商洛市网站建设_网站建设公司_留言板_seo优化

Open-AutoGLM健身提醒代理：运动计划执行自动化部署

1. Open-AutoGLM – 智谱开源的手机端AI Agent框架

你有没有这样的经历：设好了每天晚上8点去健身房，结果一忙起来就忘了？或者明明想用App记录训练数据，却因为操作太繁琐而放弃。现在，一个叫Open-AutoGLM的项目正在让这些琐事变得“全自动”。

这不是简单的闹钟提醒，而是一个真正能“动手”的AI助手——它不仅能理解你的语言指令，还能像真人一样操作手机，帮你打开健身App、打卡签到、甚至自动发送训练完成通知给朋友。这一切都基于智谱AI开源的AutoGLM-Phone框架，一个能让大模型“看懂屏幕、动起手指”的手机端智能代理系统。

这个系统的核心能力在于：多模态理解 + 自动化执行。它通过视觉语言模型读取手机屏幕内容，判断当前界面状态，再结合任务规划能力，一步步完成点击、滑动、输入等操作。你只需要说一句：“帮我打开Keep开始跑步训练”，剩下的交给AI。

更关键的是，这套系统是完全可本地部署、可定制化的开源方案。你可以把它变成专属的“数字分身”，让它替你在多个App之间穿梭执行任务，比如定时记录饮食、自动发布运动成果到社交平台，甚至在你忘记锻炼时主动发消息提醒。

接下来，我们就以“健身提醒代理”为例，带你从零开始部署一个能真正“行动”的AI助手。

2. AutoGLM-Phone 是什么？让AI接管你的手机

2.1 多模态理解与自动执行的闭环

传统的语音助手（如Siri、小爱同学）大多停留在“听指令—查信息—播报结果”的层面，真正需要操作App时还得你自己上手。而AutoGLM-Phone不同，它的目标是实现“你说，它做”。

它是如何做到的？

整个流程分为三步：

1. 感知：通过ADB截取手机屏幕画面，送入视觉语言模型（VLM），让AI“看到”当前界面有哪些按钮、文字、图标。
2. 决策：结合用户指令和当前界面状态，模型生成下一步操作动作，比如“点击‘开始训练’按钮”或“向下滑动列表”。
3. 执行：通过ADB命令模拟真实触控行为，完成点击、输入、滑动等操作。

这三步不断循环，形成一个完整的任务执行闭环。就像一个人坐在你旁边，看着你的手机屏幕，听你下命令，然后亲手帮你操作。

2.2 安全机制与人工接管设计

你可能会担心：万一AI乱点，误删数据怎么办？别怕，系统内置了多重安全机制：

• 敏感操作确认：当检测到可能影响账户或数据的操作（如卸载应用、支付、删除账号），AI会暂停并等待人工确认。
• 验证码/登录拦截：遇到需要输入密码或验证码的场景，系统会自动停止自动化流程，提示用户手动处理。
• 远程调试支持：开发者可以通过WiFi连接设备，在不接触物理手机的情况下进行调试和监控。

这意味着，你既能享受自动化带来的便利，又能牢牢掌握控制权。

3. 硬件与环境准备：搭建本地控制端

要让AI代理运行起来，我们需要在本地电脑上配置控制端，并连接安卓设备。以下是具体准备步骤。

3.1 基础环境要求

• 操作系统：Windows 或 macOS（推荐macOS，兼容性更好）
• Python版本：建议使用 Python 3.10 或以上
• 安卓设备：Android 7.0 及以上版本的手机或模拟器
• ADB工具：Android Debug Bridge，用于与设备通信

3.2 安装并配置ADB

Windows 用户

1. 下载 Android SDK Platform Tools 并解压。
2. 按Win + R输入sysdm.cpl，打开“系统属性” → “高级” → “环境变量”。
3. 在“系统变量”中找到Path，点击“编辑” → “新建”，添加ADB解压路径（例如：C:\platform-tools）。
4. 打开命令行，输入：

   adb version

   如果返回版本号，说明配置成功。

macOS 用户

打开终端，执行以下命令（假设文件解压在~/Downloads/platform-tools）：

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

为了永久生效，可以将这行命令添加到.zshrc或.bash_profile文件中：

echo 'export PATH=${PATH}:~/Downloads/platform-tools' >> ~/.zshrc source ~/.zshrc

验证方式同上，运行adb version查看输出。

4. 手机端设置：开启调试权限

为了让电脑能够控制手机，必须开启开发者选项和USB调试。

4.1 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，直到提示“您已进入开发者模式”。

4.2 启用USB调试

返回设置主菜单 → “开发者选项” → 找到“USB调试”，勾选启用。

注意：首次连接电脑时，手机会弹出“允许USB调试？”的对话框，请点击“允许”并勾选“始终允许”。

4.3 安装ADB Keyboard（可选但推荐）

这是一个特殊的输入法，允许我们通过ADB命令直接输入文字，避免AI无法调用系统键盘的问题。

1. 下载 ADB Keyboard APK 并安装。
2. 进入“设置” → “语言与输入法” → “默认键盘” → 切换为“ADB Keyboard”。

这样，AI就能通过命令输入文字，比如搜索关键词、填写表单等。

5. 部署Open-AutoGLM控制端代码

现在我们可以下载并安装核心控制程序。

5.1 克隆项目仓库

在本地终端执行：

git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM

5.2 安装依赖

pip install -r requirements.txt pip install -e .

