一键生成出海营销数字人！GLM-4.7+Claude Code可以封神了～

一键生成出海营销数字人！GLM 4.7+Claude Code可以封神了～ 一键生成出海营销数字人！GLM 4.7+Claude Code可以封神了～ Modified December 26, 2025 No access 0bc36uaggaaam4achekma5uvb5odmp2qayya.f10002 00:00 第四步 ：直到这一步，我才让GLM 4.7+Claude Code进场。 还是不要一上来就写代码，先执行/init，让Claude Code熟悉目录下的所有文件，包括需求文档 然后开Plan Mode（计划模式）制定一个开发计划。 确认没问题之后，才开始一段一段往下写。 开发完成之后，可以让GLM 4.7帮忙快速启动前后端（过程中需要下载相关依赖，它都完成得很好） 不过这个任务还是太复杂了点，不仅有复杂的业务逻辑，还集成了大量AI能力 GLM 4.7一次性跑完之后是有一些Bug的。 但我觉得现阶段应该不会有模型能一次完成得很好，而且没有bug。 这里我有一个非常明显的体感变化： 以前我用大模型写复杂项目，最怕啥？最害怕的不是写不出来，而是改Bug。 让它修一个报错，它可能顺手把旁边已经稳定的功能一起改了.... 然后bug就越改越多，甚至还会为了完成任务造假，最后整个项目可能都改废了。。 这种感觉就像你让他修厨房的水龙头，他修好了，但回头把你卫生间的水管给踩爆了。这种按下葫芦浮起瓢的感觉，真的让非常抓狂！ 以前用一些规则和或者直接在Input Prompt里面约束会稍微好一点点 这次GLM 4.7牛逼的地方在于，它知道边界在哪。 能判断清楚这个问题属于哪个模块，影响边界在哪里，只在必要的位置做修复。 这会让你真正敢放手把项目持续交给它推进，而不是每一步都担惊受怕，动不动就要回滚。 每找到一个问题，它都能立马解决，整个项目非常确定的在朝着越来越好的方向发展，这一点就足以封神了 GLM 4.7的审美和前端能力也有明显的提升 ，特别是在一些小细节上 你看这边框的流光 这个卡片的聚光灯效果，也非常棒 整个过程需求、各种API信息整理大概3个小时 编码和调试花了4个多小时，这里面包含了，前端的UI设计，功能逻辑，后台的接口、功能，还有跟数据库，以及第三方API的交互等等。 最后，一个功能完整、界面效果也不错的出海营销数字人短视频生成平台（MVP项目），就这样跑通了。 No access 0bc36uaggaaam4achekma5uvb5odmp2qayya.f10002 00:00 还有一个点，更现实。 Claude Code，本身就非常消耗token，如果用国外的模型，我可能会下意识压缩提示词，减少上下文。 不是不想给信息，是钱包着不住...但开了GLM Coding Plan包季的我变得非常豪横，疯狂给Claude Code灌信息，因为试错成本很低。 我不再担心每一次修改的成本，关注的重心完全回到了结果本身。 当然，现阶段GLM 4.7在特别长的任务里，偶尔还是会忘记早期的一些设定，需要你提醒。 一次性生成的复杂项目，也然需要人工Review和微调。 但技术本身正在被GLM系列的开源模型快速平权。 特别是从GLM 4.5开始，我就觉得智谱在大模型方面越来越对味了。 我还记得7 月底的厦门之行，我们一众博主在一起讨论，都发自内心的被GLM 4.5的编程能力所惊艳。 直到国庆前几天，GLM 4.6又出来了，再次屠榜。时隔2个多月，又到4.7，编程和Agent能力都在不断升级，感觉这速度也忒快了，下半年开始就跟开了挂一样。 盲猜GLM 4.8或者GLM 5将在春节前夕发布。 希望下一代的GLM模型能原生集成多模态，在上下文长度方面再次突破，那将是一个在编程和Agent无敌的存在了。 所以，其实现在代码越来越不是事儿了，谁能找到需求、痛点，用最低成本，最快的速度把流程跑通，谁就是赢家。 我发现周围开始靠Vibe Coding赚到钱的人，大多不懂代码。 我也一直都觉得，AI时代，程序员好像反而是最难靠coding赚钱的人。 