当前位置: 首页 > article >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-AutoGLMOpen-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 3.10ADB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 version2.2.2 配置手机在手机上开启开发者模式设置→关于手机→连续点击版本号开启USB调试设置→开发者选项→USB调试安装ADB Keyboard输入法用于文本输入3. 部署Open-AutoGLM3.1 下载项目代码git clone https://github.com/zai-org/Open-AutoGLM cd Open-AutoGLM3.2 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-9B4. 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ID4.2 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:55555. 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 githttps://github.com/Blaizzy/mlx-vlm.gitmain 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。

相关文章:

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…...

快速部署Qwen3-TTS-Tokenizer-12Hz:无需代码基础,Web界面轻松管理音频编解码

快速部署Qwen3-TTS-Tokenizer-12Hz:无需代码基础,Web界面轻松管理音频编解码 1. 为什么选择Qwen3-TTS-Tokenizer-12Hz? 在语音技术领域,音频编解码器扮演着至关重要的角色。Qwen3-TTS-Tokenizer-12Hz是阿里巴巴Qwen团队开发的高…...

Wan2.2-I2V-A14B开发者案例:集成API构建私有视频创作SaaS平台

Wan2.2-I2V-A14B开发者案例:集成API构建私有视频创作SaaS平台 1. 项目背景与价值 在当今内容创作领域,视频内容的需求呈现爆发式增长。传统视频制作流程需要专业设备和技能,耗时耗力。Wan2.2-I2V-A14B文生视频模型的出现,为内容…...

像素时装锻造坊应用场景:游戏原画师的RPG风格装备快速设计工作流

像素时装锻造坊应用场景:游戏原画师的RPG风格装备快速设计工作流 1. 引言:当AI遇见像素艺术 在游戏开发领域,角色装备设计一直是原画师最耗时的工作环节之一。传统设计流程需要经历概念草图、细节完善、多版本迭代等复杂步骤,特…...

OpenClaw安全实践:Qwen3-4B模型操作本地文件的权限管控

OpenClaw安全实践:Qwen3-4B模型操作本地文件的权限管控 1. 为什么需要关注OpenClaw的文件权限 上周我在整理季度财报时,突然发现OpenClaw自动把临时工作目录里的草稿文件同步到了云盘——这个意外让我惊出一身冷汗。作为深度使用OpenClawQwen3-4B组合的…...

DeepSeek实战秘籍:从基础到高级的完整应用指南

写在前面 DeepSeek,这个由中国公司深度求索推出的大语言模型系列,自2025年初横空出世以来,以极低的训练成本达到媲美GPT-4级别的性能,震惊了全球AI业界。它不仅完全开源,还完全免费对公众开放使用,迅速成为…...

软件测试在AI项目中的实践:PyTorch 2.8模型单元测试指南

软件测试在AI项目中的实践:PyTorch 2.8模型单元测试指南 1. 为什么AI项目也需要软件测试? 在传统软件开发中,单元测试早已成为标配。但当项目转向AI领域时,很多开发者却忽略了测试的重要性。这就像造一辆车只关注发动机功率&…...

Wan2.2-I2V-A14B提示工程实践:提升视频连贯性的5类prompt模板

Wan2.2-I2V-A14B提示工程实践:提升视频连贯性的5类prompt模板 1. 模型与镜像概述 Wan2.2-I2V-A14B是一款先进的文生视频模型,能够根据文本描述生成高质量视频内容。该模型通过私有部署镜像形式提供,已针对RTX 4090D 24GB显存配置进行深度优…...

Stable Yogi Leather-Dress-Collection保姆级教程:LoRA目录扫描失败、加载卡顿等5类报错解决

Stable Yogi Leather-Dress-Collection保姆级教程:LoRA目录扫描失败、加载卡顿等5类报错解决 1. 工具简介 Stable Yogi Leather-Dress-Collection是一款基于Stable Diffusion v1.5(SD 1.5)和Anything V5动漫底座模型开发的2.5D皮衣穿搭生成…...

LLM推理优化入门到精通:SDPO算法详解,看这篇就够了!

