源神降临！我用智谱 GLM-5.1 搓了个电商神器，白牌秒变大牌（附完整开发思路）

源神降临！我用智谱 GLM 5.1 搓了个电商神器，白牌秒变大牌（附完整开发思路） 源神降临！我用智谱 GLM 5.1 搓了个电商神器，白牌秒变大牌（附完整开发思路） Modified April 10 No access 0bc3tecbqaaemuaag7wxtzuvjgoddcmqigaa.f10002 00:00 等项目完成后，可以让它直接开启 自检查模式 ，直接说「帮我去完成一系列的自动化测试」。 包括还可以直接让它用我们的 /front design skills 帮我们去优化主界面，最终呈现出来的结果就是这样的 首页展示 GIF 而且在测试的过程中，如果遇到了一些问题，比如接入更多的供应商支持，接入更多的模型。我们都可以直接在对话框里跟它对话。它会以 反问的形式，让我们提供选项 供我们选择。 紧接着又设置了一堆 plan 长程任务，然后 开始自己执行 。太吊了。 最后它帮我写了 README、创建了 .env.example、确认了一键启动流程。 项目交付。 1246 AI 自行执行轮次 6000万 tokens 消耗 4 5h 总开发时长 最终的效果就是大家开头看到的视频那样， 直接交付一个可用的系统 。 No access 0bc3tecbqaaemuaag7wxtzuvjgoddcmqigaa.f10002 00:00 当然了，在这里边我没有考虑到比如说高并发或者高可用的这种场景，我没有把这些背景告诉给 AI。在一些高 QPS 场景下，它目前要优化的还有很多 在之后，我也会不断地去打磨这个项目。 04 THOUGHTS 简单聊聊这个项目的思考 这次实测下来，GLM 5.1 在长程任务上的表现是 超预期的 。 它的 稳定性和一致性 非常值得一提。在一个需要持续好几个小时、跨十几个步骤的完整项目开发中，它 始终记得前面定的架构和约束 ，始终围绕最终交付目标推进，中途遇到问题自己修正，不跑偏、不断链。 — 智谱 GLM 5.1 这种体验，以前只在闭源的顶级模型上有过。而 GLM 5.1 是开源的 。 开源意味着什么？意味着更多的开发者、更多的场景、更低的成本、更大的可能性。当开源模型也能稳定地完成长程任务的时候， AI 编程的门槛又往下降了一大截 。 不得不说一句，智谱牛逼 🐂🍺！ 而关于电商 AI 应用这个，风格迁移只是一个切入点。 电商详情页的 AI 化生产，是一个巨大的市场 。 — 电商 AI 应用 中国有上千万的电商商家，80% 以上是中小商家和白牌商家。他们每个月需要制作大量的商品详情页，但 设计资源严重不足 。商品越来越多，上新越来越快，好的设计师永远是稀缺的。这个矛盾只会越来越大。 AI 风格迁移可以让那些没有设计师的商家也能做出有品质的详情页。这是一个增量市场，也是一个 真正的刚需 。 好的 AI 技术就应该实际地落在我们的业务场景应用中。 ∞ FINAL THOUGHTS 从写 Prompt 到造世界 Harness Engineering 。 很多人觉得用 AI 做项目就是「写一句好的 prompt 让它写代码」。这样做，90% 的情况出来的东西不能用。 最近看到郭美青老师写了一篇文章，讲从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演进。他说了一个我觉得特别精准的判断： 这三个词其实在说同一件事，只是在不同的高度望向同一个问题。 PE 是调措辞，你跟模型怎么说话。CE 是调信息流，模型该看到什么、什么时候看到。HE 是调整个环境，模型能做什么、不能做什么、错了怎么办、谁来判断它做得好不好。 「三者不是替代关系，是套娃。HE 包着 CE，CE 包着 PE。」 再看看这次的开发过程，其实就是一次 Harness Engineering 的实践。 我没有一上来就给模型写 prompt 让它写代码。也不只是把需求文档喂给它就完事。我做的是 给 GLM 5.1 搭建了一个完整的工作环境 ： No access 0bc3tecbqaaemuaag7wxtzuvjgoddcmqigaa.f10002 00:00 No access 0bc3tecbqaaemuaag7wxtzuvjgoddcmqigaa.f10002 00:00 等项目完成后，可以让它直接开启 自检查模式 ，直接说「帮我去完成一系列的自动化测试」。 包括还可以直接让它用我们的 /front design skills 帮我们去优化主界面，最终呈现出来的结果就是这样的 首页展示 GIF 而且在测试的过程中，如果遇到了一些问题，比如接入更多的供应商支持，接入更多的模型。