【实测&解读】全球首个手机通用Agent——AutoGLM 2.0发布！我喝到了AI为我点的第一杯咖啡～

你有没有想过，如果某一天你说一句话，手机就能自己去打开美团、找到你最爱的咖啡店、选完口味、点好饮料、用优惠券结账。从今天开始你就可以做到了，这就是AutoGLM 2.0登场的时刻。

这一杯，也是我喝到的AI为我点的第一杯咖啡。

从年初的Manus开始，我们已经被太多太多的Agent概念轰炸了，他们为你做PPT、写代码、分析数据，是你实实在在的生产力助手。

上周受邀去体验智谱更新的AutoGLM 2.0之后，我立刻看到了这是个不一样的Agent，它不止于此，它也不是仅给你提供情绪价值的聊天机器人。而更像是一个配备了手机和电脑的生活/工作全能助理的角色。

其实，早在去年10月份，智谱就发布了全球首个phone use产品AutoGLM，但是当时我没体验上。因为当时他们的产品形态是让Agent直接去操纵使用手机。只有安卓手机可以做到这一点，以及，我多少觉得让AI来接管自己的手机，并且在AI使用手机进行操作的时候自己还只能干瞪眼看着，多少有些奇怪～

而这次，AutoGLM 2.0我觉得是真的找到了合适的Agent形态，不管是苹果还是安卓手机的用户都可以用这个产品了，而且，你并不需要交出你自己手机的使用权。

就像当你让助理给你点杯咖啡的时候，他也不会非要拿着你手机去点单一样。

在2.0版本中，智谱为AutoGLM分配了一台「云手机」和一台「云电脑」，分别用于适配你的生活和生产力场景，而智能侧驱动云手机和云电脑运行的则是他们最新的在Coding和Agentic方面表现出色的模型GLM-4.5 和具有视觉理解能力的GLM-4.5V。

花叔前段时间也写过关于GLM-4.5的介绍：Claude Code + GLM-4.5，最强性价比编程组合教程首发

关于为什么使用「云手机」，以及关于模型，我都有挺多想说的。

不过，先给大家看看这杯咖啡是怎么点的👇

从动图中可以看到，在我表达需求之后：

AutoGLM先做了一次思考，理解我的需求并规划了执行步骤。

接着，AutoGLM打开云手机开始执行，它实际的操作包括：

1）打开「美团」app

2）搜索「星巴克」

3）在星巴克店铺搜索「美式咖啡」

4）在弹出的菜单选项中，按我的要求选择了「超大杯」和「冰」这两个选项

然后，在需要付款的环节，它放弃了操作，把进程还给我来接管了，让我完成最终步骤的确认。

大致是出于风险控制的考虑，AutoGLM还不会实际执行最终「付款」的那一步，需要人类来做最后的操作和确认。

为什么是「云手机」？

为什么一定要让模型来操作手机？这应该是很多人会有的疑问。为什么不是通过API调用或者MCP的方式去执行操作？

毕竟不管是点外卖、打车还是在淘宝/京东搜商品，似乎都是可以和这些大厂有API合作的模式，让AI理解用户意图，然后通过API Call或者MCP的方式和这些产品交互理论上是更标准化，执行风险更小的交互。

确实如此。

但，我突然意识到，如果通过API调用的方式去执行任务的话，那就太标准，但太受限了。你可以接10家、20家的API，但是AI所有的操作会被局限在API局限的范围之内。

因为人类在用手机，在用app。所以想让一个产品变得通用，最好的方式就是让这个产品可以模拟人类的方式，用人类的运行环境进行操作。

这也很像现在机器人领域的「人型」争议，为什么非要做两条腿的人型机器人？为什么不是更稳定的四条腿？为什么不是把腿做成移动速度更快的轮胎？因为现在的物理世界是为两条腿两只手、1米多身高的人类所准备的，所以机器人想适应人类社会，希望能更「通用」地为人类提供服务，那「人型」会是最正确的选择。