但是最近我思考了很多，我还是想打造自己的产品，我希望曾经引以为傲的技术能力，在AI时代更能放大它的价值。 接入Claude Code和Codex 接入Claude Code： 把下面的配置写到Claude Code的setting.json配置文件中 Code block JSON { "env": { "ANTHROPIC BASE URL": "https://open.bigmodel.cn/api/anthropic", "ANTHROPIC AUTH TOKEN": "<GLM API KEY ", "API TIMEOUT MS": "3000000", "CLAUDE CODE DISABLE NONESSENTIAL TRAFFIC": 1, "ANTHROPIC MODEL": "glm 4.7", "ANTHROPIC SMALL FAST MODEL": "glm 4.7", "ANTHROPIC DEFAULT SONNET MODEL": "glm 4.7", "ANTHROPIC DEFAULT OPUS MODEL": "glm 4.7", "ANTHROPIC DEFAULT HAIKU MODEL": "glm 4.7" } } 接入Codex： 第一步： 把下面这些配置写到codex的config.toml Code block JSON [model providers.glm] name = "GLM Chat Completions API" base url = "https://open.bigmodel.cn/api/paas/v4" env key = "GLM API KEY" wire api = "chat" requires openai auth = false request max retries = 4 stream max retries = 10 stream idle timeout ms = 300000 [profiles.glm] model = "glm 4.7" model provider = "glm" 第二步 ，设置环境变量。 在你的终端里，执行以下命令，注意：把GLM API KEY替换成你自己的APIKey。 Code block Plain Text export GLM API KEY="你的GLM API KEY" 如果是Windows可以在PowerShell里面执行： Code block Plain Text No access 0bc36uaggaaam4achekma5uvb5odmp2qayya.f10002 00:00 No access 0bc36uaggaaam4achekma5uvb5odmp2qayya.f10002 00:00 第四步 ：直到这一步，我才让GLM 4.7+Claude Code进场。 还是不要一上来就写代码，先执行/init，让Claude Code熟悉目录下的所有文件，包括需求文档 然后开Plan Mode（计划模式）制定一个开发计划。 确认没问题之后，才开始一段一段往下写。 开发完成之后，可以让GLM 4.7帮忙快速启动前后端（过程中需要下载相关依赖，它都完成得很好） 不过这个任务还是太复杂了点，不仅有复杂的业务逻辑，还集成了大量AI能力 GLM 4.7一次性跑完之后是有一些Bug的。 但我觉得现阶段应该不会有模型能一次完成得很好，而且没有bug。 这里我有一个非常明显的体感变化： 以前我用大模型写复杂项目，最怕啥？最害怕的不是写不出来，而是改Bug。 让它修一个报错，它可能顺手把旁边已经稳定的功能一起改了.... 然后bug就越改越多，甚至还会为了完成任务造假，最后整个项目可能都改废了。。 这种感觉就像你让他修厨房的水龙头，他修好了，但回头把你卫生间的水管给踩爆了。这种按下葫芦浮起瓢的感觉，真的让非常抓狂！ 以前用一些规则和或者直接在Input Prompt里面约束会稍微好一点点 这次GLM 4.7牛逼的地方在于，它知道边界在哪。 能判断清楚这个问题属于哪个模块，影响边界在哪里，只在必要的位置做修复。 