Open-AutoGLM开发者模式开启详细步骤

1. 什么是Open-AutoGLM的“开发者模式”

1.1 开发者模式的本质不是开关，而是能力组合

很多人第一次看到“开发者模式”会下意识认为这是个像手机设置里那样点一下就能打开的开关。其实不然——Open-AutoGLM没有一个叫“开发者模式”的独立功能按钮。所谓开发者模式，是指你完整打通从本地控制端、设备连接、模型服务到任务执行的全链路能力。它意味着你能：

  • 看见每一步AI在想什么（不是黑盒调用，而是输出思考过程）
  • 自由更换设备、切换本地/远程模型、调整参数
  • 在代码里直接调用核心类，而不是只依赖命令行
  • 遇到问题时能定位到ADB层、模型层还是逻辑层

换句话说，开发者模式 = 可观察 + 可干预 + 可扩展。它不是终点，而是你真正开始定制和深入使用的起点。

1.2 为什么必须手动配置？自动部署为什么不够

Open-AutoGLM镜像（如vLLM-Omni平台上的预置镜像）通常已预装模型服务和基础依赖，但它无法自动完成设备侧配置。原因很实在：

  • ADB调试权限必须由用户在手机上手动点击“允许”，系统不允许远程授权
  • ADB Keyboard输入法需要用户主动启用并设为默认，涉及Android安全策略
  • 每台手机的IP地址、设备ID、USB连接状态都不同，无法统一预设
  • 开发者需要根据实际网络环境选择USB直连、WiFi直连或远程云设备，路径不可预测

所以，镜像给你的是“引擎”，而开发者模式是你亲手把方向盘、油门、后视镜都装好，并确认每颗螺丝都拧紧的过程。

2. 四步走通开发者模式：从零到可调试

2.1 第一步：让电脑真正“看见”你的手机

这一步失败，后面全部归零。别跳过验证环节。

2.1.1 ADB安装与路径确认（三系统统一检查法）

无论你用Windows、macOS还是Linux，请在终端/命令提示符中执行这一行：

adb version 2>/dev/null || echo "ADB未安装或未加入PATH"
  • 如果输出类似 Android Debug Bridge version 1.0.41 → 通过
  • 如果提示 command not found 或 不是内部或外部命令 → 需重装或配PATH

快速自查清单（不用翻教程）：

  • Windows：打开命令提示符，输入 where adb，应返回类似 C:\platform-tools\adb.exe
  • macOS：打开终端，输入 which adb，应返回 /opt/homebrew/bin/adb 或 /usr/local/bin/adb
  • Linux：输入 which adb，应返回 /usr/bin/adb 或 /usr/local/bin/adb

注意：adb 命令必须能在任意目录下运行，不能只在 platform-tools 文件夹里才有效。这是PATH没配对的典型表现。

2.1.2 手机端“允许调试”必须亲手点三次

很多用户卡在这一步，却以为是电脑问题。请严格按顺序操作：

  1. 先连USB线（确认是数据线！插上后手机通知栏应有“正在通过USB充电”提示，不是“仅充电”）
  2. 手机弹窗出现“允许USB调试吗？” → 点击 “允许”（不是“确定”，不是“始终允许”，就是这一次）
  3. 立即在电脑执行 adb devices
    • 若显示 unauthorized → 断开USB，进手机「开发者选项」→「撤销USB调试授权」→ 重连 → 再点“允许”
    • 若仍不显示设备 → 换USB口、换线、重启手机ADB（adb kill-server && adb start-server）

正确输出示例：

List of attached devices  
ZY22528XJ7    device
2.1.3 ADB Keyboard不是装完就完事，必须“激活+设默认”

很多用户装了APK却输不出中文，根源在此：

# 1. 确认APK已安装（输出应含com.android.adbkeyboard）
adb shell pm list packages | grep adbkeyboard

# 2. 确认已启用（输出应含enabled）
adb shell ime list -s

# 3. 设为默认（关键！必须执行）
adb shell ime set com.android.adbkeyboard/.AdbIME

# 4. 验证是否生效（输出必须是这一串）
adb shell settings get secure default_input_method
#  正确返回：com.android.adbkeyboard/.AdbIME

如果第4步返回空或别的包名，说明没生效。请勿跳过第3步。

2.2 第二步：本地模型服务启动——不是“跑起来就行”，而是“稳住再用”

