请查看B站视频：手机里的全能智能体，Auto小二开源啦
获取最新开发资讯，请关注: 小二开发日记
 |
 |
 |
 |
 |
 |
Auto Xiao'er 是基于 AutoGLM For Android 深度修改开发的 Android 原生应用。借鉴一些 OpenClaw 思想，使它可以独立操作手机，成为你的赛博伙伴。
AutoGLM For Android 是基于 Open-AutoGLM 开源项目二次开发的 Android 原生应用。它将原本需要电脑 + ADB 连接的手机自动化方案，转变为一个独立运行在手机上的 App，让用户可以直接在手机上使用自然语言控制手机完成各种任务。
核心特点：
- 🚀 纯端侧：直接在手机上运行，无需与电脑连接
- 🎯 无缝对接各种社交软件：基于视觉操作，手机上可以安装的社交软件都可以使用
- 🤖 双 Agent + 可选人设：规划控制（LLM Agent / 控制者）+ 屏幕执行（Phone Agent / 执行者）协同；可选独立 BrainLLM（表达者） 专门负责面向好友/用户的人设话术与人际表达，与任务规划解耦
- ⏰ 定时任务：支持定时执行任务，可设置重复模式，自动亮屏执行
- 🔔 通知触发：监听指定 App 的通知，收到通知时自动触发预设任务
- 📶 微信远程控制：通过微信扫码连接 ClawBot，随时随地用微信与小二连接
- 🔒 Shizuku 权限：通过 Shizuku 获取必要的系统权限
- 🪟 悬浮窗交互：悬浮窗实时显示任务执行进度
- 📱 原生体验：Material Design 设计，流畅的原生 Android 体验
- 🔌 多模型支持：兼容任何支持 OpenAI 格式的模型 API
- ✅ 任务执行：输入自然语言任务描述，AI 自动规划并执行
- ✅ 屏幕理解：截图 → 视觉模型分析 → 输出操作指令
- ✅ 多种操作：点击、滑动、长按、双击、输入文本、启动应用等
- ✅ 任务控制：暂停、继续、取消任务执行
- ✅ 历史记录：保存任务执行历史，支持查看详情和截图
- ✅ 定时任务：预设任务在指定时间自动执行，支持一次性和重复任务
- ✅ 通知触发任务：监听指定 App 通知，自动触发对应任务
- ✅ 微信远程控制（ClawBot）：通过微信扫码连接，远程发送指令并接收任务执行反馈
- ✅ 人设分离：控制者（LLM Agent）专注任务拆解与工具调用；表达者（BrainLLM）单独配置时可专门生成发往好友或用户的自然语言文案，人设与关系上下文由表达者侧承载，控制层可保持「不带角色口吻」的调度逻辑
- ✅ 表达者话术（BrainLLM）：启用后，需对外发送的文字可先经
request_brain由表达者按人设与关系档案润色；可指向与控制模型不同的服务商与模型，便于选用更擅长对话与角色扮演的纯文本模型
- ✅ 主界面：任务输入、状态显示、快捷操作
- ✅ 悬浮窗：实时显示执行步骤、思考过程、操作结果
- ✅ 设置页面：模型配置、Agent 参数、多配置管理
- ✅ 历史页面：任务历史列表、详情查看、截图标注
- ✅ 多模型配置：支持保存多个模型配置，快速切换
- ✅ 自定义 Prompt：支持自定义系统提示词
- ✅ 快捷磁贴：通知栏快捷磁贴，快速打开悬浮窗
- ✅ 日志导出：支持导出调试日志，自动脱敏敏感信息
- Android 版本：Android 7.0 (API 24) 及以上
- 必需应用：Shizuku (用于获取系统权限)
- 网络连接：需要连接到模型 API 服务（支持任何 OpenAI 格式兼容的视觉模型）
- 权限要求：
- 悬浮窗权限 (用于显示悬浮窗)
- 网络权限 (用于 API 通信)
- 后台运行权限（用于后台执行任务）
- Shizuku 权限 (用于执行系统操作)
- 通知监听权限 (可选，用于通知触发任务功能)
Shizuku 是本应用的核心依赖，用于执行屏幕点击、滑动等操作。