在大模型后训练中,Reinforcement Learning with Verifiable Rewards 已成为代码与数学等可验证任务的主流方案。但是,许多方法仍主要依赖序列级标量奖励(通过/失败),导致 credit assignment 长期受限。模型知道“错了”…...

Ostrakon-VL面试题库解析:如何应对视觉AI相关的Java八股文

Ostrakon-VL面试题库解析:如何应对视觉AI相关的Java八股文 1. 视觉AI与Java后端的结合点 视觉AI技术在Java后端开发中的应用越来越广泛,特别是在Ostrakon-VL这类多模态大模型场景下。作为Java开发者,需要掌握以下几个核心结合点&#xff1a…...

微信小程序登录后,商品列表加载慢?从拦截器优化到Redis缓存,一套组合拳提升用户体验

微信小程序登录后商品列表加载慢?全链路性能优化实战 每次打开小程序,看着那个转不停的加载图标,用户的手指是不是已经开始不耐烦地敲击屏幕了?作为开发者,我们最不愿看到的就是精心设计的界面因为性能问题而失去用户耐…...

nanobot轻量级OpenClaw部署:支持LoRA微调接口(/api/finetune)预留设计

nanobot轻量级OpenClaw部署:支持LoRA微调接口(/api/finetune)预留设计 1. nanobot简介:超轻量级个人AI助手 nanobot是一款受OpenClaw启发的超轻量级个人人工智能助手,仅需约4000行代码即可提供核心代理功能&#xff…...

手把手教你用LaTeX搞定Elsevier期刊投稿(附CS投稿全流程避坑指南)

手把手教你用LaTeX搞定Elsevier期刊投稿(附C&S投稿全流程避坑指南) 第一次向Elsevier旗下期刊投稿的研究者,往往会在技术细节上耗费大量时间。以Computers & Security(C&S)为例,虽然期刊影响力…...

揭秘三角形分割魔术:为什么重新拼接后少了一块?数学视觉陷阱解析

揭秘三角形分割魔术:为什么重新拼接后少了一块?数学视觉陷阱解析 你是否曾在数学魔术表演中见过这样的场景:一个完整的三角形被分割成几块,重新拼接后竟然神秘地少了一小块面积?这种看似违背几何常识的现象&#xff0c…...

从理论到实践:UVM验证方法学在芯片验证中的核心应用与案例分析

从理论到实践:UVM验证方法学在芯片验证中的核心应用与案例分析 芯片验证作为半导体设计流程中的关键环节,其重要性随着芯片复杂度的提升而日益凸显。想象一下,当你面对一个包含数十亿晶体管的SoC设计时,如何确保每个晶体管、每个逻…...

快速上手:实时口罩检测-通用模型,从安装到检测只需10分钟

快速上手:实时口罩检测-通用模型,从安装到检测只需10分钟 1. 引言:为什么选择这个口罩检测模型 在公共场所管理、智能门禁系统或健康监测应用中,准确快速地检测人员是否佩戴口罩是一个常见需求。传统方案往往需要复杂的部署流程…...

实时手机检测-通用开发者手册:修改webui.py自定义检测逻辑详解

实时手机检测-通用开发者手册:修改webui.py自定义检测逻辑详解 1. 引言:从“能用”到“好用”的跨越 如果你已经体验过实时手机检测-通用模型,通过那个简洁的Web界面,上传一张图片,点击按钮,就能看到被框…...

清音刻墨Qwen3:基于通义千问的强力工具,让字幕制作变得优雅简单

清音刻墨Qwen3:基于通义千问的强力工具,让字幕制作变得优雅简单 1. 引言:重新定义字幕制作体验 在视频内容爆炸式增长的今天,字幕制作已经成为内容创作者无法回避的痛点。传统的手动打字对时间轴不仅耗时耗力,还常常…...

MogFace人脸检测模型-WebUI部署教程:从Docker镜像拉取到7860端口访问全链路

MogFace人脸检测模型-WebUI部署教程:从Docker镜像拉取到7860端口访问全链路 1. 服务简介与核心价值 你是不是经常需要从一堆照片里找出人脸?或者想给自己的应用加个人脸检测功能,但又觉得模型部署太复杂?今天要介绍的MogFace人脸…...

