GLM-5 Turbo 抢先实测！！我用它做了一个魔兽争霸！！

点击上方蓝字关注我，加个🌟标不迷路。

前几天我不是说现在大家都在卷 Claw 了吗，虽然说归说，但我还没有真正深度体验过，今天就以 AutoClaw（澳龙）来展开实测，看看究竟咋样。

AutoClaw

先来快速配置一下，给我的 AutoClaw 起了一个非常牛批的名字，CCclaw ，主打就是一个 Claw 王者。

全自动接入配置的前提是，你需要打开飞书开放平台，然后进行几步常规操作，我已经接入飞书配置了 n 个机器人了，对这个步骤已经门清。你按照我的步骤来，很简单，就这几步：

权限管理直接把下面 json 串放进去。

{
"scopes": {
"tenant": [
"aily:file:read",
"aily:file:write",
"application:application.app_message_stats.overview:readonly",
"application:bot.menu:write",
"contact:contact.base:readonly",
"contact:user.employee_id:readonly",
"corehr:file:download",
"event:ip_list",
"im:chat.access_event.bot_p2p_chat:read",
"im:chat.members:bot_access",
"im:message",
"im:message.group_at_msg:readonly",
"im:message.p2p_msg:readonly",
"im:message:readonly",
"im:message:send_as_bot",
"im:resource"
    ],
"user": [
"aily:file:read",
"aily:file:write",
"im:chat.access_event.bot_p2p_chat:read",
"im:message"
    ]
  }
}

然后这就配置完了，点击上面的创建版本进行机器人的发布。

这里需要注意的一个关键点就是，你可以输入 App ID 和 App Secret 后就进行自动配置，自动配置会解决你的长连接问题。

等了大概 1 分钟就直接配置好了。果然是 1 分钟接入。

整个过程确实丝滑的一批，无痛感知。我记得我之前下载 OpenClaw 接入飞书，因为飞书那个恶心的建立长连接问题卡了两天。为此我还发了一条朋友圈。你看，是不是叫 CC 的都比较牛批。

AutoClaw 对新手和不想折腾配置的小白来说非常友好，基本上全程操作下来不会遇到恶心的配置问题。

想象一下自己搭建整个 OpenClaw 的过程，下载源码，安装环境，安装配置，测试。。。。。。

就我前几天一个圈外的朋友问我搭建 OpenClaw ，从安装到最后测试能用整整花了三天时间。

如果所有的 OpenClaw 都支持一键安装的话，也不会催生 499 上门安装和 299 上门卸载的生意了吧。

在 IM 频道区，可以一键接入企业微信智能机器人。

还有很丝滑的地方在于，AutoClaw 的菜单区功能比较全，包括用量统计、积分详情、模型与 API、MCP、内置 skills、IM 频道、工作区等。内置了非常多的 skills，不知道装啥 skills 的同学有福了。还可以看到有哪些 skills 在消耗积分。

在用量统计这块可以看到你实际的用量情况，包括输入 token 和输出 token。

再看看 AutoClaw 用到了哪些 model ，等等等等，我发现了什么？我这是发现了什么？？不仅 GML5 直接内置就能使用了，而且 GLM-5 turbo ？？？认真的吗？

好家伙，这不得好好测评一番啊。

还能添加外部模型？好像国内的厂商都能丝滑接入了，比如 DeepSeek、Kimi、MiniMax、GLM 等等，当然也可以自定义添加外部模型。格局还是很大的。

估计你一定好奇这个 AutoClaw（澳龙）的定价如何，他采用的是免费 + 积分模式，首先新用户上来送 300 ，还有限时送 2000 积分还是非常和谐的，足够深度测评一番了。而且他的入门版也不贵，足够新手小白全面体验一把了。

AutoClaw澳龙默认模型为GLM-5-Turbo，让所有非程序员群体可以体验GLM-5-Turbo龙虾能力，享受一定免费额度。即日起至3月22日为澳龙限时福利，加油包最高享3.4折优惠（加油包自购买起7日内有效）。

而且这个入门包直接把上门安装的天价安装费直接终结了，1 分钟直接上手体验澳龙，体验感和性价比直接拉满了。

GLM-5 turbo 实测

就在刚刚，智谱发布了新的模型 GML-5 turbo，我也是第一时间进行了实测！！！也是运气比较好，拿到了 GLM-5 turbo 的实测权限，现在来实测一把，看看这个新模型的能力！！

我们采样以对比的方式，能够直白清晰的反应出来同一个任务在不同的模型执行下的生成效果，对比模型采用的是某厂商 Coding Plan 中的模型。这次对比主要想展现 GLM-5 turbo 的分析设计以及架构能力与其他模型的不同。

我们的任务目标是围绕着最近很火的 OpenClaw 来展开，系统环境：GLM-5 turbo 任务跑在我的 mac 本地，匿名模型跑在 ecs 服务器上，Linux 系统环境。已经给 mac 本地和 Linux 上都配置了代理。环境不是主要因素，最重要的是看不同模型的决策过程。

OpenClaw 数据看板

“请通过 claude code 帮我创建一个 OpenClaw 实时监控看板。需求如下：

使用 GitHub API 搜索 ‘openclaw’ 相关仓库

设计 SQLite 数据库存储仓库信息及历史快照

开发一个 Flask Web 应用，提供数据可视化看板

最终启动服务，并在浏览器中打开看板

请开始，所有文件放在 ~/openclaw_dashboard 目录下。”