你不需要自己训练模型，但必须让vLLM服务稳定承载AutoGLM-Phone-9B。重点不在参数多，而在避坑。

2.2.1 最简启动命令（适合首次验证）

别一上来就抄长命令。先用这个最小集验证服务能否跑通：

python3 -m vllm.entrypoints.openai.api_server \
  --model zai-org/AutoGLM-Phone-9B-Multilingual \
  --port 8000 \
  --max-model-len 25480 \
  --tensor-parallel-size 1
  • --tensor-parallel-size 1：强制单卡，避免多卡初始化失败
  • --port 8000：固定端口，方便后续脚本引用
  • 其他参数（如mm-processor、cache-type）首次可省略，等基础服务跑通再加

启动成功标志：终端最后几行出现

INFO:     Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)  
INFO:     Started reloader process [xxxx] using statreload
2.2.2 三秒验证服务是否真活（比curl更准）

别只信curl返回200。用这个命令看模型是否加载完成：

curl -s http://localhost:8000/v1/models | jq -r '.data[0].id' 2>/dev/null || echo "服务未响应或模型未加载"
  • 如果输出 autoglm-phone-9b-multilingual（或你设的served-model-name）→ 模型已就绪
  • 如果超时或报错 → 检查vLLM日志里是否有 OSError: CUDA out of memory 或 Failed to load model

小技巧：首次启动会下载20GB模型权重，网速慢时可能卡在 Loading model weights 十几分钟。耐心等待，不要中断。

2.3 第三步：控制端代码部署——克隆、装包、验模块，三步闭环

这一步的目标是：让你的Python能import PhoneAgent，并能创建实例。

2.3.1 创建干净虚拟环境（强烈建议）
git clone https://github.com/zai-org/Open-AutoGLM.git
cd Open-AutoGLM
python3 -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
2.3.2 安装依赖的“黄金顺序”
pip install --upgrade pip setuptools wheel
pip install -r requirements.txt
pip install vllm==0.6.3.post1  # 用文档指定版本，避免兼容问题
pip install -e .

验证安装：运行

python -c "from phone_agent import PhoneAgent; print(' PhoneAgent可导入')"

若报错 ModuleNotFoundError，90%是 -e . 没执行，或当前目录不是Open-AutoGLM根目录。

2.3.3 用一行代码测通全链路（比main.py更轻量）

在项目根目录下，新建 test_dev_mode.py：

from phone_agent import PhoneAgent
from phone_agent.model import ModelConfig

# 用你的真实设备ID（adb devices第一列）
device_id = "ZY22528XJ7"  
model_config = ModelConfig(
    base_url="http://localhost:8000/v1",
    model_name="autoglm-phone-9b-multilingual"
)

agent = PhoneAgent(model_config=model_config, device_id=device_id)
print(" PhoneAgent实例创建成功")
print(" 设备连接状态:", "已连接" if agent.adb.is_connected() else "未连接")

运行它：python test_dev_mode.py

  • 输出两行 → 开发者模式主干已通
  • 若卡在 adb.is_connected() → 回头检查2.1节设备连接
  • 若报vLLM连接错误 → 回头检查2.2节服务是否监听0.0.0.0（不是127.0.0.1）

2.4 第四步：进入开发者模式——用verbose看透AI每一步

现在，你拥有了所有零件。真正的开发者模式，从加一个参数开始。

2.4.1 命令行开启“透视眼”模式
python main.py \
  --device-id ZY22528XJ7 \
  --base-url http://localhost:8000/v1 \
  --model autoglm-phone-9b-multilingual \
  --verbose \
  "打开微信，给文件传输助手发一条‘你好’"