我们都可以直接在对话框里跟它对话。它会以 反问的形式，让我们提供选项 供我们选择。 紧接着又设置了一堆 plan 长程任务，然后 开始自己执行 。太吊了。 最后它帮我写了 README、创建了 .env.example、确认了一键启动流程。 项目交付。 1246 AI 自行执行轮次 6000万 tokens 消耗 4 5h 总开发时长 1246 AI 自行执行轮次 1246 AI 自行执行轮次 6000万 tokens 消耗 6000万 tokens 消耗 4 5h 总开发时长 4 5h 总开发时长 最终的效果就是大家开头看到的视频那样， 直接交付一个可用的系统 。 No access 0bc3tecbqaaemuaag7wxtzuvjgoddcmqigaa.f10002 00:00 No access 0bc3tecbqaaemuaag7wxtzuvjgoddcmqigaa.f10002 00:00 当然了，在这里边我没有考虑到比如说高并发或者高可用的这种场景，我没有把这些背景告诉给 AI。在一些高 QPS 场景下，它目前要优化的还有很多 在之后，我也会不断地去打磨这个项目。 04 THOUGHTS 简单聊聊这个项目的思考 这次实测下来，GLM 5.1 在长程任务上的表现是 超预期的 。 它的 稳定性和一致性 非常值得一提。在一个需要持续好几个小时、跨十几个步骤的完整项目开发中，它 始终记得前面定的架构和约束 ，始终围绕最终交付目标推进，中途遇到问题自己修正，不跑偏、不断链。 — 智谱 GLM 5.1 这种体验，以前只在闭源的顶级模型上有过。而 GLM 5.1 是开源的 。 开源意味着什么？意味着更多的开发者、更多的场景、更低的成本、更大的可能性。当开源模型也能稳定地完成长程任务的时候， AI 编程的门槛又往下降了一大截 。 不得不说一句，智谱牛逼 🐂🍺！ 而关于电商 AI 应用这个，风格迁移只是一个切入点。 电商详情页的 AI 化生产，是一个巨大的市场 。 — 电商 AI 应用 中国有上千万的电商商家，80% 以上是中小商家和白牌商家。他们每个月需要制作大量的商品详情页，但 设计资源严重不足 。商品越来越多，上新越来越快，好的设计师永远是稀缺的。这个矛盾只会越来越大。 AI 风格迁移可以让那些没有设计师的商家也能做出有品质的详情页。这是一个增量市场，也是一个 真正的刚需 。 好的 AI 技术就应该实际地落在我们的业务场景应用中。 ∞ FINAL THOUGHTS 从写 Prompt 到造世界 Harness Engineering 。 很多人觉得用 AI 做项目就是「写一句好的 prompt 让它写代码」。这样做，90% 的情况出来的东西不能用。 最近看到郭美青老师写了一篇文章，讲从 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演进。他说了一个我觉得特别精准的判断： 这三个词其实在说同一件事，只是在不同的高度望向同一个问题。 PE 是调措辞，你跟模型怎么说话。CE 是调信息流，模型该看到什么、什么时候看到。HE 是调整个环境，模型能做什么、不能做什么、错了怎么办、谁来判断它做得好不好。 「三者不是替代关系，是套娃。HE 包着 CE，CE 包着 PE。」 再看看这次的开发过程，其实就是一次 Harness Engineering 的实践。 我没有一上来就给模型写 prompt 让它写代码。也不只是把需求文档喂给它就完事。我做的是 给 GLM 5.1 搭建了一个完整的工作环境 ： — 搭建的环境 这些东西加在一起，就是 GLM 5.1 的 Harness。 OpenAI 发现过一个反直觉的结论： 约束越多，Agent 反而干得越好。 这里指的是 清晰的架构规范、可靠的检查流程、及时的阶段确认 。 这跟管人一模一样。好的管理者不是控制欲最强的那个人，而是 环境设计得最好的那个人 。 你以为在调 AI，其实在造世界。 Prompt 写得好不好当然重要，但它只是最内层的那个套娃。 真正决定项目成败的，是 你给 AI 构建的那个工作环境 。 对齐预期、定义文档、设计架构、分步交付，这些不是「开发前的准备工作」，这些就是开发本身。 这套方法不只适用于 GLM 5.1，它是一个通用的 AI 协作开发框架。非技术背景的人也完全可以用。 关键不在于你会不会写代码，而是你能不能定义一个好问题， 能不能，为 AI 造一个对的世界。 以上。 END 我是甲木，热衷于分享一些 AI 干货内容，同时也会分享 AI 在各行业的落地应用。 