这会让你真正敢放手把项目持续交给它推进，而不是每一步都担惊受怕，动不动就要回滚。 每找到一个问题，它都能立马解决，整个项目非常确定的在朝着越来越好的方向发展，这一点就足以封神了 GLM 4.7的审美和前端能力也有明显的提升 ，特别是在一些小细节上 你看这边框的流光 这个卡片的聚光灯效果，也非常棒 整个过程需求、各种API信息整理大概3个小时 编码和调试花了4个多小时，这里面包含了，前端的UI设计，功能逻辑，后台的接口、功能，还有跟数据库，以及第三方API的交互等等。 最后，一个功能完整、界面效果也不错的出海营销数字人短视频生成平台（MVP项目），就这样跑通了。 No access 0bc36uaggaaam4achekma5uvb5odmp2qayya.f10002 00:00 No access 0bc36uaggaaam4achekma5uvb5odmp2qayya.f10002 00:00 还有一个点，更现实。 Claude Code，本身就非常消耗token，如果用国外的模型，我可能会下意识压缩提示词，减少上下文。 不是不想给信息，是钱包着不住...但开了GLM Coding Plan包季的我变得非常豪横，疯狂给Claude Code灌信息，因为试错成本很低。 我不再担心每一次修改的成本，关注的重心完全回到了结果本身。 当然，现阶段GLM 4.7在特别长的任务里，偶尔还是会忘记早期的一些设定，需要你提醒。 一次性生成的复杂项目，也然需要人工Review和微调。 但技术本身正在被GLM系列的开源模型快速平权。 特别是从GLM 4.5开始，我就觉得智谱在大模型方面越来越对味了。 我还记得7 月底的厦门之行，我们一众博主在一起讨论，都发自内心的被GLM 4.5的编程能力所惊艳。 直到国庆前几天，GLM 4.6又出来了，再次屠榜。时隔2个多月，又到4.7，编程和Agent能力都在不断升级，感觉这速度也忒快了，下半年开始就跟开了挂一样。 盲猜GLM 4.8或者GLM 5将在春节前夕发布。 希望下一代的GLM模型能原生集成多模态，在上下文长度方面再次突破，那将是一个在编程和Agent无敌的存在了。 所以，其实现在代码越来越不是事儿了，谁能找到需求、痛点，用最低成本，最快的速度把流程跑通，谁就是赢家。 我发现周围开始靠Vibe Coding赚到钱的人，大多不懂代码。 我也一直都觉得，AI时代，程序员好像反而是最难靠coding赚钱的人。 但是最近我思考了很多，我还是想打造自己的产品，我希望曾经引以为傲的技术能力，在AI时代更能放大它的价值。 接入Claude Code和Codex 接入Claude Code： 把下面的配置写到Claude Code的setting.json配置文件中 接入Codex： 第一步： 把下面这些配置写到codex的config.toml 第二步 ，设置环境变量。 在你的终端里，执行以下命令，注意：把GLM API KEY替换成你自己的APIKey。 如果是Windows可以在PowerShell里面执行： 第三步 ，使用codex profile glm命令，指定模型来启动，这样Codex就会默认使用我们配置好的GLM 4.7模型了。 最后的最后，如果你也在观望AI编程，不妨给自己设一个具体目标，哪怕只是一个很小的产品，先把东西做出来。 很多答案，只有在真正跑通的那一刻，才会变得清楚。 你会愿意把核心产品的第一版，交给AI一起完成吗？欢迎评论区交流～ 我是袋鼠帝，持续分享AI实践干货，我们下期见 能看到这里的都是凤毛麟角的存在！ 如果觉得不错，随手点个赞、在看、转发三连吧 如果想第一时间收到推送，也可以给我个星标⭐ 谢谢你耐心看完我的文章 🔗 原文链接： https://mp.weixin.qq.com/s/hVPV1RdB... https://mp.weixin.qq.com/s/hVPV1RdB... 原创 袋鼠帝 袋鼠帝AI客栈2025年12月25日 14:41 云南 大家好，我是被智谱卷到的袋鼠帝。 昨天智谱刚把GLM 4.7放出来，群里就有老哥找我写文章了.. 