AI Agent（智能体）的核心是 “自主理解任务、规划步骤、执行操作”，如今无需高端设备，普通手机就能变身专属 AI Agent，自动完成点外卖、跨 App 搜集信息、定时报表等复杂任务。本教程整合主流开源框架与实操方案，覆盖安卓 /iOS 双系统，从基础准备到进阶应用全流程拆解，新手也能快速上手。

一、先搞懂：手机 AI Agent 的核心逻辑

手机 AI Agent 本质是 “多模态大模型 + 操作执行框架” 的组合，核心实现三步闭环：

1. 感知屏幕：通过截图识别 UI 元素、文字、图标，理解当前页面状态；
2. 规划步骤：把用户自然语言指令（如 “查附近川菜馆并订位”）拆解为 “解锁→打开大众点评→搜索→筛选→打开高德标注→订位” 等原子操作；
3. 模拟执行：通过 ADB（安卓调试桥）或专属框架，将步骤转化为精准的点击、滑动、输入等操作，全程无需手动干预。

根据技术门槛和隐私需求，可选择两种实现路径，新手优先推荐 “低门槛云端方案”，有技术基础可尝试 “本地开源方案”：

方案类型	核心工具	优势	适用人群
低门槛云端方案	AutoGLM 云助手、Agent OS（PWA）	无需配置环境，手机直接用，不占本地资源	新手、非技术用户
本地开源方案	AutoGLM、MobiAgent、AppAgent	数据隐私可控，可自定义功能	开发者、追求个性化的用户

二、前置准备：双系统通用基础设置

无论哪种方案，需先完成以下基础配置，保障 Agent 正常运行：

1. 网络环境：确保手机和电脑（本地方案需用）连同一 WiFi，或手机开启流量（稳定即可）；
2. 权限开启：
   • 安卓：设置→系统→开发者选项→开启 “USB 调试”（部分机型需连续点击版本号激活开发者选项）；若用本地方案，需额外开启 “USB 安装” 权限；
   • iOS：无需开启特殊调试权限，低门槛方案直接通过网页 / PWA 使用，本地方案需借助 Mac 电脑配合 Xcode（门槛较高）；
3. 工具准备：
   • 低门槛方案：手机浏览器（推荐 Chrome/Safari）、常用 App（如微信、大众点评、高德地图）；
   • 本地方案：电脑（需 16GB 以上内存，运行大模型）、Python 3.11+、Git、对应开源项目依赖包。

三、新手必学：低门槛云端方案（5 分钟上手）

路径 1：AutoGLM 云助手（安卓 /iOS 通用）

AutoGLM 是智谱开源的云端 AI Agent，支持跨 App 长链路任务，无需安装复杂软件，手机浏览器即可使用：

1. 手机打开浏览器，访问 AutoGLM 官方体验页（建议收藏），完成账号注册（免费版可满足日常基础任务）；
2. 点击 “创建数字分身”，选择 “手机端任务”，授权访问必要权限（仅用于任务执行，隐私数据加密存储）；
3. 下达自然语言指令，格式参考：“帮我在北京王府井找人均 200 元内、评分 4.5 以上的川菜馆，筛选出适合拍照的 3 家，在高德地图标注位置，最后选评价最好的订位，结果发我微信”；
4. 点击 “开始执行”，Agent 会在云端模拟手机操作，全程在页面实时显示进度（无需打开手机 App），完成后会推送结果到微信 / 邮箱。

路径 2：Agent OS（PWA 安装，双系统通用）

Agent OS 是移动端优先的 AI Agent 平台，支持语音输入，可安装为手机 App 使用：

1. 手机浏览器打开 Agent OS 官网（https://agent-os-mobile.github.io），点击右上角 “分享”→“添加到主屏幕”，完成 PWA 安装（类似原生 App，无需上架应用商店）；
2. 打开安装后的 Agent OS，通过邮箱注册登录，选择 “创建单个 Agent”，设置名称（如 “工作助理”）和任务权限（如 “办公类”“购物类”）；
3. 点击底部麦克风图标，语音下达指令：“帮我写一份‘AI 在教育领域应用’的 PPT 大纲，包含背景、应用场景、未来趋势，生成后同步到我的云文档”；
4. Agent 会自动拆解任务，完成后通过推送通知提醒，点击即可查看结果，支持直接编辑和导出。

