你以為在調 AI，其實在 造世界 。

—— Harness Engineering

大家好啊，我是甲木。

清明在家沒事搞了個小項目，先說起因。

前陣子看到好朋友冷逸用 GLM-5.1 開發(fā)了一個公眾號寫作神器「Auto-Wechat-Writing」，從需求到上線一氣呵成，整個過程跑了 1300 萬 tokens 。在那之前，袋鼠帝也用智譜 GLM-5 做了一個項目。

看他們做完，我也手癢了。于是在家直接做了個電商神器：StyleForge（風格鍛造）項目。先給大家看看成品：

電商風格遷移網(wǎng)站

這是我用 GLM-5.1 從零開發(fā)的一個 Web 應用，StyleForge（風格鍛造），面向電商場景的「視覺風格遷移」工具。

操作路徑很簡單，三步就能出圖： 上傳參考圖、上傳產(chǎn)品圖 + 填寫產(chǎn)品描述、一鍵生成 。

你的白牌產(chǎn)品，出來的圖， 和大牌放一起毫不違和 。

整個項目從零搭建，前后端完整，有登錄系統(tǒng)、歷史記錄管理，是一個真正能用的產(chǎn)品。

而開發(fā)它，我只用了一個工具：Claude Code + 智譜 GLM-5.1 模型。

這個項目的想法，最早源于我的一個電商用戶的需求，當時我直接用 Skills 交付了，也是在凱寓的一次分享中，他提到了一個很有意思的方向，用 AI 解決電商詳情頁的設計問題。后來在凱寓和小七姐的帖子和方法論上做了一些延伸和創(chuàng)新。

再加上 GLM-5.1 這次開源，這個場景也適合做一個完整項目，所以： 拿這個項目來實測一下 GLM-5.1 的長程任務能力 ，畢竟是全球第一個在真實工程任務中驗證了8小時持續(xù)工作能力的開源模型。順便做一個真正有用的東西出來。

本文看點

01

GLM-5.1 模型實力

02

電商風格遷移場景

03

從零到一完整開發(fā)

01

MODEL

GLM-5.1：開源模型的新王

在動手之前，先簡單介紹一下 GLM-5.1 這個模型。

實測下來，我覺得智譜 GLM-5.1 實現(xiàn)了編程能力的SOTA：面向長程任務的開源第一模型。

什么叫長程任務？就是那種不是一句 Prompt 能搞定的復雜任務。它需要跨步驟、跨工具、持續(xù)好幾個小時推進，中間還可能出各種意外，需要自主規(guī)劃、自主執(zhí)行、自主糾錯。

METR 研究顯示，在編程等領域，AI 能以 50% 成功率完成的任務復雜度（以人類專家耗時衡量）正呈指數(shù)級增長，近期加速至每 4–6 個月翻倍。

GLM-5.1 在這個方向上做了系統(tǒng)性的優(yōu)化，總結為下圖的三大核心能力：

從數(shù)據(jù)上看，GLM-5.1 在SWE-Bench和Artificial Analysis等核心評測中位列開源第一，

評測數(shù)據(jù)圖片

OpenRouter上的調用量近期也排在開源模型前列。海外開發(fā)者社區(qū)對它評價極高，不少人直接稱它為「開源模型的新王」。

海外老哥評價

YouTube 博主 AICodeKing 在 King Bench 測試中也給出了開源第一的排名。

AI Coding 其實有一條非常清晰的躍遷路徑：

AI Coding → Vibe Coding → Agentic →Long Horizon

GLM-5.1 正是面向 Long Horizon 這個階段的產(chǎn)物。同時，長時任務也是 Harness Engineering 實踐中不可缺少的一環(huán)，它「讓模型像一個資深工程師一樣持續(xù)工作、交付成果」。