智谱也太卷了🥹，于是，我又被迫加班了 从平安夜奋战到了圣诞节，终于在今天把这篇文章发出来了，不容易啊 正好 我一直以来想做一个产品 ，我这次 用 Codex + GLM 4.7 + Claude Code ， 从0到1做了一个一键生成海外营销数字人短视频的平台（MVP项目） 我觉得作为半天内搓出来的项目已经相当nice👍，具体的开发经验稍后分享。 在这之前，我先跟大家说说 GLM 4.7这次更新了些什么 这次升级的点，其实很集中，基本就落在四个关键词上： 前端、全栈、Agent、写作 1.前端更漂亮了：GLM 4.7这次前端审美大幅提升了，生成的前端将会更好看； 2.编程能力提升：提升多语言编程能力（全栈开发能力），开发复杂项目更得心应手； 3.Agent能力更强了：工具调用能力提升，在τ² Bench交互式工具调用评测中得到87.4分，成为开源SOTA，超过了Claude Sonnet 4.5。提升了数学和推理能力，在HLE（人类最后的考试）基准测试获得42.8%，较GLM 4.6提升41%，超过了GPT 5.1 4.Code榜杀疯了：在Lmarena的全世界Code盲测排行榜上排名第6，超越了GPT 5.2。 5.情商也更高了，写作和角色扮演方面也有加强。 其实这些跑分我都看麻了，现在我 主要看 Lmarena的排行 ，因为这里是全世界所有人盲测投票出来的结果。 GLM 4.7作为开源模型，在编程方面能干到世界第6也是挺意外的 打造出海营销数字人平台 再回到我比较关心的事儿。 这些升级，能不能在一个真实产品里兑现呢。 所以我这次不想搞Case了，也不搞什么花活 我用Codex + GLM 4.7 + Claude Code，尝试在一天之内，做完一个海外营销数字人短视频生成平台的MVP。 现在回头看，这个想法本身，其实比结果更有意思。 我先简单说下这个MVP项目是干啥的。 逻辑比较清晰，大概率能赚米： 一段口播（音频）+数字人结合产品（图片）+视频Prompt（文字）=数字人营销短视频 文案由GLM 4.7生成，通过TTS（可以用开源的index tts）转成语音 图片可以由香蕉 Pro生成，也可以自己上传 视频Prompt也可以由 GLM 4.7生成 最后的数字人由开源的infiniteTalk模型生成 流程大致如下： 这不是随便搞的，而是一个真实存在需求的产品形态。 因为 我最近一直在研究AI数字人视频的开源方案 ，现在数字人开源方案逐渐成熟，并且效果已经很不错了，但是真正卡住大家的，不是模型效果，而是把这些能力整合成一个完整产品的工程。 这个平台，把制作数字人短视频SOP化了，而且的本很低，意味着可以把AI数字人的价格打下来。 而正好，GLM又升级了，好像除了用GLM 4.7，没有别的更好的选择了，毕竟这是目前接入Claude Code性价比最高的模型 对了，用量大可以选择包月，更划算，文末有折扣二维码 这次开发的平台难度有点高，我刻意把节奏放慢了一点，没有一上来就写代码。 现在AI做任何事情，上下文才是关键 所以 第一步 ，我们需要花大量的时间在写需求上。 页面长啥样？用户咋流转？哪里同步哪里异步？用谁的API？数据库存啥？ 这个阶段的初期，其实非常反AI，全是人脑在工作。 但如果你跳过这一步，后面就会发现，靠模型写得越快，返工越狠，离你的预期越来越远。 第二步 ，我把自己梳理的需求初稿交给了接入了GLM 4.7的Codex。 codex梳理需求很好用，GLM 4.7接入Codex的方法，放到最后了 不是让它写代码，是让它帮我评审需求，挑毛病，找出待确认的地方，然后不断跟它对话，对齐需求，这几轮来回，非常重要。 因为它逼着你把脑子里那些模糊的想法，变成可以落地的更详细的需求。 最后， GLM 4.7给我输出了一份一千三百多行的超详细的需求文档。 从技术架构、选型到接口定义，从数据库表结构到前端UI布局等9大块（见上图），几乎把后面所有容易出问题的地方都提前铺平了。 第三步 ：梳理需要用到的第三方API（请求、响应示例、apikey等）、数据库信息（地址、端口、用户名、密码、数据库名称）