Open-AutoGLM免配置部署：Docker镜像快速启动实操手册

想不想让AI帮你操作手机？比如你随口说一句“帮我打开小红书搜一下美食”，它就能自动解锁屏幕、找到App、输入关键词、浏览结果，整个过程一气呵成。听起来像是科幻电影里的场景，但现在，通过智谱开源的Open-AutoGLM框架，这个想法已经变成了现实。

Open-AutoGLM，特别是其核心应用Phone Agent，是一个能“看懂”手机屏幕并“动手”操作的AI智能助理。它不再只是一个聊天机器人，而是一个能真正执行任务的数字助手。今天，我们不谈复杂的理论，也不搞繁琐的环境配置，就带你用最简单、最省心的方式——Docker镜像，快速把它跑起来，亲眼看看AI是如何接管你手机的。

1. 认识你的AI手机管家：Open-AutoGLM

在动手之前，我们先花几分钟了解一下，我们即将部署的这个“家伙”到底能干什么。

1.1 什么是Phone Agent？

简单来说，Phone Agent是一个基于视觉语言模型（VLM）的AI手机智能助理。它的核心能力可以概括为两点：

  1. 看懂屏幕：它能像人眼一样，理解手机屏幕上显示的是什么。是微信聊天界面，还是抖音视频流？屏幕上有个“搜索”按钮，还是“发送”图标？它都能识别。
  2. 动手操作：看懂之后，它能通过ADB（安卓调试桥）这个工具，模拟人的点击、滑动、输入等操作，去执行任务。

它的工作流程非常直观：你用自然语言下指令 -> AI解析你的意图 -> AI观察当前手机屏幕 -> AI规划下一步该点哪里或输入什么 -> AI通过ADB执行操作 -> 循环直到任务完成。

例如，你下达指令：“打开支付宝，查看余额宝收益。” Phone Agent会依次执行：唤醒手机、解锁、找到支付宝图标并点击、进入App后识别界面元素、找到“余额宝”入口并点击、最后读取并理解屏幕上显示的收益信息。

1.2 为什么选择Docker部署？

传统部署AI应用，常常需要面对各种依赖冲突、环境配置、版本匹配的“玄学”问题。一个“pip install”可能就会耗费你半天时间。

Docker镜像部署的优势就在于免配置、可移植、环境隔离。我们把运行Phone Agent所需的一切——Python环境、深度学习框架、模型文件、依赖库——全部打包进一个集装箱（镜像）。你只需要一条命令，就能把这个集装箱完整地、无污染地运行在你的服务器或电脑上，无需关心底层系统环境。

接下来，我们就开始这个“开箱即用”的旅程。

2. 服务端部署：一键启动AI大脑

Phone Agent的架构分为两部分：服务端和控制端。服务端是AI大脑，负责运行庞大的视觉语言模型，进行屏幕理解和任务规划；控制端则是小脑和手，负责连接手机并执行具体操作。

我们首先在云服务器或本地高性能电脑（最好有GPU）上部署服务端。

2.1 准备工作

确保你的部署机器满足以下要求：

  • 操作系统：Linux（如Ubuntu 20.04/22.04），这是服务器最常见且兼容性最好的环境。
  • 显卡：推荐具有至少16GB显存的NVIDIA GPU（如RTX 4090, A100等）。模型本身很大，需要足够的显存来加载和运行。
  • 驱动：已安装NVIDIA显卡驱动。
  • Docker：确保已安装Docker和NVIDIA Container Toolkit（让Docker容器能使用GPU）。

安装NVIDIA Container Toolkit的命令通常如下：

# 添加包仓库
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

2.2 拉取并运行Docker镜像

这是最核心的一步。我们使用集成了模型和vLLM高性能推理框架的预置镜像。

# 1. 拉取Docker镜像（镜像较大，请耐心等待）
docker pull csdnpractices/autoglm-phone-9b:latest

# 2. 运行容器
docker run -d --gpus all \
  --name autoglm-phone \
  -p 8800:8000 \
  csdnpractices/autoglm-phone-9b:latest \
  --model /app/models/autoglm-phone-9b \
  --served-model-name autoglm-phone-9b \
  --max-model-len 8192

命令参数解释：

  • -d：后台运行容器。
  • --gpus all：将宿主机的所有GPU资源分配给容器。
  • --name autoglm-phone：给容器起个名字，方便管理。
  • -p 8800:8000：端口映射。将容器内部的8000端口（vLLM服务端口）映射到宿主机的8800端口。你可以通过http://你的服务器IP:8800来访问服务。
  • 最后的--model等参数是传递给vLLM引擎的，告诉它加载哪个模型以及一些推理配置。