如果你觉得今天这篇有收获，欢迎 点赞、在看、转发 三连，我们下期再见 👋🏻 🔗 原文链接： https://mp.weixin.qq.com/s/Eplqp9s ... https://mp.weixin.qq.com/s/Eplqp9s ... 原创 甲木Zuiyn 甲木Zuiyn 甲木未来派2026年4月8日 11:02 北京 " 你以为在调 AI，其实在 造世界 。 —— Harness Engineering 大家好啊，我是甲木。 清明在家没事搞了个小项目，先说起因。 前阵子看到好朋友冷逸用 GLM 5.1 开发了一个公众号写作神器「Auto Wechat Writing」，从需求到上线一气呵成，整个过程跑了 1300 万 tokens 。在那之前，袋鼠帝也用智谱 GLM 5 做了一个项目。 看他们做完，我也手痒了。于是在家直接做了个电商神器： StyleForge（风格锻造） 项目。先给大家看看成品： 电商风格迁移网站 这是我用 GLM 5.1 从零开发的一个 Web 应用， StyleForge（风格锻造） ，面向电商场景的「视觉风格迁移」工具。 操作路径很简单，三步就能出图： 上传参考图、上传产品图 + 填写产品描述、一键生成 。 你的白牌产品，出来的图， 和大牌放一起毫不违和 。 整个项目从零搭建，前后端完整，有登录系统、历史记录管理，是一个真正能用的产品。 而开发它，我只用了一个工具： Claude Code + 智谱 GLM 5.1 模型 。 这个项目的想法，最早源于我的一个电商用户的需求，当时我直接用 Skills 交付了，也是在 凯寓 的一次分享中，他提到了一个很有意思的方向，用 AI 解决电商详情页的设计问题。后来在凯寓和小七姐的帖子和方法论上做了一些延伸和创新。 再加上 GLM 5.1 这次开源，这个场景也适合做一个完整项目，所以： 拿这个项目来实测一下 GLM 5.1 的长程任务能力 ，毕竟 是全球第一个在真实工程任务中验证了8小时持续工作能力的开源模型。 顺便做一个真正有用的东西出来。 📌 本文看点 01 GLM 5.1 模型实力 02 电商风格迁移场景 03 从零到一完整开发 01 GLM 5.1 模型实力 01 GLM 5.1 模型实力 02 电商风格迁移场景 02 电商风格迁移场景 03 从零到一完整开发 03 从零到一完整开发 01 MODEL GLM 5.1：开源模型的新王 在动手之前，先简单介绍一下 GLM 5.1 这个模型。 实测下来，我觉得智谱 GLM 5.1 实现了编程能力的SOTA： 面向长程任务的开源第一模型 。 什么叫长程任务？就是那种不是一句 Prompt 能搞定的复杂任务。它需要 跨步骤、跨工具、持续好几个小时推进 ，中间还可能出各种意外，需要自主规划、自主执行、自主纠错。 METR 研究显示，在编程等领域，AI 能以 50% 成功率完成的任务复杂度（以人类专家耗时衡量）正呈指数级增长，近期加速至每 4–6 个月翻倍。 GLM 5.1 在这个方向上做了系统性的优化，总结为下图的三大核心能力： 从数据上看，GLM 5.1 在 SWE Bench 和 Artificial Analysis 等核心评测中 位列开源第一 ， 评测数据图片 OpenRouter 上的调用量近期也排在开源模型前列。海外开发者社区对它评价极高，不少人直接称它为「开源模型的新王」。 海外老哥评价 YouTube 博主 AICodeKing 在 King Bench 测试中也给出了 开源第一的排名 。 AI Coding 其实有一条非常清晰的跃迁路径： AI Coding → Vibe Coding → Agentic → Long Horizon GLM 5.1 正是面向 Long Horizon 这个阶段 的产物。同时，长时任务也是 Harness Engineering 实践中不可缺少的一环，它「让模型像一个资深工程师一样持续工作、交付成果」。 即日起，GLM 5.1在Hugging Face与ModelScope平台同步开源，模型权重遵循 MIT License。 GLM 5.1已纳入GLM Coding Plan(Max/Pro/Lite)，支持 Claude Code、OpenCode等主流开发工具。 当模型能力已经对齐全球顶尖水平，真正拉开差距的将是：它能否像人类工程师一样，独立、持续地工作数小时，交付完整的工程级成果。这是GLM 5.1要回答的下一个问题。 说了这么多，空口无凭。最好的验证方式，就是拿一个真实项目来跑。 02 SCENARIO 为什么选电商风格迁移这个场景 因为这个场景 太刚需了 。 做过电商的人都知道，在货架电商里， 商品详情页就是你的「销售员」 。用户看不到实物，所有的产品认知、信任建立和购买决策，都发生在详情页上。