核心用法
AutoGLM Phone Agent Skill 基于智谱 AI 开源的 AutoGLM Phone Agent SDK，允许用户通过自然语言指令远程操控 Android 设备或模拟器。用户无需编写复杂的自动化脚本，只需描述目标操作（如"打开 Play Store 搜索 Signal 并分享链接"），系统即可自动分解为 UI 交互步骤执行。
核心能力包括：应用启动、点击、滑动、文本输入、截图、UI 文本读取等。典型应用场景涵盖：端到端 APP 自动化测试、用户行为数据采集、UI 回归验证、竞品分析等。
显著优点
- 自然语言驱动：降低自动化门槛，非技术人员也能快速上手
- 端到端验证：真实操作设备，结果可信度高
- 开源生态：基于智谱开源 SDK，社区活跃，持续迭代
- 灵活集成：通过环境变量暴露服务端点，易于接入现有工作流
潜在缺点与局限性
- 设备依赖：需物理设备或模拟器，且必须开启开发者模式与 USB 调试
- 权限繁琐：需手动授予悬浮窗、无障碍服务等多项系统权限
- 分辨率敏感：坐标点击可能因设备分辨率差异而偏移，需校准
- 生物识别受限：无法绕过指纹/人脸等硬件级安全验证
- 网络不确定性：依赖 App 版本和区域网络，稳定性不及 API 调用
适合人群
- 移动测试工程师（自动化 UI 测试）
- 产品经理/运营（快速验证用户流程、竞品调研）
- 数据采集团队（非结构化 UI 数据抓取）
- 开发者（调试跨设备兼容性）
常规风险
- 真实操作风险：指令直接作用于设备，误操作可能导致数据丢失或账户异常
- 权限暴露：无障碍服务权限可能被恶意利用，建议仅在隔离测试环境使用
- 隐私合规：截屏和 UI 文本读取涉及敏感信息，需确保符合 GDPR、《个人信息保护法》等法规
- 服务可用性：需自建后端服务，维护成本较高，生产环境需监控端点健康状态