2.3 验证服务是否正常

运行后，等待1-2分钟让模型完全加载。然后通过以下命令检查服务状态：

# 查看容器日志，确认模型加载成功
docker logs autoglm-phone

# 使用curl测试API接口是否就绪
curl http://localhost:8800/v1/models

如果看到返回了模型信息（JSON格式），恭喜你，AI大脑已经成功启动并在8800端口待命了。

3. 客户端与控制端配置：连接你的手机

服务端（大脑）在云端跑起来了，现在我们需要在本地电脑上配置控制端（小脑和手），并通过ADB让AI能够控制我们真实的安卓手机。

3.1 环境与工具准备

  • 本地电脑：Windows / macOS / Linux 均可。
  • Python：建议安装Python 3.10或以上版本。
  • 安卓设备：一部Android 7.0以上的手机（或模拟器），用于被控制。
  • ADB工具：这是与安卓设备通信的桥梁。

安装与配置ADB：

  • Windows/macOS：从Android开发者官网下载“Platform-Tools”压缩包，解压到一个你喜欢的目录。
  • 配置环境变量（以Windows为例）：
    1. 右键“此电脑” -> “属性” -> “高级系统设置” -> “环境变量”。
    2. 在“系统变量”中找到Path，点击“编辑”。
    3. 点击“新建”，将你解压platform-tools文件夹的完整路径添加进去（例如C:\Users\YourName\platform-tools）。
    4. 打开命令提示符（CMD）或PowerShell，输入adb version，如果显示版本号则配置成功。
  • macOS/Linux：可以在终端中，通过进入platform-tools目录来直接使用./adb，或者同样将其路径加入PATH环境变量。

3.2 手机端设置

要让电脑控制手机，需要在手机上打开几个“开关”。

  1. 开启开发者模式：

    • 进入手机“设置” -> “关于手机”。
    • 连续点击“版本号”7次，直到出现“您已处于开发者模式”的提示。

  2. 开启USB调试：

    • 返回“设置”，现在你会看到多了一个“开发者选项”。
    • 进入“开发者选项”，找到并开启“USB调试”。

  3. 安装ADB Keyboard（关键步骤）：

    • 这是一个特殊的输入法，允许电脑通过ADB直接向手机输入文本，对于AI执行“搜索”等需要打字的操作至关重要。
    • 在手机浏览器中搜索并下载ADB Keyboard的APK文件进行安装。
    • 安装后，进入手机“设置” -> “系统” -> “语言与输入法” -> “虚拟键盘”。
    • 找到“ADB Keyboard”并启用它。
    • 在“默认输入法”中，将其切换为“ADB Keyboard”。

3.3 部署控制端代码

控制端代码包含了连接AI服务、驱动ADB的核心逻辑。

# 1. 从GitHub克隆Open-AutoGLM项目代码到本地
git clone https://github.com/zai-org/Open-AutoGLM
cd Open-AutoGLM

# 2. 安装项目所需的Python依赖包
pip install -r requirements.txt
# 以“可编辑”模式安装当前目录的包，方便后续开发调试
pip install -e .

3.4 连接你的手机

确保手机用USB线连接电脑，或者和电脑在同一个WiFi网络下。

  • USB连接（最稳定）： 在电脑终端执行：

    adb devices

    如果连接成功，你会看到类似 List of devices attached 和一行设备ID，状态为 device。记下这个设备ID。

  • WiFi连接（更灵活）：

    # 首先用USB线连接一次，开启网络调试端口
adb tcpip 5555
# 拔掉USB线，使用手机的IP地址进行无线连接
# 手机的IP可以在“设置”->“关于手机”->“状态信息”里找到
adb connect 192.168.1.100:5555  # 请替换为你的手机IP

    再次运行 adb devices，你应该能看到一个以IP地址开头的设备。

4. 见证奇迹：启动你的AI手机管家

万事俱备，只欠东风。现在，让我们给AI下达第一个指令。

4.1 通过命令行运行

在本地Open-AutoGLM项目目录下，打开终端，运行以下命令：

python main.py \
  --device-id <你的设备ID> \
  --base-url http://<云服务器IP>:8800/v1 \
  --model "autoglm-phone-9b" \
  "打开抖音，搜索用户‘科技美学’并关注他！"