一个优质的详情页可以将转化率提升 30% 50%，这是实实在在的真金白银。 但详情页的生产一直有两个核心痛点： 那怎么办？可以用 AI 做 风格迁移 。 用户找到对标品牌的优质详情页图片，上传自己的产品图和产品描述。AI 自动分析参考图「为什么好看」，从布局、色彩、光影、排版、情绪调性等多个维度 深度拆解参考图的「视觉 DNA」 ，然后将这套设计逻辑迁移到用户的产品上，生成具有品牌感的营销海报。 当然，自己如果就是大牌产品，把过往的设计风格，直接给到 AI，更容易直接复刻出图。 它理解的是 设计逻辑，不是表面效果 。 白牌产品，也能拥有大牌级的视觉表现，而且无需设计师从零创作。 03 BUILD 从零到一的完整开发过程 接下来给大家完整还原一下这个项目的开发过程，用最新的黑话来说，这是一次 Harness Engineering 实践 。 整个项目的消耗大概在六七千万 tokens 吧，中间限额之后又换了个号。 — 其中一个账号的消耗 我用的是 Claude Code 接入 GLM 5.1 模型，整个项目从第一行代码到最终可用， 全程由 GLM 5.1 完成编码 。 我没有一上来就给模型写 prompt 让它写代码，也不只是把需求文档喂给它。我做的是给它搭建一个完整的工作环境： 先对齐认知，再用 PRD 定义目标约束，用技术方案画出行动边界，用分步交付建立质量检查点。 这些东西加在一起，构成了 GLM 5.1 的 Harness。它之所以能在长程任务中保持稳定、不跑偏，除了模型本身够强，更重要的是 给它造了一个「对的世界」 。 STEP 1 预期对齐 我先把整个项目的背景告诉了 GLM 5.1。 电商场景是什么样的，用户有什么痛点，我想做一个什么产品，技术上大概怎么选型。 我没有急着让它动手，而是让它先复述一遍理解，分析技术难点，给出开发顺序的建议。 这一步很关键。如果 模型理解跑偏了，后面写再多代码也白搭 。 然后，进行信息对齐： 对齐完成，我们对项目的认知是一致的。 STEP 2 产品设定 + PRD 对齐之后，我让它先输出产品设定。明确用户是谁、核心场景有哪些、功能优先级怎么排、页面清单是什么。 确认产品设定后，再让它写一份完整的 PRD（产品需求文档） 。包括每个页面的交互设计、前后端 API 接口、数据库表结构、非功能需求。 产品对齐 GIF 这个环节的好处是：后续编码遇到问题，我可以直接说「你在 PRD 里是这么定义的」，让它自己对照修正。有了 文档做锚点，模型就不容易在长链路任务中跑偏 。 STEP 3 技术方案 PRD 确认后，下一步是技术方案。 这一步我特别关注的是它对 核心模块的设计思路 。 风格 DNA 分析模块： 这里其实也依赖我过往的一个风格分析的 prompt，也就是在参考了凯寓和小七姐之后的一个优化扩充版。 GLM 5.1 输出的方案 结构清晰，考虑也比较周全 。我微调了一些细节，技术方案就定稿了。 — 比较轻量级的一个方案 STEP 4 逐步编码 进入正式开发。这个过程 完全由 GLM 5.1 自行主导 。 项目初始化 搭建前后端骨架，配好开发环境，这轮没什么悬念，GLM 5.1 很顺利地完成了。 这里我忘了截当时的规划步骤图，我直接交给它之后我就去吃饭了... 然后上下文太长 自动 compact 了 。。 中间经历了半个多小时，遇到 bug 也会 自行修正优化 。 之后，交付出来一整个结果，直接按操作打开 登录注册页面，图片上传和项目管理模块都做的很好，在这中间，还让它用了 front design skills 去进行 前端审美的设计 。 核心功能 风格分析 + 海报生成。 这是整个项目最难的部分，也是 最能体现 GLM 5.1 长程任务能力 的环节。 这里简单说一下核心逻辑。我设计了一套「视觉 DNA」分析框架，从 9 个维度 去拆解一张参考图的设计风格。 这个环节 GLM 5.1 跑了很久，中间确实遇到了不少问题。 有一次 API 返回的 JSON 格式不规范，它自己看了错误日志， 加了一层正则预处理来提取 JSON 块 ，然后继续往下走。还有一次生成图片为空，它自动触发了重试，第二次成功了。 bug 修复 GIF 这种自主排查、自主修复的能力，是我整个开发过程中感受最深的。 以前用开源模型做长任务，到后半程经常需要人工介入，手动帮它纠错。GLM 5.1 在这方面 明显好了一个台阶 。 UI 打磨 功能跑通之后，我让它做了一轮 UI 优化。包括 Landing Page 的设计（产品介绍、操作步骤说明、效果展示）、 整体配色统一、加载动画、响应式适配 。 STEP 5 联调测试 + 收尾 当然，我在操作打开的时候，不可避免的遇到了一些 bug 问题。 然后就跟它对话，让它进行修正，优化。