导语:AutoGLM 是智谱从 2024 年 10 月就开始做的自主智能体,最早是”能模拟你点屏幕”的手机操作助手和浏览器助手。到 AutoGLM 2.0,它已经变成执行型助手:给它配一台专属的”智能体手机”或”智能体电脑”,它在云端替你干活,你自己的设备照常刷视频、打游戏。
核心要点
- 定位:智谱自 2024 年 10 月启动的自主智能体,从手机操作助手演进到执行型助手
- 界面层工作:看屏幕、识别控件、规划动作、点击输入,操作美团、京东、小红书、抖音等应用
- 适配规模:AutoGLM-Phone 框架已适配 50 多个主流中文应用场景
- 云端代跑:AutoGLM 2.0 配专属「智能体手机/电脑」,任务在云端执行,不占用本地设备
- 长程能力:官方称可自主执行超过 50 步的连续操作,也能跨 App 完成任务
- 开发者可用:AutoGLM-Phone 已在智谱开放平台提供,可自配 API Key 接入
一、什么是 AutoGLM?
大多数 Agent 在「文件层」工作——写文档、做表格、生成网页;AutoGLM 在「界面层」工作:看屏幕、点控件、填输入框。这个差别决定了它能做那些没有 API 的事——点外卖、订机票、查房源。
大多数 Agent 在”文件层”工作——写文档、做表格、生成网页。AutoGLM 在”界面层”工作:看屏幕、识别控件、规划动作、点击输入。用户一句话,它就能操作美团、京东、小红书、抖音等几十个高频应用,点外卖、订机票、查房源。AutoGLM 官方称可自主执行超过 50 步的长步骤操作,也能跨 App 完成任务。
二、核心优势
- 端到端 App 操作:AutoGLM-Phone 框架具备界面识别、意图规划与设备执行能力,已适配 50 多个主流中文应用场景,覆盖购物、出行、外卖、影音、资讯
- 完整指令集:启动 App、输入文字、滑动、点击、回退、长按等细粒度控制
- 云端异步执行:任务跑在智能体手机/电脑上,不占用本地设备,实现”异步代理办公”
- 网页自动化:浏览器侧支持数十个网站的”全自动”操作,智谱清言插件里可直接用
- 模型底座:GLM-5.1 支持单任务连续工作 8 小时的长程闭环;GLM-5.3-Flash 原生多模态,能观察界面反馈并迭代
三、应用场景
被重复 App 操作困住的运营与行政(批量下单、比价、巡检);需要跨 App 串流程的场景;以及想自己搭手机 Agent 的开发者(AutoGLM-Phone 已在智谱开放平台提供,可自配 Key 接入)。
四、怎么上手
普通用户从智谱清言或 AutoGLM 客户端体验,先给一个”看得见结果”的任务,比如”打开某 App 查我上周的订单再复购一次”,观察它的操作过程与确认提示。开发者则在 bigmodel.cn 开通 autoglm-phone 模型、创建 API Key,配合 AutoGLM App 与 Shizuku 授权使用(建议用备用机测试)。
五、下载与使用入口
- 智谱官网与产品入口:zhipuai.cn
- 开放平台 API(autoglm-phone 模型):open.bigmodel.cn
- 产品发布与更新记录:docs.bigmodel.cn · 更新记录
说明:普通用户从智谱清言或 AutoGLM 客户端体验;开发者需在开放平台开通模型并配置 Key,建议用备用机测试。
六、边界与注意事项
让 AI 操作真实账号有风险:支付、删除等高危动作必须保留人工确认,别把免密支付和自动执行叠在一起;AutoGLM 2.0 的智能体手机/电脑属于云端代跑,涉及个人数据的场景要先看权限说明。第三方部署的开源版本工具调用准确率可能低于官方 API。
总结
AutoGLM 打开的是「没有 API 的世界」:靠看屏幕、点控件完成操作。它适合被重复 App 操作困住的人,也适合想自建手机 Agent 的开发者;但凡涉及支付、删除的动作,人工确认这道闸不能省。
信息来源
产品发布记录:智谱 AI 开放文档
AutoGLM 2.0 报道:北京日报
AutoGLM 能力说明:智谱 AI 官网