提示：建议使用虚拟环境（如conda或venv）隔离依赖，避免冲突。

安装完成后，你会看到phone_agent模块被注册为可调用包，后续可通过Python API或命令行调用。

6. 连接设备：USB与WiFi两种方式

确保手机已通过USB连接电脑，或处于同一局域网内。

6.1 USB连接方式（推荐初学者）

在终端运行：

adb devices

如果输出类似：

List of devices attached 123456789 device

说明设备已识别，可以继续下一步。

6.2 WiFi远程连接（适合长期运行）

如果你希望摆脱数据线束缚，可以用WiFi连接。

1. 先用USB连接设备，执行：

   adb tcpip 5555

   这会启动ADB的TCP服务，监听5555端口。

2. 断开USB线，在终端输入：

   adb connect 192.168.x.x:5555

   其中192.168.x.x是手机的局域网IP地址（可在Wi-Fi设置中查看）。

3. 再次运行adb devices，确认设备状态为device。

小技巧：重启手机后ADB TCP连接会失效，需重新执行adb tcpip 5555。

7. 启动AI代理：让AI开始工作

一切准备就绪，现在可以启动AI代理，让它替你操作手机。

7.1 命令行方式启动

在项目根目录运行：

python main.py \ --device-id 123456789 \ --base-url http://<云服务器IP>:8800/v1 \ --model "autoglm-phone-9b" \ "打开Keep App，开始30分钟跑步训练，并在结束后截图保存"

参数说明：

• --device-id：通过adb devices获取的设备ID
• --base-url：你的云服务器地址，运行着vLLM服务，提供AutoGLM模型推理接口
• --model：指定使用的模型名称
• 最后的字符串：自然语言指令，AI将据此规划并执行任务

注意：你需要提前在云服务器上部署好vLLM服务，并加载autoglm-phone-9b模型，确保端口映射正确且防火墙放行。

7.2 使用Python API远程控制（进阶用法）

除了命令行，你还可以在自己的脚本中集成AI代理功能。

from phone_agent.adb import ADBConnection, list_devices # 创建连接管理器 conn = ADBConnection() # 连接远程设备 success, message = conn.connect("192.168.1.100:5555") print(f"连接状态: {message}") # 列出所有已连接设备 devices = list_devices() for device in devices: print(f"{device.device_id} - {device.connection_type.value}") # （可选）为USB设备启用TCP/IP模式 success, message = conn.enable_tcpip(5555) if success: ip = conn.get_device_ip() print(f"设备IP: {ip}") else: print(f"启用失败: {message}") # 断开连接 conn.disconnect("192.168.1.100:5555")

这种方式适合嵌入到更大的自动化系统中，比如结合日历事件触发健身提醒。

8. 构建健身提醒代理：完整自动化流程

现在我们来实现一个实用场景：每天晚上8点自动打开Keep开始训练提醒。

8.1 设计自动化逻辑

1. 检测当前时间是否为设定提醒时间（如20:00）
2. AI代理唤醒手机（如有锁屏则解锁）
3. 打开Keep App
4. 导航至“跑步”模块
5. 弹出提示：“该去跑步啦！” 或直接开始计时
6. 训练结束后自动截图并保存

8.2 编写调度脚本

创建一个fitness_reminder.py脚本：

import time import subprocess from datetime import datetime def is_time_to_workout(): now = datetime.now() return now.hour == 20 and now.minute == 0 # 每晚8点 while True: if is_time_to_workout(): print("启动健身提醒任务...") result = subprocess.run([ "python", "main.py", "--device-id", "123456789", "--base-url", "http://your-server-ip:8800/v1", "--model", "autoglm-phone-9b", "打开Keep，提醒我开始30分钟跑步训练" ], capture_output=True, text=True) if result.returncode == 0: print("提醒已发出") else: print("执行失败:", result.stderr) time.sleep(60) # 防止重复触发 else: time.sleep(30) # 每30秒检查一次

配合系统定时任务（如cron或Windows任务计划程序），即可实现全天候值守。

9. 常见问题排查与优化建议

9.1 连接类问题

9.2 模型响应异常

• 现象：AI乱点、无响应、输出乱码
• 排查方向：
  • 确认vLLM启动参数中--max-model-len设置足够大（建议 ≥ 8192）
  • 显存是否充足？9B模型建议至少24GB GPU显存
  • 检查base-url是否正确指向/v1/chat/completions接口

9.3 提升稳定性建议

• 优先使用USB连接，避免WiFi中断导致任务失败
• 在低电量或后台限制严格的手机上，关闭省电模式
• 对关键任务增加重试机制和日志记录

10. 总结

通过 Open-AutoGLM 和 AutoGLM-Phone 框架，我们成功构建了一个能“动手”的AI健身提醒代理。它不再只是被动响应，而是主动介入你的生活，帮你完成一系列复杂的手机操作。

从环境配置、ADB连接、代码部署到实际任务执行，整个过程展示了现代AI Agent的强大潜力：理解意图、感知界面、规划路径、执行动作。而这套系统完全是开源、可定制、可扩展的。

未来，你可以进一步拓展它的能力：

• 结合健康App数据，根据心率自动调整训练强度
• 在社交平台自动分享每日成就
• 当连续三天未锻炼时，自动发送“警告”消息给监督人

技术的意义，从来不是取代人类，而是帮我们摆脱重复劳动，专注于更重要的事情。而 Open-AutoGLM 正是这样一个让你“少动手、多生活”的智能伙伴。

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。