[特殊字符] Nano-Banana参数详解:生成步数30步为何是Knolling风格最佳平衡点

Nano-Banana参数详解:生成步数30步为何是Knolling风格最佳平衡点 1. 项目简介 Nano-Banana是一款专为产品拆解、平铺展示风格设计的轻量化文本生成图像系统。这个项目的核心价值在于深度融合了Nano-Banana专属Turbo LoRA微调权重,专门针对Knolling平铺…...

OpenClaw办公自动化:千问3.5-9B处理邮件与会议纪要

OpenClaw办公自动化:千问3.5-9B处理邮件与会议纪要 1. 为什么选择OpenClaw处理办公杂务 上个月我统计了自己在邮件和会议纪要上花费的时间——平均每天2.3小时。这些重复性工作不仅消耗精力,还经常打断深度思考状态。尝试过各种办公自动化工具后&#…...

零代码构建AI应用:使用Dify快速搭建基于Qwen3的视觉问答机器人

零代码构建AI应用:使用Dify快速搭建基于Qwen3的视觉问答机器人 你是不是也遇到过这样的场景?产品经理或运营同学想做一个能“看懂”图片并回答问题的智能小助手,比如用户上传一张商品图,就能自动识别并介绍卖点;或者上…...

构建自动化工作流:cv_unet_image-colorization与GitHub Actions集成实现CI/CD

构建自动化工作流:cv_unet_image-colorization与GitHub Actions集成实现CI/CD 每次给老照片上色,你是不是都得手动跑一遍代码?本地环境配置、依赖安装、模型加载,一套流程下来,十几分钟就过去了。要是团队里好几个人都…...

WAN2.2文生视频+SDXL风格快速部署:一键开启中文视频创作

WAN2.2文生视频SDXL风格快速部署:一键开启中文视频创作 1. 为什么选择WAN2.2SDXL工作流 在AI视频生成领域,WAN2.2模型以其出色的中文理解能力和流畅的视频生成效果脱颖而出。当它与SDXL Prompt风格结合时,产生了一种独特的化学反应——既能…...

SmolVLA高性能部署:PyTorch 2.7.1 + Gradio 6.4.0协同优化方案

SmolVLA高性能部署:PyTorch 2.7.1 Gradio 6.4.0协同优化方案 1. 项目概述与核心价值 SmolVLA是一个专为经济实惠机器人技术设计的紧凑高效视觉-语言-动作模型。这个仅有5亿参数的轻量级模型,能够在保持高性能的同时大幅降低硬件门槛,让更多…...

AcousticSense AI入门指南:零代码实现专业级音乐风格识别

AcousticSense AI入门指南:零代码实现专业级音乐风格识别 1. 为什么选择AcousticSense AI? 1.1 音乐风格识别的技术革新 传统音乐分类方法通常需要复杂的特征工程和专业知识,而AcousticSense AI采用了一种革命性的方法——让AI"看&qu…...

ChatTTS实战应用:社交媒体短视频配音高效生成策略

ChatTTS实战应用:社交媒体短视频配音高效生成策略 1. 引言:当短视频遇上“会表演”的AI配音 你有没有刷到过那种短视频,画面精彩,但配音却像机器人念稿,瞬间让人想划走?或者,作为一个内容创作…...

Qwen3-ForcedAligner-0.6B在智能家居场景中的语音指令对齐应用

Qwen3-ForcedAligner-0.6B:让智能家居听懂你的每一句话 你有没有过这样的经历?对着家里的智能音箱喊“打开客厅的灯”,它却给你打开了卧室的空调。或者你说“把温度调到25度”,它却回答“好的,正在播放音乐”。这种鸡…...

OpenClaw技能调试技巧:千问3.5-35B-A3B-FP8任务执行过程可视化追踪

OpenClaw技能调试技巧:千问3.5-35B-A3B-FP8任务执行过程可视化追踪 1. 为什么需要调试模式? 第一次用OpenClaw对接千问3.5模型执行自动化任务时,我遇到了一个诡异现象:明明指令是"整理本周销售数据并生成Excel报表"&a…...