AutoGLM-GUI

AutoGLM 手机助手的现代化 Web 图形界面 - 让 AI 自动化操作 Android 设备变得简单

🎉 双模型协作架构现已上线！决策大模型 + 视觉小模型，智能任务规划与精准执行分离，性能提升 60%！🎉

欢迎加入讨论交流群

English Documentation

✨ 特性

• 🧠 双模型协作 - 🆕 决策大模型 + 视觉小模型协作架构，智能任务规划与精准执行分离，支持三种工作模式（DEEP/FAST/TURBO）
• 完全无线配对 - 🆕 支持 Android 11+ 二维码扫码配对，无需数据线即可连接设备
• 多设备并发控制 - 同时管理和控制多个 Android 设备，设备间状态完全隔离
• 对话式任务管理 - 通过聊天界面控制 Android 设备
• Workflow 工作流 - 🆕 预定义常用任务，一键快速执行，支持创建、编辑、删除和管理
• 实时屏幕预览 - 基于 scrcpy 的低延迟视频流，随时查看设备正在执行的操作
• 直接操控手机 - 在实时画面上直接点击、滑动操作，支持精准坐标转换和视觉反馈
• 零配置部署 - 支持任何 OpenAI 兼容的 LLM API
• ADB 深度集成 - 通过 Android Debug Bridge 直接控制设备（支持 USB 和 WiFi）
• 模块化界面 - 清晰的侧边栏 + 设备面板设计，功能分离明确

📥 快速下载

一键下载桌面版（免配置环境）：

操作系统	下载链接	说明
🪟 Windows (x64)	📦 下载便携版 EXE	适用于 Windows 10/11，免安装
🍎 macOS (Apple Silicon)	📦 下载 DMG	适用于 M 芯片 Mac
🐧 Linux (x64)	📦 下载 AppImage | deb | tar.gz	通用格式，支持主流发行版

使用说明：

• Windows: 下载后直接双击 .exe 文件运行，无需安装
• macOS: 下载后双击 .dmg 文件，拖拽到应用程序文件夹。首次打开可能需要在「系统设置 → 隐私与安全性」中允许运行
• Linux:
  • AppImage（推荐）: 下载后添加可执行权限 chmod +x AutoGLM*.AppImage，然后直接运行
  • deb: 适用于 Debian/Ubuntu 系统，使用 sudo dpkg -i autoglm*.deb 安装
  • tar.gz: 便携版，解压后运行 ./AutoGLM\ GUI/autoglm-gui

💡 提示: 桌面版已内置所有依赖（Python、ADB 等），无需手动配置环境。首次运行时需配置模型服务 API。

---

或者使用 Python 包（需要 Python 环境）：

# 通过 pip 安装（推荐）
pip install autoglm-gui

# 或使用 uvx 免安装运行（需先安装 uv）
uvx autoglm-gui

📸 界面预览

快速跳转： 普通模式 · 双模型协作（增强） · 分层代理（增强）

双模型协作架构

决策大模型（如 GLM-4.7）+ 视觉小模型（AutoGLM-Phone）：大模型负责规划与纠错，小模型负责观察与执行，适合更复杂、更长流程的任务。

• 🧠 决策层：任务理解 / 步骤规划 / 异常纠错
• 👁️ 执行层：识别界面元素并点击/滑动/输入完成操作
• 🔄 运行方式：规划 → 执行 → 反馈；必要时自动重规划

模式选择（Thinking Mode）：TURBO（更省更快，推荐常规流程）/ DEEP（更稳，适合复杂任务）/ FAST（更快，适合轻量任务）。

分层代理

分层代理（Layered Agent） 是更“严格”的两层结构：规划层专注任务拆解与多轮推理，执行层专注观察与操作。规划层会通过工具调用（可在界面中看到每次调用与结果）来驱动执行层完成一个个原子子任务，便于边执行边调整策略，适合需要多轮交互/推理的高级任务。

任务开始

任务执行完成

多设备控制

🚀 快速开始

🎯 模型服务配置

AutoGLM-GUI 只需要一个 OpenAI 兼容的模型服务。你可以：

• 使用官方已托管的第三方服务
  • 智谱 BigModel：--base-url https://open.bigmodel.cn/api/paas/v4，--model autoglm-phone，--apikey <你的 API Key>
  • ModelScope：--base-url https://api-inference.modelscope.cn/v1，--model ZhipuAI/AutoGLM-Phone-9B，--apikey <你的 API Key>
• 或自建服务：参考上游项目的部署文档用 vLLM/SGLang 部署 zai-org/AutoGLM-Phone-9B，启动 OpenAI 兼容端口后将 --base-url 指向你的服务。

