当前位置: 首页 > news >正文

Mac用户福利:用Open-AutoGLM和MLX框架,免费运行手机AI助理

Mac用户福利:用Open-AutoGLM和MLX框架,免费运行手机AI助理

1. 项目介绍

1.1 什么是Open-AutoGLM?

Open-AutoGLM是智谱AI开源的一款手机端AI智能助理框架。它能通过自然语言指令控制你的安卓手机,自动完成各种操作任务。想象一下,你只需要说"打开小红书搜索美食",它就能自动帮你完成整个操作流程。

1.2 为什么Mac用户特别适合?

对于Mac用户(尤其是Apple Silicon芯片的Mac),这个方案有独特优势:

  • 本地运行:数据不会上传云端,保护隐私
  • 免费使用:不像云端API需要按使用量付费
  • 性能优化:专为Apple Silicon优化的MLX框架
  • 远程控制:可以通过WiFi控制手机,无需数据线

2. 准备工作

2.1 硬件与环境要求

  • Mac电脑:建议M1/M2芯片,16GB内存以上
  • 安卓手机:Android 7.0及以上版本
  • Python环境:Python 3.10+
  • ADB工具:用于连接和控制手机

2.2 安装必要工具

2.2.1 安装ADB工具
# 使用Homebrew安装ADB brew install android-platform-tools # 验证安装 adb version
2.2.2 配置手机
  1. 在手机上开启开发者模式(设置→关于手机→连续点击版本号)
  2. 开启USB调试(设置→开发者选项→USB调试)
  3. 安装ADB Keyboard输入法(用于文本输入)

3. 部署Open-AutoGLM

3.1 下载项目代码

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

3.2 安装依赖

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

3.3 下载模型

# 使用HuggingFace CLI下载模型 pip install -U "huggingface_hub[cli]" huggingface-cli download --resume-download zai-org/AutoGLM-Phone-9B --local-dir ./models/AutoGLM-Phone-9B

4. 连接手机

4.1 USB连接方式

# 连接手机 adb devices # 应该能看到你的设备ID

4.2 WiFi连接方式(可选)

# 先用USB连接开启TCP/IP模式 adb tcpip 5555 # 断开USB,通过WiFi连接 adb connect 192.168.x.x:5555

5. 运行AI助理

5.1 基本使用

python main.py \ --device-id <你的设备ID> \ --model ./models/AutoGLM-Phone-9B \ "打开抖音搜索Python教程"

5.2 常用命令示例

  • 社交应用:"打开微信给张三发消息说晚上7点吃饭"
  • 购物应用:"打开淘宝搜索无线耳机按销量排序"
  • 视频应用:"打开B站搜索机器学习教程"
  • 音乐应用:"打开网易云音乐播放周杰伦的歌"

6. 进阶功能

6.1 使用MLX加速(Apple Silicon专属)

pip install mlx "git+https://github.com/Blaizzy/mlx-vlm.git@main" python main.py --local --model ./models/AutoGLM-Phone-9B "你的指令"

6.2 4-bit量化(节省内存)

# 转换量化模型 python -m mlx_vlm.convert \ --hf-path ./models/AutoGLM-Phone-9B \ -q \ --q-bits 4 \ --mlx-path ./autoglm-9b-4bit # 使用量化模型 python main.py --local --model ./autoglm-9b-4bit "你的指令"

7. 常见问题解决

7.1 设备连接问题

  • 确保USB调试已开启
  • 尝试adb kill-server && adb start-server
  • 检查数据线是否支持数据传输

7.2 模型加载问题

  • 确保下载的模型完整
  • 检查磁盘空间是否足够
  • 尝试重新下载模型

7.3 性能优化建议

  • 使用4-bit量化模型节省内存
  • 关闭不必要的后台应用
  • 保持手机和电脑的电量充足

8. 总结

通过Open-AutoGLM和MLX框架,Mac用户可以免费获得一个强大的手机AI助理。这个方案不仅隐私安全,而且充分利用了Apple Silicon芯片的性能优势。无论是日常使用还是开发测试,都能大大提高效率。

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。

http://www.jsqmd.com/news/590456/

相关文章:

  • RWKV7-1.5B-G1A入门指南:10分钟完成Dify平台插件集成
  • Fish Speech 1.5语音克隆安全边界:防滥用机制与伦理使用建议
  • Node.js后端集成Phi-4-mini-reasoning:环境配置与高性能API服务搭建
  • 轻量模型Phi-4-mini-reasoning在嵌入式场景的应用:STM32开发日志分析与代码生成
  • Qwen2.5-VL模型服务API设计:REST与gRPC对比
  • 手把手教你用Qwen3.5-9B:从部署到对话,完整流程解析
  • 当CANopen遇上EtherCAT:用倍福EL6751网关连接伺服驱动器的实战心得
  • DeepSeek-OCR实战案例:教育行业讲义扫描件智能排版与导出
  • SecGPT-14B多场景落地:支撑等保2.0差距分析、整改建议生成
  • mPLUG工具优化技巧:如何提升图片问答响应速度
  • AutoGen Studio入门指南:小白也能轻松玩转AI多代理协作,从部署到实战
  • 实测HeyGem数字人系统:如何用1段音频为100个商品批量生成讲解视频?
  • 基于springboot+vue大学生心理健康管理系统hx1287
  • 隐私安全首选:RMBG-2.0纯本地抠图工具,图片不上传不泄露
  • 嵌入式AI边缘设备与霜儿-汉服-造相Z-Turbo云端协同方案
  • 保姆级避坑指南:从零在RK3588上部署YOLOv11,手把手搞定环境、转换与板端推理
  • 文脉定序系统压力测试与性能调优报告
  • cv_resnet101_face-detection_cvpr22papermogface保姆级教程:从conda环境创建到模型加载成功
  • Pixel Dimension Fissioner 嵌入式应用探索:STM32上的轻量级推理演示
  • Gemma-3-12b-it指令优化指南:提升OpenClaw任务执行准确率
  • YOLO26镜像开箱即用:零基础部署深度学习开发环境
  • 千问3.5-2B开源模型实操:无需HuggingFace账号,内置模型目录直连加载
  • Ostrakon-VL面试题库解析:如何应对视觉AI相关的Java八股文
  • Unity中的灵活条件协程
  • Qwen3-ForcedAligner-0.6B实操手册:纯本地运行无网络依赖的隐私安全转录方案
  • Qwen3-Embedding-4B多语言能力展示:119种语言向量生成效果
  • 乙巳马年春联生成终端实际效果:跨境电商‘四海通达’主题春联
  • 别再瞎猜了!手把手教你用示波器看STM32晶振波形(附常见不起振原因排查)
  • 别再死记硬背VAE公式了!用Python手搓一个变分自编码器,理解图像压缩的底层逻辑
  • DeepSeek实战秘籍:从基础到高级的完整应用指南