Siri 的智商停留在14年前，想让苹果做一个能控制手机系统和软件的 Agent？
目测五年内搞不出来，想都别想了。
但上周智谱的朋友跟说，他们让 AutoGLM 邪修了一套方案。
竟然给每个 iPhone 配了一台云安卓。。。
就这样， 安卓上能操控各家 App 的通用智能体，iPhone 用户也可以玩了。
听到这个方案的我大为震撼，我买安卓备用机的钱就这么都省了？
周日的时候抱着强烈的好奇心，就去现场看了一下 iPhone 上的邪修 AutoGLM。
AutoGLM 能操作云手机，让我们看到了手机 Agent 的具体形态。
只要你一句话安排任务，AutoGLM 就能在后台开启多个云手机和云电脑，同步协作，共同完成目标。
它支持了抖音、小红书、美团、京东等 40+ 高频应用，平时点外卖、订机票、查房源、预约健康服务，它都能搞定。
办公场景中，做调研、写PPT、做短视频，也都能搞定。
实际体验下来，这个方向非常前沿，非常未来。
同时也暴露了非常多的问题，在下面展开讲讲：
虽然手机 Agent 这个技术方向非常好，但仍然处于非常早期的实验阶段。
因此当前阶段仍有如下问题：
1. 任务成功率太低了，十次成功一次，要真正的C端可用，至少得到50%成功率
2. 意图理解和界面理解的水平都不够，在猫砂任务里，第一次完成了，第二次我想录个屏，它就没去订单里找，而是直接在主页搜了猫砂。
3. 任务经常莫名奇妙就终止了，模型认为自己完成了任务，所以没有报错信息，作为用户有点懵。
4. Agent 只会往前操作，不会返回上一步，不会重启app。在开启新话题的时候，手机还停留在上一个app内，Agent 这时候就不会了。
5. Agent 在操作电脑和手机的时候，遇到价格弹窗、广告弹窗，就直接干懵了，不像人能精准地找到x按钮，当然这部分人类产品经理也有一定的责任
6. 手机版的Agent只会用几十个固定的app，目前还不会用浏览器做开放任务，比如让它逛nga查游戏资料，它会说自己还没学会
7. 在购买类任务里，添加购物车要确认、订单支付也要自己来，无法实现完全自动化，比如每三个月采购一次猫砂这种任务，如果还需要确认就没失去了自动化的意义，目前还没有能兼顾安全性和便捷性的方案
8. Agent 在使用手机的过程中需要用户接管输入登录等信息，可能存在一定隐私泄露风险，这部分需要根据自己的情况来权衡方便和隐私
目测五年内搞不出来，想都别想了。
但上周智谱的朋友跟说，他们让 AutoGLM 邪修了一套方案。
竟然给每个 iPhone 配了一台云安卓。。。
就这样， 安卓上能操控各家 App 的通用智能体，iPhone 用户也可以玩了。
听到这个方案的我大为震撼，我买安卓备用机的钱就这么都省了？
周日的时候抱着强烈的好奇心，就去现场看了一下 iPhone 上的邪修 AutoGLM。
AutoGLM 能操作云手机，让我们看到了手机 Agent 的具体形态。
只要你一句话安排任务，AutoGLM 就能在后台开启多个云手机和云电脑，同步协作，共同完成目标。
它支持了抖音、小红书、美团、京东等 40+ 高频应用，平时点外卖、订机票、查房源、预约健康服务，它都能搞定。
办公场景中，做调研、写PPT、做短视频，也都能搞定。
实际体验下来，这个方向非常前沿，非常未来。
同时也暴露了非常多的问题，在下面展开讲讲：
虽然手机 Agent 这个技术方向非常好，但仍然处于非常早期的实验阶段。
因此当前阶段仍有如下问题：
1. 任务成功率太低了，十次成功一次，要真正的C端可用，至少得到50%成功率
2. 意图理解和界面理解的水平都不够，在猫砂任务里，第一次完成了，第二次我想录个屏，它就没去订单里找，而是直接在主页搜了猫砂。
3. 任务经常莫名奇妙就终止了，模型认为自己完成了任务，所以没有报错信息，作为用户有点懵。
4. Agent 只会往前操作，不会返回上一步，不会重启app。在开启新话题的时候，手机还停留在上一个app内，Agent 这时候就不会了。
5. Agent 在操作电脑和手机的时候，遇到价格弹窗、广告弹窗，就直接干懵了，不像人能精准地找到x按钮，当然这部分人类产品经理也有一定的责任
6. 手机版的Agent只会用几十个固定的app，目前还不会用浏览器做开放任务，比如让它逛nga查游戏资料，它会说自己还没学会
7. 在购买类任务里，添加购物车要确认、订单支付也要自己来，无法实现完全自动化，比如每三个月采购一次猫砂这种任务，如果还需要确认就没失去了自动化的意义，目前还没有能兼顾安全性和便捷性的方案
8. Agent 在使用手机的过程中需要用户接管输入登录等信息，可能存在一定隐私泄露风险，这部分需要根据自己的情况来权衡方便和隐私