即日起，GLM-5.1在Hugging Face與ModelScope平臺同步開源，模型權重遵循 MIT License。

GLM-5.1已納入GLM Coding Plan(Max/Pro/Lite)，支持 Claude Code、OpenCode等主流開發(fā)工具。

當模型能力已經(jīng)對齊全球頂尖水平，真正拉開差距的將是：它能否像人類工程師一樣，獨立、持續(xù)地工作數(shù)小時，交付完整的工程級成果。這是GLM-5.1要回答的下一個問題。

說了這么多，空口無憑。最好的驗證方式，就是拿一個真實項目來跑。

02

SCENARIO

為什么選電商風格遷移這個場景

因為這個場景太剛需了。

做過電商的人都知道，在貨架電商里， 商品詳情頁就是你的「銷售員」 。用戶看不到實物，所有的產(chǎn)品認知、信任建立和購買決策，都發(fā)生在詳情頁上。一個優(yōu)質的詳情頁可以將轉化率提升 30%-50%，這是實實在在的真金白銀。

但詳情頁的生產(chǎn)一直有兩個核心痛點：

那怎么辦？可以用 AI 做風格遷移。

用戶找到對標品牌的優(yōu)質詳情頁圖片，上傳自己的產(chǎn)品圖和產(chǎn)品描述。AI 自動分析參考圖「為什么好看」，從布局、色彩、光影、排版、情緒調性等多個維度 深度拆解參考圖的「視覺 DNA」 ，然后將這套設計邏輯遷移到用戶的產(chǎn)品上，生成具有品牌感的營銷海報。

當然，自己如果就是大牌產(chǎn)品，把過往的設計風格，直接給到 AI，更容易直接復刻出圖。

它理解的是 設計邏輯，不是表面效果 。

白牌產(chǎn)品，也能擁有大牌級的視覺表現(xiàn)，而且無需設計師從零創(chuàng)作。

03

BUILD

從零到一的完整開發(fā)過程

接下來給大家完整還原一下這個項目的開發(fā)過程，用最新的黑話來說，這是一次 Harness Engineering 實踐 。

整個項目的消耗大概在六七千萬 tokens 吧，中間限額之后又換了個號。

— 其中一個賬號的消耗

我用的是 Claude Code 接入 GLM-5.1 模型，整個項目從第一行代碼到最終可用， 全程由 GLM-5.1 完成編碼 。

我沒有一上來就給模型寫 prompt 讓它寫代碼，也不只是把需求文檔喂給它。我做的是給它搭建一個完整的工作環(huán)境：先對齊認知，再用 PRD 定義目標約束，用技術方案畫出行動邊界，用分步交付建立質量檢查點。

這些東西加在一起，構成了 GLM-5.1 的 Harness。它之所以能在長程任務中保持穩(wěn)定、不跑偏，除了模型本身夠強，更重要的是 給它造了一個「對的世界」 。

STEP 1 預期對齊

我先把整個項目的背景告訴了 GLM-5.1。

電商場景是什么樣的，用戶有什么痛點，我想做一個什么產(chǎn)品，技術上大概怎么選型。我沒有急著讓它動手，而是讓它先復述一遍理解，分析技術難點，給出開發(fā)順序的建議。

這一步很關鍵。如果 模型理解跑偏了，后面寫再多代碼也白搭 。

然后，進行信息對齊：

對齊完成，我們對項目的認知是一致的。

STEP 2 產(chǎn)品設定 + PRD

對齊之后，我讓它先輸出產(chǎn)品設定。明確用戶是誰、核心場景有哪些、功能優(yōu)先級怎么排、頁面清單是什么。

確認產(chǎn)品設定后，再讓它寫一份完整的 PRD（產(chǎn)品需求文檔） 。包括每個頁面的交互設計、前后端 API 接口、數(shù)據(jù)庫表結構、非功能需求。

產(chǎn)品對齊 GIF

這個環(huán)節(jié)的好處是：后續(xù)編碼遇到問題，我可以直接說「你在 PRD 里是這么定義的」，讓它自己對照修正。有了 文檔做錨點，模型就不容易在長鏈路任務中跑偏 。