下载安装
激活方式（三选一）
| 方式 | 适用场景 | 持久性 |
|---|---|---|
| 无线调试 | 推荐，无需电脑 | 重启后需重新配对 |
| ADB 连接 | 有电脑时使用 | 重启后需重新执行 |
| Root 授权 | 已 Root 设备 | 永久有效 |
无线调试激活步骤（推荐）
- 连接任意 WIFI
- 打开手机「设置」→「开发者选项」
- 开启「无线调试」
- 点击「使用配对码配对设备」
- 等待 Shizuku 通知弹出，在通知内输入配对码完成配对
- 打开 Shizuku 点击「启动」，等待启动完毕
- 看到 Shizuku 显示「正在运行」即为成功
 |
 |
 |
 |
 |
 |
💡 提示：如果找不到开发者选项，请在「关于手机」中连续点击「版本号」多次开启。
- 从 Releases 页面 下载最新 APK
- 安装 APK 并打开应用
打开应用后，需要依次授予以下权限：
| 权限 | 用途 | 操作 |
|---|---|---|
| Shizuku 权限 | 执行屏幕操作 | 点击「授权」→ 始终允许 |
| 悬浮窗权限 | 显示任务执行窗口 | 点击「授权」→ 开启开关 |
| 键盘权限 | 输入文本内容 | 点击「启用键盘」→ 启用 小二 Keyboard |
 |
 |
 |
💡 提示：如果悬浮窗无法授权，进入应用详情页，点击「右上角菜单」→ 允许受限制的设置，再次尝试授权悬浮窗。
进入「设置」页面，配置 AI 模型 API。
本应用采用 双模型双层 Agent 架构，并可选叠加独立 表达者（BrainLLM）：
| 角色 | 责任 | 推荐模型 |
|---|---|---|
| LLM Agent（控制者） | 接收用户任务，通过 ReAct 循环进行高层规划，将复杂任务拆分为子任务 | 纯文本大语言模型（如 GLM-4.7、DeepSeek） |
| Phone Agent（执行者） | 等待子任务，截图分析屏幕并执行具体操作 | 具备图片理解能力的视觉模型（如 autoglm-phone） |
| BrainLLM（表达者 · 可选） | 负责人设表达、人际关系与面向人类的发话内容；启用后对外发送的文案可由表达者单独生成 | 纯文本大语言模型（可与控制者相同或不同服务商，宜选擅长角色与对话的模型，如 doubao-seed-2.0） |
Phone Agent（执行者）与 LLM Agent（控制者）的 API 始终独立配置；表达者为第三套独立端点，默认关闭，在设置中开启后即参与话术生成。
Phone Agent 配置（视觉模型）
推荐配置（智谱 BigModel） 🎉 目前 autoglm-phone 模型限时免费！
| 配置项 | 值 |
|---|---|
| Base URL | https://open.bigmodel.cn/api/paas/v4 |
| Model | autoglm-phone |
| API Key | 在 智谱 AI 开放平台 获取 |
备选配置（ModelScope）
| 配置项 | 值 |
|---|---|
| Base URL | https://api-inference.modelscope.cn/v1 |
| Model | ZhipuAI/AutoGLM-Phone-9B |
| API Key | 在 ModelScope 获取 |
配置完成后，点击「测试连接」验证配置是否正确。
LLM Agent 配置（控制者 · 规划大语言模型）
进入设置 → LLM Agent 配置，配置用于控制者的纯文本大语言模型：
| 配置项 | 说明 |
|---|---|
| Base URL | OpenAI 兼容的 API 地址 |
| Model | 如 glm-4-plus、deepseek-chat 等纯文本模型 |