示例：

# 使用智谱 BigModel
pip install autoglm-gui
autoglm-gui \
  --base-url https://open.bigmodel.cn/api/paas/v4 \
  --model autoglm-phone \
  --apikey sk-xxxxx

# 使用 ModelScope
pip install autoglm-gui
autoglm-gui \
  --base-url https://api-inference.modelscope.cn/v1 \
  --model ZhipuAI/AutoGLM-Phone-9B \
  --apikey sk-xxxxx

# 指向你自建的 vLLM/SGLang 服务
pip install autoglm-gui
autoglm-gui --base-url http://localhost:8000/v1 --model autoglm-phone-9b

前置要求

• Python 3.10+
• Android 设备（Android 11+ 支持完全无线配对，无需数据线）
• 已安装 ADB 并添加到系统 PATH（桌面版已内置）
• 一个 OpenAI 兼容的 API 端点

关于设备连接：

• Android 11+：支持二维码扫码配对，完全无需数据线即可连接和控制设备
• Android 10 及更低版本：需要先通过 USB 数据线连接并开启无线调试，之后可拔掉数据线无线使用

快捷运行（推荐）

无需手动准备环境，直接安装运行：

# 通过 pip 安装并启动
pip install autoglm-gui
autoglm-gui --base-url http://localhost:8080/v1

也可以使用 uvx 免安装启动，自动启动最新版（需已安装 uv，安装教程）：

uvx autoglm-gui --base-url http://localhost:8080/v1

传统安装

# 从源码安装
git clone https://github.com/your-repo/AutoGLM-GUI.git
cd AutoGLM-GUI
uv sync

# 构建前端（必须）
uv run python scripts/build.py

# 启动服务
uv run autoglm-gui --base-url http://localhost:8080/v1

启动后，在浏览器中打开 http://localhost:8000 即可开始使用！

🔄 升级指南

检查当前版本

# 查看已安装的版本
pip show autoglm-gui

# 或使用命令行参数
autoglm-gui --version

升级到最新版本

使用 pip 升级：

# 升级到最新版本
pip install --upgrade autoglm-gui

📖 使用说明

多设备管理

AutoGLM-GUI 支持同时控制多个 Android 设备：

1. 设备列表 - 左侧边栏自动显示所有已连接的 ADB 设备
2. 设备选择 - 点击设备卡片切换到对应的控制面板
3. 状态指示 - 清晰显示每个设备的在线状态和初始化状态
4. 状态隔离 - 每个设备有独立的对话历史、配置和视频流

设备状态说明：

• 🟢 绿点：设备在线
• ⚪ 灰点：设备离线
• ✓ 标记：设备已初始化

📱 二维码无线配对（Android 11+ 推荐）

完全无需数据线，手机和电脑只需在同一 WiFi 网络即可：

1. 手机端准备：

   • 打开「设置」→「开发者选项」→ 开启「无线调试」
   • 保持手机和电脑连接到同一个 WiFi 网络

2. 电脑端操作：

   • 点击界面左下角的 ➕ 「添加无线设备」按钮
   • 切换到「配对设备」标签页
   • 二维码自动生成，等待扫码

3. 手机端扫码：

   • 在「无线调试」页面，点击「使用二维码配对设备」
   • 扫描电脑上显示的二维码
   • 配对成功后，设备会自动出现在设备列表中

特点：

• ✅ 完全无需数据线
• ✅ 一键扫码即可配对
• ✅ 自动发现并连接设备
• ✅ 适用于 Android 11 及以上版本

AI 自动化模式

1. 连接设备 - 使用上述任一方式连接设备（推荐 Android 11+ 的二维码配对）
2. 选择设备 - 在左侧边栏选择要控制的设备
3. 初始化 - 点击"初始化设备"按钮配置 Agent
4. 对话 - 描述你想要做什么（例如："去美团点一杯霸王茶姬的伯牙绝弦"）
5. 观察 - Agent 会逐步执行操作，每一步的思考过程和动作都会实时显示

🤖 选择 Agent 类型

在初始化设备时，可以选择不同的 Agent 类型（默认：GLM Agent）：

• GLM Agent：基于 GLM 模型优化，成熟稳定，适合大多数任务
• MAI Agent：阿里通义团队开发的 Mobile Agent，支持多张历史截图上下文，适合复杂任务

