大家好，我是被智譜卷到的袋鼠帝。

昨天智譜剛把GLM-4.7放出來，群里就有老哥找我寫文章了..

智譜也太卷了，于是，我又被迫加班了

從平安夜奮戰(zhàn)到了圣誕節(jié)，終于在今天把這篇文章發(fā)出來了，不容易啊

正好我一直以來想做一個產品，我這次用Codex + GLM-4.7 + Claude Code，從0到1做了一個一鍵生成海外營銷數字人短視頻的平臺（MVP項目）

我覺得作為半天內搓出來的項目已經相當nice，具體的開發(fā)經驗稍后分享。

在這之前，我先跟大家說說GLM-4.7這次更新了些什么

這次升級的點，其實很集中，基本就落在四個關鍵詞上：前端、全棧、Agent、寫作。

1.前端更漂亮了：GLM-4.7這次前端審美大幅提升了，生成的前端將會更好看；

2.編程能力提升：提升多語言編程能力（全棧開發(fā)能力），開發(fā)復雜項目更得心應手；

3.Agent能力更強了：工具調用能力提升，在τ2-Bench交互式工具調用評測中得到87.4分，成為開源SOTA，超過了Claude Sonnet 4.5。提升了數學和推理能力，在HLE（人類最后的考試）基準測試獲得42.8%，較GLM-4.6提升41%，超過了GPT-5.1

4.Code榜殺瘋了：在Lmarena的全世界Code盲測排行榜上排名第6，超越了GPT-5.2。

5.情商也更高了，寫作和角色扮演方面也有加強。

其實這些跑分我都看麻了，現在我主要看Lmarena的排行，因為這里是全世界所有人盲測投票出來的結果。

GLM-4.7作為開源模型，在編程方面能干到世界第6也是挺意外的

打造出海營銷數字人平臺

再回到我比較關心的事兒。

這些升級，能不能在一個真實產品里兌現呢。

所以我這次不想搞Case了，也不搞什么花活

我用Codex + GLM-4.7 + Claude Code，嘗試在一天之內，做完一個海外營銷數字人短視頻生成平臺的MVP。

現在回頭看，這個想法本身，其實比結果更有意思。

我先簡單說下這個MVP項目是干啥的。

邏輯比較清晰，大概率能賺米：

一段口播（音頻）+數字人結合產品（圖片）+視頻Prompt（文字）=數字人營銷短視頻

文案由GLM-4.7生成，通過TTS（可以用開源的index-tts）轉成語音

圖片可以由香蕉 Pro生成，也可以自己上傳

視頻Prompt也可以由GLM-4.7生成

最后的數字人由開源的infiniteTalk模型生成

流程大致如下：

這不是隨便搞的，而是一個真實存在需求的產品形態(tài)。

因為我最近一直在研究AI數字人視頻的開源方案，現在數字人開源方案逐漸成熟，并且效果已經很不錯了，但是真正卡住大家的，不是模型效果，而是把這些能力整合成一個完整產品的工程。

這個平臺，把制作數字人短視頻SOP化了，而且的本很低，意味著可以把AI數字人的價格打下來。

而正好，GLM又升級了，好像除了用GLM-4.7，沒有別的更好的選擇了，畢竟這是目前接入Claude Code性價比最高的模型

對了，用量大可以選擇包月，更劃算，文末有折扣二維碼

這次開發(fā)的平臺難度有點高，我刻意把節(jié)奏放慢了一點，沒有一上來就寫代碼。

現在AI做任何事情，上下文才是關鍵

所以第一步，我們需要花大量的時間在寫需求上。

頁面長啥樣？用戶咋流轉？哪里同步哪里異步？用誰的API？數據庫存啥？

這個階段的初期，其實非常反AI，全是人腦在工作。

但如果你跳過這一步，后面就會發(fā)現，靠模型寫得越快，返工越狠，離你的預期越來越遠。

第二步，我把自己梳理的需求初稿交給了接入了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

不是讓它寫代碼，是讓它幫我評審需求，挑毛病，找出待確認的地方，然后不斷跟它對話，對齊需求，這幾輪來回，非常重要。

因為它逼著你把腦子里那些模糊的想法，變成可以落地的更詳細的需求。

最后，GLM-4.7給我輸出了一份一千三百多行的超詳細的需求文檔。

從技術架構、選型到接口定義，從數據庫表結構到前端UI布局等9大塊（見上圖），幾乎把后面所有容易出問題的地方都提前鋪平了。

第三步：梳理需要用到的第三方API（請求、響應示例、apikey等）、數據庫信息（地址、端口、用戶名、密碼、數據庫名稱）

第四步：直到這一步，我才讓GLM-4.7+Claude Code進場。

還是不要一上來就寫代碼，先執(zhí)行/init，讓Claude Code熟悉目錄下的所有文件，包括需求文檔

然后開Plan Mode（計劃模式）制定一個開發(fā)計劃。

確認沒問題之后，才開始一段一段往下寫。

開發(fā)完成之后，可以讓GLM-4.7幫忙快速啟動前后端（過程中需要下載相關依賴，它都完成得很好）

不過這個任務還是太復雜了點，不僅有復雜的業(yè)務邏輯，還集成了大量AI能力

GLM-4.7一次性跑完之后是有一些Bug的。

但我覺得現階段應該不會有模型能一次完成得很好，而且沒有bug。

這里我有一個非常明顯的體感變化：

以前我用大模型寫復雜項目，最怕啥？最害怕的不是寫不出來，而是改Bug。

讓它修一個報錯，它可能順手把旁邊已經穩(wěn)定的功能一起改了....