你会看到类似这样的输出：

==================================================  
【视觉理解】已截取屏幕，图像尺寸 1080x2340，送入模型分析...  
--------------------------------------------------  
【AI思考】当前界面是微信主屏，底部有“微信”“通讯录”“发现”“我”四个tab。  
任务需进入聊天页，应先点击右上角“+”号，再选“发起群聊”？不对，目标是“文件传输助手”。  
该联系人位于通讯录顶部，但当前在主屏，需先点击“通讯录”tab。  
--------------------------------------------------  
【执行动作】Tap at (540, 2200) → 点击通讯录tab  
==================================================  
【视觉理解】新截图已获取，当前为通讯录列表页...  
--------------------------------------------------  
【AI思考】“文件传输助手”在列表顶部，坐标约为(540, 320)，直接点击即可。  
--------------------------------------------------  
【执行动作】Tap at (540, 320) → 点击文件传输助手  
==================================================  
【视觉理解】新截图已获取，当前为聊天窗口...  
--------------------------------------------------  
【AI思考】输入框在底部，需先点击激活，再输入文字。  
--------------------------------------------------  
【执行动作】Tap at (540, 2250) → 点击输入框  
【执行动作】Input text: 你好  
【执行动作】Press enter

这就是开发者模式的核心价值：你不再猜测AI为什么失败，而是亲眼看到它在哪一步理解错了、坐标算偏了、或者误判了UI结构。

2.4.2 Python API中开启调试（用于集成开发）

在你的业务代码里，这样写：

from phone_agent import PhoneAgent
from phone_agent.model import ModelConfig

agent = PhoneAgent(
    model_config=ModelConfig(
        base_url="http://localhost:8000/v1",
        model_name="autoglm-phone-9b-multilingual"
    ),
    device_id="ZY22528XJ7",
    verbose=True  # 👈 关键！开启详细日志
)

result = agent.run("截图当前屏幕并保存为debug.png")
print("任务结果:", result)

verbose=True 会把所有ADB命令、截图路径、模型请求/响应体（脱敏后）都打印出来，帮你精准定位是设备没响应，还是模型返回了空动作。

3. 开发者模式下的高频实战场景

3.1 场景一：任务中途人工接管——当AI卡在验证码时

AutoGLM-Phone内置了人工接管机制，但需要你主动触发：

python main.py \
  --device-id ZY22528XJ7 \
  --base-url http://localhost:8000/v1 \
  --model autoglm-phone-9b-multilingual \
  --manual-intervention \
  "登录淘宝账号"
  • 当AI识别到验证码图片、滑块、短信弹窗等敏感操作时，会暂停并输出：
    检测到人工验证环节，请手动完成，完成后按回车继续...
  • 你操作手机完成验证后，敲回车，AI继续后续流程
  • 这个开关让自动化不再是“全有或全无”，而是人机协同的务实方案

3.2 场景二：批量测试多台设备——用代码代替重复劳动

你有3台测试机？不用一台台连。用这段代码并发跑：

from phone_agent import PhoneAgent
from phone_agent.model import ModelConfig
from concurrent.futures import ThreadPoolExecutor

devices = ["ZY22528XJ7", "R58M908TQ9F", "192.168.1.100:5555"]  # USB ID + WiFi IP
tasks = ["打开设置", "打开Chrome", "打开相机"]

def run_on_device(device_id, task):
    agent = PhoneAgent(
        model_config=ModelConfig(
            base_url="http://localhost:8000/v1",
            model_name="autoglm-phone-9b-multilingual"
        ),
        device_id=device_id,
        verbose=False
    )
    return f"{device_id}: {agent.run(task)[:50]}..."

with ThreadPoolExecutor(max_workers=3) as executor:
    results = list(executor.map(run_on_device, devices, tasks))
    for r in results:
        print(r)

效果：3台设备同时执行不同任务，总耗时≈单台耗时，不是3倍。

3.3 场景三：自定义动作逻辑——当标准Tap/Text不够用时

PhoneAgent.run() 是高层封装，但开发者模式允许你绕过它，直接调用底层能力：

from phone_agent.adb import ADBConnection
from phone_agent.screenshot import ScreenshotManager

conn = ADBConnection()
conn.connect("ZY22528XJ7")

# 1. 截图并保存到本地供你分析
screenshot = ScreenshotManager(conn).take_screenshot()
screenshot.save("debug_screen.png")  # 生成可查看的PNG