MAI Agent 可配置参数：

• history_n：历史截图数量（1-10，默认：3）

🌿 普通模式（单模型 / Open AutoGLM）

这是开源 AutoGLM-Phone 的“原生形态”：由一个视觉模型直接完成「理解任务 → 规划步骤 → 观察屏幕 → 执行动作」的完整闭环。

• 优点：配置最简单，上手最快
• 适用场景：目标明确、步骤较少的任务（例如打开应用、简单导航）

🧠 双模型协作模式（增强）

双模型模式通过决策大模型（负责规划/纠错） + **视觉小模型（负责观察/操作）**协作，提升复杂任务的稳定性与可控性。

工作模式（Thinking Mode）

• 🚀 TURBO（推荐）：大模型先生成“操作序列”，视觉模型批量执行；仅在异常时触发重规划（通常 1-2 次大模型调用）
• 🎯 DEEP：每一步都调用大模型做决策与分析，最稳但成本/耗时更高
• ⚡ FAST：同样逐步决策，但提示词更短、响应更快，适合轻量任务

配置要点

• 决策大模型：建议使用推理/规划能力较强的模型（如 GLM-4.7、GPT-4、Claude 等）
• 视觉小模型：建议使用具备 GUI 观察与操作能力的模型（如 AutoGLM-Phone-9B / autoglm-phone）

🧩 分层代理模式（Layered Agent，增强 / 实验性）

分层代理模式是更“严格”的两层结构：规划层专注拆解与推理，执行层专注观察与操作，二者通过工具调用协作完成任务。

• 工作方式：规划层（决策模型）会调用工具（如 list_devices() / chat(device_id, message)）去驱动执行层；你能在界面里看到每次工具调用与返回结果
• 执行粒度：执行层每次只做一个“原子子任务”，并有步数上限（例如每次最多 5 步），便于规划层按反馈动态调整策略
• 适用场景：需要多轮推理、需要“边看边问边改计划”的复杂任务（例如浏览/筛选/对比、多轮表单填写等）
• 重要限制：执行层不负责“记笔记/保存中间信息/直接提取文本变量”；规划层需要信息时必须通过提问让执行层把屏幕内容“念出来”

🎭 三种工作模式对比

AutoGLM-GUI 提供了三种不同的代理工作模式，适用于不同的使用场景：

1️⃣ 经典模式（Classic Mode）

• 架构：单一 autoglm-phone 视觉模型直接处理（即普通 Open AutoGLM 的体验）
• 适用场景：简单、明确的任务
• 特点：配置简单，适合快速上手

2️⃣ 双模型协作（Dual Model）

• 架构：决策大模型（GLM-4.7/GPT-4）+ 视觉小模型（autoglm-phone）
• 适用场景：需要智能规划的中高复杂度任务
• 特点：支持 TURBO/DEEP/FAST 三种思考模式，在成本、速度与稳定性之间做权衡

3️⃣ 分层代理（Layered Agent）🆕 实验性功能

• 架构：基于 Agent SDK 的分层任务执行系统
  • 规划层：决策模型作为高级智能中枢，负责任务拆解和多轮推理
  • 执行层：autoglm-phone 作为执行者，只负责观察和操作
• 适用场景：需要多轮交互和复杂推理的高级任务
• 特点：规划层通过工具调用驱动执行层，过程更透明、更便于调试与迭代策略

选择建议：

• 🚀 常规任务（订外卖、打车）：双模型 TURBO 模式
• 🎯 复杂任务（浏览并评论帖子）：双模型 DEEP 模式
• 🏗️ 需要多轮推理的任务：分层代理模式

💬 我们需要你的反馈！ 不同的任务场景适合不同的模式，我们正在持续优化这些模式的性能和易用性。如果你在使用过程中有任何建议、遇到问题或发现某个模式特别好用/不好用，欢迎通过 GitHub Issues 或 QQ 交流群 告诉我们。你的反馈将帮助我们改进产品！

手动控制模式

除了 AI 自动化，你也可以直接在实时画面上操控手机：

1. 实时画面 - 设备面板右侧显示手机屏幕的实时视频流（基于 scrcpy）
2. 点击操作 - 直接点击画面中的任意位置，操作会立即发送到手机
3. 滑动手势 - 按住鼠标拖动实现滑动操作（支持滚轮滚动）
4. 视觉反馈 - 每次操作都会显示涟漪动画和成功/失败提示
5. 精准转换 - 自动处理屏幕缩放和坐标转换，确保操作位置准确
6. 显示模式 - 支持自动、视频流、截图三种显示模式切换

