Open-AutoGLM 项目目录结构解读

完整项目结构

Open-AutoGLM/
├── main.py                        # 命令行入口
├── requirements.txt               # 依赖清单
├── scripts/
│   └── check_deployment_cn.py      # 部署验证脚本
│
└── phone_agent/                   # ★ 核心框架包
    ├── __init__.py                # PhoneAgent 主类导出
    ├── agent.py                   # PhoneAgent 主类实现
    │
    ├── model/                     # 模型客户端层
    │   └── client.py               # OpenAI 兼容格式 API 调用
    │
    ├── adb/                       # ADB 工具（Android）
    │   ├── connection.py           # 远程/本地连接管理
    │   ├── screenshot.py           # 屏幕截图
    │   ├── input.py                # 文本输入（ADB Keyboard）
    │   └── device.py               # 设备控制（点击、滑动等）
    │
    ├── hdc/                       # HDC 工具（HarmonyOS NEXT）
    │   ├── connection.py
    │   ├── screenshot.py
    │   ├── input.py                # 鸿蒙原生支持中文输入
    │   └── device.py
    │
    ├── wda/                       # WDA 工具（iOS / WebDriverAgent）
    │   ├── connection.py
    │   ├── screenshot.py
    │   ├── input.py
    │   └── device.py
    │
    ├── actions/                   # 操作处理层
    │   └── handler.py              # ★ 所有动作的执行器
    │
    ├── config/                    # 配置层
    │   ├── apps.py                 # ★ App 名称 → 包名映射表
    │   ├── prompts_zh.py           # ★ 中文系统提示词
    │   └── prompts_en.py           # ★ 英文系统提示词
    │
    └── example/                   # 使用示例
        ├── basic_usage.py
        ├── single_step_debug.py
        ├── batch_tasks.py
        └── custom_callback.py

改代码应该改哪里

三个设备适配层的作用

adb/、hdc/、wda/ 三个目录结构一模一样，对外暴露统一的接口：

• connection.py — 设备连接管理（本地 USB + 远程 WiFi）
• screenshot.py — 获取当前屏幕截图（返回图片文件路径）
• input.py — 向设备输入文本（各自实现方式不同）
• device.py — 执行点击、滑动、长按等设备操作

Agent 主循环不关心底层是 ADB 还是 HDC——调 device.tap(x, y) 就行，具体翻译成 adb shell input tap 还是 hdc uitest click 由适配层决定。

Model 客户端层

model/client.py 实现了 OpenAI 兼容格式的 API 调用。vLLM、SGLang、智谱 BigModel、ModelScope 只要暴露 OpenAI 格式接口都能直接接上，框架不感知具体是哪个服务。

相关阅读

• 自定义操作处理器
• 自定义 System Prompt
• pytest 测试