AutoGLM-Phone 9B 端侧智能体：基于 vLLM 与 Docker 的云端部署与 ADB 联调指南

一、 产品概述与核心能力

AutoGLM-Phone 是智谱 AI 推出的端侧智能体模型，具备通过自然语言指令直接操作手机 GUI（图形用户界面）的能力。根据官方资料，它是一种基于图形用户界面（GUI）的自主任务完成智能体，能够模拟人类操作手机，执行社交媒体互动、在线购物、酒店预订等跨应用任务。

其核心架构融合了大语言模型的语义理解与任务规划能力，实现了从"思考"到"行动"的闭环。用户通过自然语言下达指令，AutoGLM-Phone 可自动分解任务、定位屏幕元素、执行点击/滑动等操作，并处理任务执行中的异常情况。

二、 部署前准备：环境与资源规划

1. 算力云服务器选购与配置

1.1 服务器规格选择

• 显卡 ：建议选择显存 40G 左右的显卡（如 A40, A100-40G, 或 4090），以确保 AutoGLM-Phone-9B 模型加载和推理的稳定性。
• 计费模式：推荐选择"按小时租用"，灵活划算。
• 带宽配置 ：强烈建议将带宽拉至最大值。模型文件和 Docker 镜像体积巨大，低带宽会导致下载耗时极长。
• 系统镜像 ：直接选择 Ubuntu 22.04 系统。
• 端口映射 ：创建实例后，务必记录控制台提供的外网端口 与容器内端口的对应关系，用于后续服务映射。

1.2 基础环境连接

通过 SSH 连接至您租用的云服务器。

ssh username@your_server_ip

2. Docker 环境安装与配置

2.1 清理旧版本并安装 Docker Engine

执行以下命令安装最新版 Docker：

# 更新索引并安装依赖
sudo apt-get update
sudo apt-get install ca-certificates curl

# 添加 Docker 官方 GPG 密钥
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# 添加 Docker APT 源
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update

# 安装 Docker 及相关组件
sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

# 验证安装
docker --version

2.2 配置国内镜像加速

编辑 Docker 守护进程配置文件以提升镜像拉取速度。

sudo vim /etc/docker/daemon.json

在文件中粘贴以下内容（按 i 进入编辑模式）：

{
    "registry-mirrors": [
        "https://docker.m.daocloud.io",
        "https://noohub.ru",
        "https://huecker.io",
        "https://dockerhub.timeweb.cloud"
    ]
}

保存并退出（按 Esc，输入 :wq 回车），然后重启 Docker 服务。

sudo service docker restart
# 验证配置生效
sudo docker info | grep Mirrors -A 4

三、 模型下载与准备

我们需要将 ZhipuAI/AutoGLM-Phone-9B 模型下载到服务器的 /opt/model 目录。推荐使用 ModelScope（魔搭社区）进行下载。

1. 使用 ModelScope 下载（推荐）

# 安装下载工具
pip install modelscope

# 创建目录并下载模型
sudo mkdir -p /opt/model
sudo chmod 777 /opt/model # 确保有写入权限
modelscope download --model 'ZhipuAI/AutoGLM-Phone-9B' --local_dir '/opt/model'

2. 备用下载方案

若 ModelScope 下载缓慢，可使用 Git LFS 或 Python SDK 作为备用方案。

# 方案二：Git LFS
git lfs install
cd /opt/model
git clone https://www.modelscope.cn/ZhipuAI/AutoGLM-Phone-9B.git

# 方案三：Python SDK
from modelscope import snapshot_download
model_dir = snapshot_download('ZhipuAI/AutoGLM-Phone-9B')

四、 使用 vLLM 部署高性能推理服务

vLLM 框架能显著提升大模型推理的吞吐量和效率。我们将通过 Docker 运行 vLLM 服务。

1. 准备 NVIDIA Container Toolkit

确保宿主机已安装 NVIDIA 驱动，并配置容器工具包。

# 检查宿主机 NVIDIA 驱动
nvidia-smi

# 配置 NVIDIA 容器库（若 nvidia-smi 正常，此步可跳过）
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

2. 启动 vLLM 推理服务容器

使用 Docker 命令启动服务。请将 <your_cloud_port> 替换为云服务器控制台映射给你的外网端口（例如 30001）。

docker run -d --gpus all \
  -p <your_cloud_port>:8000 \
  -v /opt/model:/app/model \
  --name autoglm-vllm \
  vllm/vllm-openai:latest \
  --model /app/model \
  --served-model-name AutoGLM-Phone-9B \
  --max-model-len 8192 \
  --tensor-parallel-size 1