参数说明：

  • --device-id：填写你在adb devices中看到的设备ID，例如emulator-5554或192.168.1.100:5555。
  • --base-url：填写你步骤2.2中部署的服务端地址。8800是我们在-p 8800:8000映射的端口。
  • --model：模型名称，与服务端启动时指定的--served-model-name保持一致。
  • 最后的字符串：就是你用自然语言给AI下的命令。

运行命令后，请保持手机屏幕亮起且处于解锁状态。你会看到鼠标指针（或代表点击的小圆圈）在手机屏幕上自动移动、点击、输入，就像有一个隐形人在操作一样，直到完成你交代的任务。

4.2 通过Python API连接（更灵活）

如果你想集成到自己的脚本中，或者进行更复杂的控制，可以使用Python API：

from phone_agent.adb import ADBConnection, list_devices

# 创建ADB连接管理器
conn = ADBConnection()

# 连接你的远程设备（WiFi连接示例）
device_ip = "192.168.1.100:5555"
success, message = conn.connect(device_ip)
print(f"连接状态: {message}")

# 列出当前所有通过ADB连接的设备
devices = list_devices()
print("当前连接的设备：")
for device in devices:
    print(f"  - ID: {device.device_id}, 类型: {device.connection_type.value}")

# 如果你想将一个已通过USB连接的设备切换到WiFi模式
# success, message = conn.enable_tcpip(5555) # 在设备上开启TCP/IP端口
# ip = conn.get_device_ip() # 获取设备IP
# print(f"设备IP地址: {ip}")

# 任务完成后，断开连接
conn.disconnect(device_ip)

5. 常见问题与排错指南

第一次运行难免会遇到一些小问题，这里汇总了一些常见情况及其解决方法。

  • 问题：运行docker run命令时提示--gpus参数错误。

    • 解决：这通常意味着NVIDIA Container Toolkit没有正确安装或Docker服务未重启。请回头仔细检查步骤2.1，并确保执行了sudo systemctl restart docker。

  • 问题：服务端启动后，客户端连接时提示“连接被拒绝”或超时。

    • 解决：
      1. 检查服务端：在服务器上运行 curl http://localhost:8800/v1/models，确认服务本身是否正常。
      2. 检查防火墙：这是最常见的原因。确保你的云服务器安全组/防火墙规则已经放行了8800端口的入站流量。例如，在阿里云、腾讯云控制台进行设置。
      3. 检查IP和端口：确认--base-url参数中的IP地址是服务器的公网IP，且端口号正确。

  • 问题：adb devices列表为空，或设备状态为unauthorized。

    • 解决：
      1. 重新插拔USB线，并在手机弹出的“允许USB调试吗？”对话框中勾选“始终允许”，然后点击“确定”。
      2. 进入手机“开发者选项”，尝试关闭再重新打开“USB调试”。
      3. 如果是WiFi连接，确保adb tcpip 5555成功执行，且IP地址无误。

  • 问题：AI执行任务时卡住，或者操作逻辑混乱（比如不停点击同一个地方）。

    • 解决：
      1. 模型理解偏差：复杂的指令可能超出当前模型的理解能力。尝试将指令拆解得更简单、更明确。例如，将“帮我订一份外卖”改为“打开美团外卖App，点击美食分类”。
      2. 屏幕内容识别失败：确保手机屏幕亮度足够，当前界面没有被其他弹窗遮挡。某些动态内容（如自动滚动的视频流）也可能干扰识别。
      3. 检查服务端日志：运行 docker logs autoglm-phone 查看是否有显存不足（OOM）或其他错误。如果显存不足，你可能需要在docker run命令中调整--max-model-len参数为一个更小的值（如4096），但这可能会影响模型处理长指令的能力。

6. 总结

通过以上步骤，我们完成了一个完整的Open-AutoGLM Phone Agent部署闭环：从在云端服务器一键拉起承载AI模型的Docker服务，到在本地电脑配置好连接手机的控制端，最终用一句自然语言指令，驱动AI完成了对手机的真实操作。

这个过程展示了Docker技术如何极大地简化了复杂AI应用的部署门槛。你无需纠结于CUDA版本、PyTorch依赖，只需一条docker run命令，就获得了一个完整、可用的AI手机助理环境。

现在，你可以尽情发挥想象力，给你的AI助理派发更多任务了：让它帮你整理相册、自动签到打卡、收集商品信息比价，甚至编写简单的自动化测试脚本。Open-AutoGLM为我们打开了一扇通往下一代人机交互的大门，而这一切，从一个免配置的Docker镜像开始。

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。

# AI Agent
Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区