STEP 3 技術方案

PRD 確認后，下一步是技術方案。

這一步我特別關注的是它對 核心模塊的設計思路 。

風格 DNA 分析模塊：

這里其實也依賴我過往的一個風格分析的 prompt，也就是在參考了凱寓和小七姐之后的一個優(yōu)化擴充版。

GLM-5.1 輸出的方案 結構清晰，考慮也比較周全 。我微調了一些細節(jié)，技術方案就定稿了。

— 比較輕量級的一個方案

STEP 4 逐步編碼

進入正式開發(fā)。這個過程 完全由 GLM-5.1 自行主導 。

項目初始化 搭建前后端骨架，配好開發(fā)環(huán)境，這輪沒什么懸念，GLM-5.1 很順利地完成了。

這里我忘了截當時的規(guī)劃步驟圖，我直接交給它之后我就去吃飯了...

然后上下文太長 自動 compact 了 。。

中間經(jīng)歷了半個多小時，遇到 bug 也會 自行修正優(yōu)化 。

之后，交付出來一整個結果，直接按操作打開~

登錄注冊頁面，圖片上傳和項目管理模塊都做的很好，在這中間，還讓它用了 front-design skills 去進行 前端審美的設計 。

核心功能風格分析 + 海報生成。這是整個項目最難的部分，也是 最能體現(xiàn) GLM-5.1 長程任務能力 的環(huán)節(jié)。

這里簡單說一下核心邏輯。我設計了一套「視覺 DNA」分析框架，從 9 個維度 去拆解一張參考圖的設計風格。

這個環(huán)節(jié) GLM-5.1 跑了很久，中間確實遇到了不少問題。

有一次 API 返回的 JSON 格式不規(guī)范，它自己看了錯誤日志， 加了一層正則預處理來提取 JSON 塊 ，然后繼續(xù)往下走。還有一次生成圖片為空，它自動觸發(fā)了重試，第二次成功了。

bug 修復 GIF

這種自主排查、自主修復的能力，是我整個開發(fā)過程中感受最深的。

以前用開源模型做長任務，到后半程經(jīng)常需要人工介入，手動幫它糾錯。GLM-5.1 在這方面 明顯好了一個臺階 。

UI 打磨 功能跑通之后，我讓它做了一輪 UI 優(yōu)化。包括 Landing Page 的設計（產(chǎn)品介紹、操作步驟說明、效果展示）、 整體配色統(tǒng)一、加載動畫、響應式適配 。

STEP 5 聯(lián)調測試 + 收尾

當然，我在操作打開的時候，不可避免的遇到了一些 bug 問題。

然后就跟它對話，讓它進行修正，優(yōu)化。

等項目完成后，可以讓它直接開啟 自檢查模式 ，直接說「幫我去完成一系列的自動化測試」。

包括還可以直接讓它用我們的 /front-design skills 幫我們去優(yōu)化主界面，最終呈現(xiàn)出來的結果就是這樣的~

首頁展示 GIF

而且在測試的過程中，如果遇到了一些問題，比如接入更多的供應商支持，接入更多的模型。我們都可以直接在對話框里跟它對話。它會以 反問的形式，讓我們提供選項 供我們選擇。

緊接著又設置了一堆 plan 長程任務，然后 開始自己執(zhí)行 。太吊了。

最后它幫我寫了 README、創(chuàng)建了 .env.example、確認了一鍵啟動流程。

項目交付。

1246

AI 自行執(zhí)行輪次

tokens 消耗

4-5h

總開發(fā)時長

最終的效果就是大家開頭看到的視頻那樣， 直接交付一個可用的系統(tǒng) 。

文章開頭的視頻

當然了，在這里邊我沒有考慮到比如說高并發(fā)或者高可用的這種場景，我沒有把這些背景告訴給 AI。在一些高 QPS 場景下，它目前要優(yōu)化的還有很多~

在之后，我也會不斷地去打磨這個項目。

04

THOUGHTS

簡單聊聊這個項目的思考

這次實測下來，GLM-5.1 在長程任務上的表現(xiàn)是 超預期的 。

它的穩(wěn)定性和一致性非常值得一提。在一個需要持續(xù)好幾個小時、跨十幾個步驟的完整項目開發(fā)中，它 始終記得前面定的架構和約束 ，始終圍繞最終交付目標推進，中途遇到問題自己修正，不跑偏、不斷鏈。

