我用谷歌Antigravity部署AI手机，结果…远超CodeBuddy的智能，却败给一个开源BUG！

用了谷歌的Antigravity之后，才发现，CodeBuddy的操作还是挺人性化的（告别高价SaaS！我用这款国产AI编程神器，零元自建n8n工作流系统）。

近期，又有几个科技新闻，首先是豆包手机问世了，全面接管手机操作；紧接着，智谱AI开源了Open-AutoGLM项目，并发布了AutoGLM-Phone-9B模型，所有的手机都能变成AI手机了。

但是，这个项目并不是直接改造系统，而是使用本地GPU来驱动手机，实现AI效果。这时候，我的机械革命又该换上Ubuntu的系统盘，征战这场AI战役了！看看我能不能成功吧！

本次，我决定用谷歌最新的AI智能体平台Antigravity，亲手在Ubuntu系统上部署一套，看看它能否真的让普通手机智商飙升。

首先，吐槽一下，Antigravity在连接SSH终端时，会弹出一个CMD窗口，覆盖了本来要输入密码的Antigravity对话框，差评。

关掉之后，我们看到了密码输入框，Antigravity的密码输入框位置比CodeBuddy要明显得多，这个地方还算友好。

连接成功之后，可以看到Antigravity这几个世界领先的模型，Gemini 3 Pro、Claude 4.5和GPT，能自动规划任务、上网搜索、执行命令，智能化程度令人惊叹。

问问Gemini 3 Pro这几个模型哪个比较好用。

不错，就连Gemini 3 Pro都建议使用Claude Opus 4.5（Thinking），国外的生态这么友好吗？不是应该死吹自己，贬低友商吗？

甚至，Gemini 3 Pro都要解放双手，让Antigravity调用Claude Opus 4.5（Thinking）模型，来自动完成这个任务。

那我们就来尝试一下吧。

首先，Antigravity展示了AutoGLM 部署任务，我们还可以针对每个任务单独增加批准，指导AI完成工作。

可能是我英文不好，设置的时候都使用的推荐配置，现在每一步操作命令都要人工确认，太麻烦了！

而且，安装完驱动之后，需要重启电脑。但是，重启之后Antigravity就下线了，需要重新打开一个窗口进行配置，然后，配置对应的计划进度就没有了。

此外，每次执行命令时，它的窗口都不在最下面，需要手动往下拉一点，有点费事。

然而，一个黑科技让我眼前一亮！当GitHub原址克隆失败时，Antigravity竟能自作主张，联网去搜索镜像源！这联网能力简直是开源项目部署的救命稻草，也是目前不少国内工具还不具备的高阶技能。

他可以上网！当发现GitHub链接不可用时，他自己上网去搜索了。

部署完成之后，Antigravity提供了一个汇总报告：

接下来，就可以按照提示启动模型服务了。

不过，这个模型文件还是非常大的，需要从HuggingFace下载，需要耐心等待。

功夫不负有心人！经过漫长的等待，终于跑起来了，经过INT4量化之后，显存占用仅5738 MB，我的RTX 4070笔记本轻松拿捏，看来平民AI手机有戏！

此外，Antigravity还贴心的提醒我，由于部分层在CPU上运行，推理速度会比纯GPU慢。如需更快速度，建议使用24GB+显存的GPU。

Phone Agent的使用方式为，打开一个新终端，然后运行以下命令：

source ~/miniconda3/bin/activate autoglmcd /root/.gemini/antigravity/scratch/Open-AutoGLMpython main.py --base-url http://localhost:8000/v1 --model autoglm-phone-9b

哦？手机上还要安装ADB Keyboard虚拟键盘用于文本输入，让Antigravity把这个活干了，要不然ADB不白装了。

虚拟键盘安装完成之后，就可以进入交互模式，再输入自然语言指令来操作手机了。

然而，现实给了我一记闷棍！GPU风扇狂啸了半天，结果连最简单的打开设置命令都执行失败，报错信息看得人一头雾水。这体验，堪称雷声大雨点小。

最终诊断：项目本身有缺陷！好像对量化支持的不好，所谓的CPU卸载机制并不完善，导致任务失败。折腾一圈，原来是项目坑了我，真是一顿操作猛如虎，一看战绩零杠五！ 

这次实验看似翻车，却意义非凡。它让我们看到：顶级AI智能体在自动化流程、知识整合上已非常强大，但面对复杂环境、资源限制和新兴项目时，仍会力有不逮。这提醒我们，对新技术既要保持热情，也要心怀敬畏，亲手实践永远是检验真理的唯一标准。这条路，道阻且长，但行则将至！