而现在，人类的内容，服务都是通过手机+app的形态分发的，所以一个合格的「通用」的人类助理，需要具备一个手机，拥有操作手机的能力。

以及，这个「手机」又必须是个「云手机」才行。你并不希望一个AI可以随便查看和操控你的手机，发出一条指令后，如果自己的手机被AI接管，你就没法用了的情况挺傻的。

而且，你也不希望AI在你的手机上执行各种可能导致风险的操作。比如给xxx发个微信、比如删掉某张照片。

所以这么一台云手机确实是现阶段实现通用手机Agent的最佳，或者说唯一正确的选择。

为什么GLM-4.5很关键？

我认为AutoGLM 2.0另一个值得一提的点是他们背后使用的模型完全是他们自研的，纯国产的GLM-4.5和GLM-4.5V。

现在很多我们熟知的Agent产品，比如Manus、Genspark等，背后所使用的模型主要是Claude，因为Claude的Agentic和Coding能力确实很强。但这导致的一个问题是因为模型的缘故，这些产品没法在国内正常使用，只能做出海的市场。

而最近几个月，国产开源大模型在Agentic能力上都逐步追上了。这让AutoGLM这款可以面向所有国内所有用户发布和使用的Agent产品成了可能。

我之前在介绍GLM-4.5的文章里也提到过，他们在API价格比Claude 4低了一个数量级。这也让AutoGLM这样的产品在成本上变得更可负担。据说他们执行一次任务的成本在0.2美元左右，远低于现在绝大多数主流的Agent产品。

再给大家看几个我测试的案例：

1）让AutoGLM打开我B站最新的视频并点赞、收藏，ta是真一步步帮我打开了我最新一期上传的视频

在公众号原文观看或收听这段内容

2）让AutoGLM为我用滴滴叫一个去朝阳公园的「特惠快车」，车型的选择很准确

在公众号原文观看或收听这段内容

3）除了生活类的场景，AutoGLM用云电脑跑工作需求也是有点东西的，我让AutoGLM帮我搜索了解GPT-5的信息，制作视频发布到小红书。ta还居然给我做出了个虚拟人口播视频出来，并且在小红书顺利完成了视频上传和标题、正文内容的填充。如果能再个性化优化优化，比如可以设定自己的虚拟人和口播文案的话，一套成熟的自媒体自动化工作流就出来了。

在公众号原文观看或收听这段内容

如果你想试试AutoGLM 2.0的话，这还有一些事实和小tips：

1、目前AutoGLM的云手机内置了20多款主流app，但还不能自主下载其他app，所以你只能执行和这些app相关的任务。这些app包括抖音、小红书、淘宝、支付宝、高德地图、快手、美团、大众点评、滴滴、京东、携程、微博、拼多多、肯德基、今日头条、番茄小说、B站、爱奇艺、腾讯视频等。

2、要执行某个类型的app任务前，你最好提前操作接管手机并且登录账号，毕竟AI确实不知道你的账号密码（你也不想让AI知道）。顺便提一句，现在AutoGLM的账号登录逻辑是你可以自主在云手机上登录，APP本身没有直接访问权限，智谱也不会在云端收集用户名或密码信息。云端的基础设施与安全会由他们的公共云伙伴提供，操作上我倒是没太大顾虑。

3、最好把执行的任务表述得更具体，比如我让AutoGLM从「用美团外卖点星巴克」，如果不提美团外卖的话，AutoGLM可能会选择饿了么，那又会遇到要在饿了么登录的问题。除非你确实没有偏好，或者希望AI比价后再下单。以及想要喝什么、杯形、冷热选择、糖度选择都最好明确表达（说实话，这块我还挺期待AutoGLM能在我逐步使用之后记住我的偏好，能更主动帮我做出更个性化选择的）

4、你也可以试试需要多个app配合的任务，比如在你准备骑车前，可以让AutoGLM“打开QQ音乐播放新裤子乐队的音乐，再打开高德地图规划到后海的骑行路线”，然后你就可以带上耳机，骑上车出门了。

5、AutoGLM包含安卓和iOS版的移动端应用和网页版，手机应用去各大应用市场下载就好了，网页版指路👉https://autoglm.zhipuai.cn/

谢谢你读到这，欢迎关注、点赞👍、转发、评论，这是对我内容最大的支持～