然后bug就越改越多，甚至還會為了完成任務造假，最后整個項目可能都改廢了。。

這種感覺就像你讓他修廚房的水龍頭，他修好了，但回頭把你衛(wèi)生間的水管給踩爆了。這種按下葫蘆浮起瓢的感覺，真的讓非常抓狂！

以前用一些規(guī)則和或者直接在Input Prompt里面約束會稍微好一點點

這次GLM-4.7牛逼的地方在于，它知道邊界在哪。

能判斷清楚這個問題屬于哪個模塊，影響邊界在哪里，只在必要的位置做修復。

這會讓你真正敢放手把項目持續(xù)交給它推進，而不是每一步都擔驚受怕，動不動就要回滾。

每找到一個問題，它都能立馬解決，整個項目非常確定的在朝著越來越好的方向發(fā)展，這一點就足以封神了

GLM-4.7的審美和前端能力也有明顯的提升，特別是在一些小細節(jié)上

你看這邊框的流光

這個卡片的聚光燈效果，也非常棒

整個過程需求、各種API信息整理大概3個小時

編碼和調試花了4個多小時，這里面包含了，前端的UI設計，功能邏輯，后臺的接口、功能，還有跟數據庫，以及第三方API的交互等等。

最后，一個功能完整、界面效果也不錯的出海營銷數字人短視頻生成平臺（MVP項目），就這樣跑通了。

還有一個點，更現實。

Claude Code，本身就非常消耗token，如果用國外的模型，我可能會下意識壓縮提示詞，減少上下文。

不是不想給信息，是錢包著不住...但開了GLM Coding Plan包季的我變得非常豪橫，瘋狂給Claude Code灌信息，因為試錯成本很低。

我不再擔心每一次修改的成本，關注的重心完全回到了結果本身。

當然，現階段GLM-4.7在特別長的任務里，偶爾還是會忘記早期的一些設定，需要你提醒。

一次性生成的復雜項目，也然需要人工Review和微調。

但技術本身正在被GLM系列的開源模型快速平權。

特別是從GLM-4.5開始，我就覺得智譜在大模型方面越來越對味了。

我還記得7月底的廈門之行，我們一眾博主在一起討論，都發(fā)自內心的被GLM-4.5的編程能力所驚艷。

直到國慶前幾天，GLM-4.6又出來了，再次屠榜。時隔2個多月，又到4.7，編程和Agent能力都在不斷升級，感覺這速度也忒快了，下半年開始就跟開了掛一樣。

盲猜GLM-4.8或者GLM-5將在春節(jié)前夕發(fā)布。

希望下一代的GLM模型能原生集成多模態(tài)，在上下文長度方面再次突破，那將是一個在編程和Agent無敵的存在了。

所以，其實現在代碼越來越不是事兒了，誰能找到需求、痛點，用最低成本，最快的速度把流程跑通，誰就是贏家。

我發(fā)現周圍開始靠Vibe Coding賺到錢的人，大多不懂代碼。

我也一直都覺得，AI時代，程序員好像反而是最難靠coding賺錢的人。

但是最近我思考了很多，我還是想打造自己的產品，我希望曾經引以為傲的技術能力，在AI時代更能放大它的價值。

接入Claude Code和Codex

接入Claude Code：

把下面的配置寫到Claude Code的setting.json配置文件中

}

接入Codex：

第一步：把下面這些配置寫到codex的config.toml

model_provider = "glm"

第二步，設置環(huán)境變量。

在你的終端里，執(zhí)行以下命令，注意：把GLM_API_KEY替換成你自己的APIKey。

export GLM_API_KEY="你的GLM_API_KEY"

如果是Windows可以在PowerShell里面執(zhí)行：

$env:GLM_API_KEY = " "

第三步，使用codex --profile glm命令，指定模型來啟動，這樣Codex就會默認使用我們配置好的GLM-4.7模型了。

GLM Coding Plan優(yōu)惠與小彩蛋

我是之前300直接包季了，在時間內不用考慮token消耗，就算開發(fā)項目瘋狂用，也沒有限流過， 挺爽的。

我還給大家爭取到了專屬優(yōu)惠，掃描下面二維碼，可以領取Coding Plan所有套餐的8折優(yōu)惠券。

最后的最后，如果你也在觀望AI編程，不妨給自己設一個具體目標，哪怕只是一個很小的產品，先把東西做出來。

很多答案，只有在真正跑通的那一刻，才會變得清楚。

你會愿意把核心產品的第一版，交給AI一起完成嗎？歡迎評論區(qū)交流～

我是袋鼠帝，持續(xù)分享AI實踐干貨，我們下期見

能看到這里的都是鳳毛麟角的存在！

如果覺得不錯，隨手點個贊、在看、轉發(fā)三連吧~

如果想第一時間收到推送，也可以給我個星標?

謝謝你耐心看完我的文章~