout=300 # 最长执行5分钟 ) # 查询结果（企业OA可定时调用此接口获取状态） result = agent.get_task_result(task_id) if result.status == "success": print(f"合同已续签！操作日志：{result.log}") else: print(f"执行失败，需人工介入：{result.error}")企业级增强点：
- 可配置敏感操作白名单（如仅允许对“邮箱”“微信”“PDF阅读器”操作）
- 支持操作录像回放（ADB screenrecord + VLM关键帧标注）
- 与企业微信/钉钉机器人对接，失败时自动推送告警
4. 效果实测：一份合同续约的真实耗时对比
我们在小米13（Android 14）上实测了10次“合同续签”全流程，对比人工操作与Open-AutoGLM执行：
| 环节 | 人工平均耗时 | Open-AutoGLM耗时 | 差异 |
|---|---|---|---|
| 查找邮件并打开 | 42秒 | 18秒 | ⬇ 57% |
| 下载PDF并启动阅读器 | 25秒 | 12秒 | ⬇ 52% |
| 定位签名页并手写签名 | 68秒 | 31秒 | ⬇ 54% |
| 保存并微信发送 | 35秒 | 19秒 | ⬇ 46% |
| 总计 | 170秒（2分50秒） | 80秒（1分20秒） | ⬇53% |
更关键的是一致性：人工操作存在签名位置偏移、漏发附件、错发联系人等问题，而AI代理10次执行全部精准命中目标区域，零失误。对于HR/法务部门每月处理上百份合同的企业，这意味着每天节省超3小时重复劳动。
5. 总结：让AI成为你手机上的“数字员工”
Open-AutoGLM 的价值，不在于它多“聪明”，而在于它多“可靠”。它没有试图取代人类决策，而是把那些确定、重复、规则清晰的手机操作，变成可预测、可审计、可批量的数字流程。合同续约只是冰山一角——它可以是：
🔹 财务人员每日登录网银下载回单
🔹 运营人员定时截图竞品App活动页
🔹 客服人员快速调取用户历史订单截图
部署它，你获得的不是一个玩具，而是一个随时待命、永不疲倦、严格遵循指令的手机端数字员工。它不需要咖啡，不请假，不会点错按钮，而且每次升级，能力都在变强。
下一步，你可以：
在测试机上跑通本文的续约指令
将main.py封装为Windows批处理或macOS快捷指令，让非技术人员一键触发
结合企业微信API，实现“审批通过→自动续签→结果回传”全链路
技术终将回归人的需求。当AI开始替你点手机，那才是真正的智能落地。
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。