四、进阶玩法：本地开源方案（安卓优先，隐私可控）

若追求数据隐私不泄露（所有操作数据留存在本地），或想自定义功能，推荐用 AutoGLM 开源框架，以安卓 + Windows 电脑为例实操：

第一步：电脑端环境搭建（关键步骤）

1. 安装基础工具：
   • 下载并安装 Python 3.11+（勾选 “添加到环境变量”）；
   • 安装 Git，打开命令提示符（CMD），输入git clone https://github.com/THUDM/AutoGLM.git，克隆项目到本地；
   • 进入项目文件夹，输入pip install -r requirements.txt，安装依赖包（若报错，可添加-i https://pypi.tuna.tsinghua.edu.cn/simple用国内源加速）；
2. 启动大模型服务：
   • 下载 90 亿参数的 AutoGLM-Phone-9B 模型（项目官网有下载链接，需约 30GB 存储空间）；
   • 输入python -m vllm.entrypoints.openai.api_server --model ./AutoGLM-Phone-9B --port 8000，启动模型 API 服务（首次启动需加载模型，耗时 5-10 分钟，耐心等待）。

第二步：手机与电脑连接

1. 用 USB 数据线连接手机和电脑，手机弹出 “USB 用途” 选择 “传输文件”，并在弹出的 “USB 调试授权” 窗口点击 “允许”；
2. 电脑端打开 CMD，输入adb devices，若显示手机设备 ID，说明连接成功；若失败，检查 USB 调试是否开启，或更换数据线。

第三步：运行 AI Agent 并执行任务

1. 电脑端项目文件夹中，双击运行 “main.py”，打开交互窗口；
2. 输入自然语言指令，例如：“打开天气 App，查看今天的天气预报，截图并发送到我的微信文件传输助手”；
3. 按下回车，Agent 会自动分析指令、规划步骤，手机会同步执行解锁、打开 App、截图、发送等操作，电脑窗口实时显示执行进度；
4. 任务完成后，会提示 “执行成功”，可在微信查看结果。

其他优秀开源框架推荐（按需选择）

• MobiAgent：支持小红书、饿了么等 10 + 主流 App，内置任务测试平台，适合电商比价、社交运营场景，开源地址：https://github.com/IPADS-SAI/MobiAgent；
• AppAgent（腾讯开源）：可通过自主探索学习新 App 使用方法，生成操作文档，适合需要适配小众 App 的场景，开源地址：https://github.com/TencentQQGYLab/AppAgent；
• mobile-use：支持 OpenAI、本地模型等多种后端，轻量简洁，适合简单自动化任务，开源地址：https://github.com/minitap-ai/mobile-use。

五、实用场景：让 AI Agent 帮你搞定这些事

1. 办公自动化：定时收集 Excel 报表数据→生成分析图表→截图发送到工作群；自动填写表单、整理邮件附件并分类存储；
2. 生活助手：跨平台比价购物（京东 / 天猫 / 苏宁同款对比，生成价格表）；查附近美食并订位，标注导航路线；
3. 内容创作：生成播客脚本、电影解说文案；收集小红书 / 微博热门话题，整理成创作素材文档；
4. 学习辅助：搜索指定主题的学习资料，汇总成 PDF；自动整理网课笔记，提取核心知识点。

六、关键提醒：隐私安全与避坑指南

1. 隐私保护：
   • 云端方案：优先选择官方认证平台，避免授权敏感 App（如银行 App）；
   • 本地方案：开启 “本地模式”，确保模型和操作数据不上传云端，敏感操作（如支付）建议关闭 Agent 授权；
2. 安全机制：所有方案对支付类操作均有强制确认机制，建议开启 “语音二次验证”，避免 Agent 误操作；
3. 常见问题解决：
   • 操作失败：检查网络是否稳定，App 是否为最新版本（旧版本 UI 可能导致识别失败）；
   • 安卓连接失败：重新开启 USB 调试，更换 USB 数据线，或重启手机与电脑；
   • iOS 本地方案困难：新手不建议尝试，优先用云端 / PWA 方案；
4. 性能优化：本地方案运行大模型需电脑 16GB 以上显存，若卡顿可选择 3B 参数轻量版模型（社区正在研发普及）。

七、进阶拓展：自定义你的专属 AI Agent

有技术基础的用户，可通过以下方式优化 Agent 功能：

1. 功能定制：基于 AutoGLM 开源框架，添加自定义指令（如 “自动发布小红书图文”），修改任务拆解逻辑；
2. 多 Agent 协作：用 Agent OS 搭建 “多 Agent 集群”，让 “规划 Agent” 拆解任务、“搜索 Agent” 收集信息、“写作 Agent” 整理结果，提升复杂任务效率；
3. 硬件适配：安卓手机可搭配蓝牙键盘 / 鼠标，提升 Agent 操作稳定性；电脑端可通过 Docker 部署模型，实现开机自动启动服务。