— 智譜 GLM-5.1

這種體驗，以前只在閉源的頂級模型上有過。而 GLM-5.1 是開源的 。

開源意味著什么？意味著更多的開發(fā)者、更多的場景、更低的成本、更大的可能性。當開源模型也能穩(wěn)定地完成長程任務的時候， AI 編程的門檻又往下降了一大截 。

不得不說一句，智譜牛逼 ！

而關于電商 AI 應用這個，風格遷移只是一個切入點。 電商詳情頁的 AI 化生產(chǎn)，是一個巨大的市場 。

— 電商 AI 應用

中國有上千萬的電商商家，80% 以上是中小商家和白牌商家。他們每個月需要制作大量的商品詳情頁，但 設計資源嚴重不足 。商品越來越多，上新越來越快，好的設計師永遠是稀缺的。這個矛盾只會越來越大。

AI 風格遷移可以讓那些沒有設計師的商家也能做出有品質的詳情頁。這是一個增量市場，也是一個 真正的剛需 。

好的 AI 技術就應該實際地落在我們的業(yè)務場景應用中。

FINAL THOUGHTS

從寫 Prompt 到造世界

Harness Engineering 。

很多人覺得用 AI 做項目就是「寫一句好的 prompt 讓它寫代碼」。這樣做，90% 的情況出來的東西不能用。

最近看到郭美青老師寫了一篇文章，講從 Prompt Engineering 到 Context Engineering 再到 Harness Engineering 的演進。他說了一個我覺得特別精準的判斷：這三個詞其實在說同一件事，只是在不同的高度望向同一個問題。

PE 是調措辭，你跟模型怎么說話。CE 是調信息流，模型該看到什么、什么時候看到。HE 是調整個環(huán)境，模型能做什么、不能做什么、錯了怎么辦、誰來判斷它做得好不好。

「三者不是替代關系，是套娃。HE 包著 CE，CE 包著 PE?！?/p>

再看看這次的開發(fā)過程，其實就是一次 Harness Engineering 的實踐。

我沒有一上來就給模型寫 prompt 讓它寫代碼。也不只是把需求文檔喂給它就完事。我做的是給 GLM-5.1 搭建了一個完整的工作環(huán)境：

— 搭建的環(huán)境

這些東西加在一起，就是 GLM-5.1 的 Harness。

OpenAI 發(fā)現(xiàn)過一個反直覺的結論：約束越多，Agent 反而干得越好。這里指的是 清晰的架構規(guī)范、可靠的檢查流程、及時的階段確認 。

這跟管人一模一樣。好的管理者不是控制欲最強的那個人，而是 環(huán)境設計得最好的那個人 。

你以為在調 AI，其實在造世界。

Prompt 寫得好不好當然重要，但它只是最內層的那個套娃。

真正決定項目成敗的，是 你給 AI 構建的那個工作環(huán)境 。

對齊預期、定義文檔、設計架構、分步交付，這些不是「開發(fā)前的準備工作」，這些就是開發(fā)本身。

這套方法不只適用于 GLM-5.1，它是一個通用的 AI 協(xié)作開發(fā)框架。非技術背景的人也完全可以用。

關鍵不在于你會不會寫代碼，而是你能不能定義一個好問題，

能不能，為 AI 造一個對的世界。

以上。

我是甲木，熱衷于分享一些 AI 干貨內容，同時也會分享 AI 在各行業(yè)的落地應用。

如果你覺得今天這篇有收獲，歡迎點贊、在看、轉發(fā)三連，我們下期再見