Workflow 工作流管理

将常用任务保存为 Workflow，实现一键快速执行：

创建和管理 Workflow

1. 进入管理页面 - 点击左侧导航栏的 Workflows 图标（📋）
2. 新建 Workflow - 点击右上角"新建 Workflow"按钮
3. 填写信息：
   • 名称：给 Workflow 起一个简短易记的名称（如："订购霸王茶姬"）
   • 任务内容：详细描述要执行的任务（如："去美团点一杯霸王茶姬的伯牙绝弦，要去冰，加珍珠"）
4. 保存 - 点击保存按钮即可

管理操作：

• 编辑 - 点击 Workflow 卡片上的"编辑"按钮修改内容
• 删除 - 点击"删除"按钮移除不需要的 Workflow
• 预览 - Workflow 卡片显示任务内容的前几行预览

快速执行 Workflow

在 Chat 界面执行已保存的 Workflow：

1. 选择设备 - 确保已选择并初始化目标设备
2. 打开 Workflow 选择器 - 点击输入框旁边的 Workflow 按钮（📋 图标）
3. 选择要执行的任务 - 从列表中点击你想执行的 Workflow
4. 自动填充 - 任务内容会自动填入输入框
5. 发送执行 - 点击发送按钮开始执行

使用场景示例：

• 📱 日常任务：订外卖、打车、查快递
• 🎮 游戏操作：每日签到、领取奖励
• 📧 消息发送：固定内容的消息群发
• 🔄 重复操作：定期执行的维护任务

🛠️ 开发指南

快速开发

# 后端开发（自动重载）
uv run autoglm-gui --base-url http://localhost:8080/v1 --reload

# 前端开发服务器（热重载）
cd frontend && pnpm dev

构建和打包

# 仅构建前端
uv run python scripts/build.py

# 构建完整包
uv run python scripts/build.py --pack

🐳 Docker 部署

AutoGLM-GUI 支持 Docker 容器化部署，适合服务器端远程控制 Android 设备的场景。

快速启动

# 1. 克隆仓库
git clone https://github.com/suyiiyii/AutoGLM-GUI.git
cd AutoGLM-GUI

# 2. 创建环境变量文件
cat > .env << EOF
AUTOGLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4
AUTOGLM_MODEL_NAME=autoglm-phone
AUTOGLM_API_KEY=sk-your-api-key
EOF

# 3. 启动容器
docker-compose up -d

# 4. 访问 http://localhost:8000

手动构建

# 构建镜像
docker build -t autoglm-gui:latest .

# 运行容器 (Linux 推荐 host 网络)
docker run -d --network host \
  -e AUTOGLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4 \
  -e AUTOGLM_MODEL_NAME=autoglm-phone \
  -e AUTOGLM_API_KEY=sk-xxx \
  -v autoglm_config:/root/.config/autoglm \
  -v autoglm_logs:/app/logs \
  autoglm-gui:latest

环境变量

变量	说明	默认值
AUTOGLM_BASE_URL	模型 API 地址	(必填)
AUTOGLM_MODEL_NAME	模型名称	autoglm-phone
AUTOGLM_API_KEY	API 密钥	(必填)

连接远程设备

Docker 容器中连接 Android 设备推荐使用 WiFi 调试：

1. 在 Android 设备上开启「开发者选项」→「无线调试」
2. 记录设备的 IP 地址和端口号
3. 在 Web 界面点击「添加无线设备」→ 输入 IP:端口 → 连接

⚠️ 注意：二维码配对功能在 Docker bridge 网络中可能受限（依赖 mDNS 多播）。Linux 系统建议使用 network_mode: host。

健康检查

# 检查服务状态
curl http://localhost:8000/api/health

📝 开源协议

Apache License 2.0

许可证说明

AutoGLM-GUI 打包了 ADB Keyboard APK (com.android.adbkeyboard)，该组件使用 GPL-2.0 许可证。ADB Keyboard 组件作为独立工具使用，不影响 AutoGLM-GUI 本身的 MIT 许可。

详见：AutoGLM_GUI/resources/apks/ADBKeyBoard.LICENSE.txt

🙏 致谢

本项目基于 Open-AutoGLM 构建，感谢 zai-org 团队在 AutoGLM 上的卓越工作。