# 2. 手动执行ADB命令（比如强制停止某个APP）
conn.shell("am force-stop com.taobao.taobao")

# 3. 或者用OpenCV做自定义图像识别（非AutoGLM内置）
import cv2
img = cv2.imread("debug_screen.png")
# ... 你的OpenCV逻辑，比如找“同意”按钮坐标
# 然后 conn.tap(x, y)

这才是开发者模式的终极自由：AI是你的副驾驶，而方向盘永远在你手里。

4. 开发者模式避坑指南：那些文档没写的细节

4.1 ADB连接不稳定？试试这个“保活”命令

WiFi连接时，ADB常因休眠断开。加一行保活：

# 在设备上执行（只需一次）
adb shell settings put global adb_enabled 1
adb shell settings put global stay_on_while_plugged_in 3
  • stay_on_while_plugged_in 3 表示充电时保持屏幕常亮（值3=充电+USB+AC）
  • 配合 adb connect IP:5555，可大幅降低掉线率

4.2 中文乱码？不是编码问题，是字体缺失

如果你在手机上看到“????”而非中文，不是Python编码错了，而是ADB Keyboard没加载中文字体：

# 重新安装带中文支持的ADB Keyboard
adb uninstall com.android.adbkeyboard
adb install https://github.com/senzhk/ADBKeyBoard/releases/download/v1.0/ADBKeyboard.apk
adb shell ime set com.android.adbkeyboard/.AdbIME

验证：在手机上随便点个输入框，用电脑执行 adb shell input text "测试"，应显示“测试”二字。

4.3 模型响应慢？先关掉“过度思考”

AutoGLM-Phone默认会做多步规划，但简单任务不需要。加参数提速：

python main.py \
  --device-id ZY22528XJ7 \
  --base-url http://localhost:8000/v1 \
  --model autoglm-phone-9b-multilingual \
  --max-steps 3 \          # 限制最多3步动作，避免无限循环
  --temperature 0.01 \     # 降低随机性，让输出更确定
  "返回桌面"
  • --max-steps 是防呆关键，防止AI在“找不到返回键”时反复截图
  • --temperature 0.01 让模型更“听话”，少“发挥创意”

5. 总结：开发者模式不是终点，而是你掌控力的起点

5.1 你现在已经拥有的能力

  • 能让任意安卓设备（7.0+）通过USB或WiFi被你的电脑精准控制
  • 能本地启动AutoGLM-Phone模型服务，并验证其可用性
  • 能用--verbose参数实时查看AI的视觉理解、思考逻辑和动作执行
  • 能在任务中人工接管，也能用Python API并发操控多台设备
  • 能绕过高层封装，直接调用ADB、截图、自定义图像识别等底层能力

5.2 下一步你可以探索的方向

  • 定制化提示词工程：修改phone_agent/prompt.py里的system prompt，让AI更懂你的业务术语
  • 私有模型微调：用你自己的APP截图数据，微调视觉编码器（需GPU）
  • 集成进CI/CD：把python main.py命令写进GitHub Actions，实现每日自动回归测试
  • 构建Web控制台：用FastAPI包装PhoneAgent，做成网页版手机自动化平台

开发者模式的意义，从来不是“让AI替你干活”，而是让你有能力判断：什么时候该信AI，什么时候该自己动手，什么时候该改写AI。

你现在站在了这条分界线上——往前一步，是工具使用者；往后一步，是智能体架构师。

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。

Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

QClaw体验：微信里的本地AI助手，让智能触手可及

avatar 龙虾开发者社区
cover

WorkBuddy使用心得：腾讯版“免部署小龙虾“的办公新体验

avatar 龙虾开发者社区

VibeVoice Pro流式TTS效果展示：300ms低延迟真实音频生成作品集

本文介绍了如何在星图GPU平台自动化部署VibeVoice Pro：零延迟流式音频引擎镜像，实现300ms低延迟的实时语音生成。该技术特别适用于智能助手对话场景，能够提供自然流畅的语音交互体验，显著提升用户满意度。

avatar 龙虾开发者社区