| API Key | 对应服务的 API Key |
| 最大规划步数 | LLM 循环的最大迭代轮次，默认 20 |
| 自定义系统提示词 | 可重写内置的控制者提示词，优化特定场景的规划行为 |
💡 LLM Agent 配置严格独立于 Phone Agent 配置，可以使用任意 OpenAI 格式兼容的纯文本模型。
BrainLLM（表达者）配置
进入设置 → 配置表达者 (BrainLLM)（或「人设」相关入口中的表达者开关），用于与人设、人际关系档案配套的话术模型。与 LLM Agent（控制者） 完全解耦，可指向不同 Base URL / 模型 / Key。
| 配置项 | 说明 |
|---|---|
| 启用表达者 | 关闭时，面向人类的文案由控制者模型直接生成；开启后控制者需通过 request_brain 获取表达者输出再填入发送类 action |
| Base URL | OpenAI 兼容的 API 根地址（/chat/completions） |
| Model | 纯文本模型名（如 glm-4-plus 等） |
| API Key | 对应服务的密钥（与控制者、Phone Agent 可各不相同） |
| 最大 Token / 温度 | 控制表达者单次生成上限与采样随机性 |
| 自定义 System Prompt | 非空时覆盖内置表达者提示词，用于细化人设与说话规则 |
💡 小二人设、人际关系与行为准则在「管理人设」中维护；表达者侧提示词会与之配合，实现控制与话术分层。
 |
使用其他第三方模型：
只要模型服务满足以下条件，即可在本应用中使用：
- API 格式兼容：提供 OpenAI 兼容的
/chat/completions端点 - 多模态支持：支持
image_url格式的图片输入 - 图片理解能力：能够分析屏幕截图并理解 UI 元素
以上 2、3 条仅针对 Phone Agent（执行者 · 视觉模型）。LLM Agent（控制者） 与 BrainLLM（表达者） 仅需满足第 1 条的标准文本对话能力即可，无需多模态。
⚠️ 注意：非 AutoGLM 模型可能需要调整系统提示词才能正确输出操作指令格式。可在设置 → 高级设置中自定义系统提示词。
- 在主界面输入任务描述，如："打开微信，给文件传输助手发送消息：测试"
- 点击「开始任务」按钮
- 悬浮窗会自动弹出，显示执行进度
- 观察 AI 的思考过程和执行操作
在使用本应用前，请务必了解以下风险：
本应用的安全行为限制（如拒绝执行危险操作）依赖于 AI 模型的系统提示词实现，并非底层硬性约束。这意味着：
- 提示词可能被精心构造的任务描述绕过（即"提示词注入"攻击）
- 不同模型对同一提示词的遵从程度存在差异
- 请勿将本应用用于涉及敏感账户、资金操作、隐私数据等高风险场景
- 本应用所有 AI 功能均通过用户自行配置的第三方模型 API 实现
- 应用本身不收集、不上传、不存储任何用户数据或截图内容
- 任务执行过程中的截图会通过你配置的 API 发送至对应的模型服务商
- 请确保你信任所使用的模型服务商，并仔细阅读其隐私政策
- 🔒 敏感页面（支付、密码输入框等）会触发系统保护，截图显示为黑屏
- 👀 建议在执行涉及敏感任务时保持对屏幕操作的观察，随时准备手动干预
- 🔑 不要在任务描述中包含密码、验证码等敏感信息
-
Email: wxrachel@outlook.com
-
交流群
 |
 |
- 赞赏作者
 |
本项目基于 MIT License 开源。
- AutoGLM-For-Android Luokavin 大佬开源项目
- Open-AutoGLM - 原始开源项目
- Shizuku - 系统权限框架
- 智谱 AI - AutoGLM 模型提供方
如果这个项目对你有帮助，请给一个 ⭐ Star！您的支持是项目迭代的最大动力！