参数说明：

• -p <your_cloud_port>:8000: 将容器内的 8000 端口映射到宿主机外网端口。
• -v /opt/model:/app/model: 将宿主机模型目录挂载到容器内。
• --gpus all: 允许容器使用所有 GPU。
• --max-model-len 8192: 设置模型最大上下文长度。
• --tensor-parallel-size 1: 设置张量并行大小，单卡设为 1。

3. 验证服务状态

服务启动后，可通过以下命令检查日志和进行 API 测试。

# 查看容器日志
docker logs -f autoglm-vllm

# 使用 curl 测试 OpenAI 兼容接口
curl http://localhost:<your_cloud_port>/v1/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "AutoGLM-Phone-9B",
    "prompt": "请打开微信",
    "max_tokens": 100,
    "temperature": 0.1
  }'

五、 本地 ADB 连接与 AutoGLM-Controller 配置

模型服务部署完成后，需在本地环境配置 Android 设备连接与控制端。

1. 安卓设备无线 ADB 调试配置

1. 进入手机「设置 > 开发者选项」，启用「无线调试」。
2. 选择「使用配对码配对设备」，记下显示的 IP 地址、端口和配对码。
3. 在本地电脑（与手机在同一 WiFi 下）执行配对命令：

adb pair <手机IP地址>:<配对端口>
# 根据提示输入配对码

4. 配对成功后，执行连接命令：

adb connect <手机IP地址>:<调试端口>

5. 验证连接：

adb devices
# 应显示已连接的设备

2. 配置并运行 AutoGLM-Controller 应用

AutoGLM-Controller 是连接 AI 服务与手机 ADB 的桥梁。根据开源项目指南，需进行以下配置：

1. 获取项目 ：从 GitHub 克隆项目。

   git clone https://github.com/Chenhaja/Voice-Control-AutoGLM-Android-Termux.git

2. 配置讯飞语音 SDK （如需语音控制）：

   • 在 SpeechApplication 中填写个人讯飞 appID。
   • 将 SDK 文件（Msc.jar 及 Jnilibs 目录下的 .so 文件）放入项目指定位置。

3. 修改服务地址 ：在应用配置中，将 AI 服务地址指向你部署的云服务器 http://<你的服务器IP>:<你的外网端口>/v1。

4. 编译并运行应用。

六、 启动与执行：连接 AI 与手机

1. 启动完整的 AutoGLM-Phone 服务链

在本地运行 AutoGLM-Phone 主程序，并指向云端 vLLM 服务。

# 假设你已克隆 open-AutoGLM 官方仓库
cd Open-AutoGLM

# 启动主程序，连接云端模型服务和本地 ADB
python main.py \
  --base-url http://<你的服务器IP>:<你的外网端口>/v1 \
  --model "AutoGLM-Phone-9B" \
  --android-mode

关键参数 --android-mode：此参数用于启用与 AutoGLM-Controller 应用的通信通道，是实现手机操作的关键。

2. 执行自然语言指令

启动成功后，即可通过命令行或集成的语音接口向 AutoGLM-Phone 发送指令。例如：

• "帮我点一份附近评分最高的外卖。"
• "打开抖音，找到第一条视频并点赞。"
• "查一下明天从北京到上海的航班，按价格排序。"

模型将理解指令，通过 ADB 控制手机自动执行一系列操作，并返回任务执行结果。

七、 总结与关键点

根据官方架构与部署实践，成功运行 AutoGLM-Phone 需紧密整合三个核心层：

1. 云端推理层：基于 vLLM 的高性能模型服务，负责核心的任务理解与规划。确保显卡显存充足（>=40G）并正确配置端口映射是此层稳定的基础。
2. 本地控制层：AutoGLM-Controller 应用与 ADB。必须确保稳定的 WiFi 网络环境以实现无线 ADB 连接，并正确配置应用中的服务端地址。
3. 通信与执行层 ：--android-mode 参数是连接 AI 决策与物理操作的关键开关，它激活了与控制器应用的文件或 Socket 通信，将 AI 生成的"操作序列"转换为实际的 ADB 命令。

此部署方案将计算密集的模型推理置于云端，本地只需处理轻量的控制通信，实现了资源与效率的平衡。对于追求更高隐私或离线可用的场景，可参考社区方案，在 Termux 或本地高性能机器上部署完整的模型，但需应对更复杂的依赖与环境配置挑战。