• GLM-5 turbo：运行在 macOS，网络正常，依赖可安装，但有端口冲突（5000 被 AirPlay 占用）。

• Claude Code：运行在 Ubuntu 中，网络代理问题导致 pip 无法连接，apt 源失效，系统 Python 环境受保护（externally-managed）。

环境差异天然存在，但正是这种差异，暴露出两种智能体在面对障碍时的核心能力差异。

需求理解对比

• GLM-5 turbo 明显对 “OpenClaw 生态” 做了更深入的研究，用多关键词覆盖了中文社区、插件、教程等细分领域，体现了对任务背景的理解。

• Claude Code 采用了最直接的单关键词搜索，虽然满足基本需求，但丢失了大量长尾项目（实际 OpenClaw 相关项目远超 100）。

• 数据库设计上，GLM-5 turbo 的元信息表为后续增量抓取和避免重复工作打下基础，更具工程前瞻性。

任务拆分与规划

• 两者都正确地将任务分解为数据库、抓取器、Web 应用三个核心模块。

• GLM-5 turbo 更注重工程规范（分离 CSS、独立 fetcher 模块），且并行创建文件体现了对依赖关系的清晰认知（前端不依赖后端运行）。

• 匿名模型的代码结构同样清晰，但内联 CSS 稍显粗糙，且缺少 fetcher 模块的独立封装（fetch_data.py 直接操作数据库）。

代码质量与完整性

• GLM-5 turbo的代码明显更健壮，考虑了 API 限流、数据清洗、用户体验等多个层面。

• 匿名模型的代码质量不错（尤其是 database.py 的 213 行），但缺少一些关键实现（如分页完整处理、去重），且前端功能较基础。

环境适应与问题解决（核心差异）

这是两者最本质的差异，也是决定任务成败的关键。

• GLM-5 turbo 展现了真正的 智能体韧性：遇到障碍时，它分析错误（端口被占），采取行动（修改代码），并验证结果（curl）。这是一种闭环执行能力。

• Claude Code 在遇到依赖问题时，虽然尝试了 pip 和 apt 两种方式，但失败后没有继续探索其他可能（如创建 venv、使用国内源、从源码安装），而是将问题抛给用户。这体现了 协作者型智能体 的边界：它生成代码，但运行环境的责任仍归用户。

• 在真实生产环境中，这种差异决定了 AI 是 能真正干活的员工 还是 需要人伺候的实习生。

匿名模型并未真实启动，还需要我自己启动。

两种智能体哲学的本质差异

为什么会有这种差异？

这可能与模型训练目标和产品定位有关：

• GLM-5 turbo 被设计为 智能体，强调在复杂环境中自主完成任务。

• 匿名模型（从名称推测）更侧重 代码生成，将运行环境的责任留给用户或外部工具。

最后看两者生成 repo 看板的实际效果，可以看到 GLM-5 turbo 生成的效果感官性比较强，而匿名模型还是采用的古老的蓝紫色配色。

房价查询 CLI

房产信息查询是日常生活中高频场景，但传统 CLI 工具往往需要用户记忆固定命令格式，不够灵活。我们希望借助智谱 GLM-5 turbo 模型的强大生成能力，打造一个支持自然语言交互的智能 CLI 工具，用户只需用日常用语提问，如“北京朝阳区两居室租金多少”，“帮我找找静安区总价500万以内的二手房”，工具就能自动解析意图、提取参数、查询数据并生成友好回复。

本项目采用渐进式的提示词，旨在测试不同需求下 GLM-5 turbo 的模型能力。

通过这个项目，我们将重点考察 GLM-5 turbo 在以下方面的表现：

• 代码生成：能否根据需求描述生成完整可运行的 CLI 程序代码？

• 自然语言理解（NLU）：能否准确提取查询中的关键信息（城市、区域、房型、价格范围、交易类型）？

• 多轮对话：能否记住上下文，进行连续追问和澄清？

• 文本生成：能否将查询结果组织成自然、清晰的回答？

生成示例：查询深圳房价、查询石家庄 2025 年房价、查询北京不同区域房价情况。

这里需要注意，由于房产 API 大多没有免费额度，这里使用模拟数据进行测试。

本次评估基于用户向 GLM-5 turbo 模型一次性提交的 15 个测试 Prompt，全面考察模型在代码生成、自然语言理解、文本生成、多轮对话、复杂场景处理五大维度的生成能力。

详细纬度评估

代码生成

• 生成内容：nlu.py（NLU解析）、query_respond.py（数据查询+回复生成）

• 亮点：模块化设计、API调用封装、异常处理、降级机制

• 可改进：类型提示使用了Python 3.10+语法，对3.9及以下版本不兼容

自然语言理解

• 测试用例：基础查询、含价格范围、模糊表述、多条件

• 表现：100%准确提取城市、区域、卧室数、价格范围、房产类型、意图

• 亮点：严格按“只输出JSON”要求执行，歧义处理得当

文本生成

• 测试场景：有结果、无结果、多轮上下文

• 表现：回复包含完整数据，语气亲切，提供后续引导建议

• 亮点：多轮回复中正确引用历史信息，上下文连贯

多轮对话

• 测试场景：上下文继承、城市切换、预算更新

• 表现：准确记忆前文参数，在切换和更新中合理沿用

• 亮点：对“预算放宽”等隐含操作有良好理解

复杂场景

• 测试用例：隐含意图（哪个区最便宜）、中英混合、含噪音输入

• 表现：正确提取核心信息，将无法映射条件存入extra字段

• 可改进：对“哪个区最便宜”可主动扩展intent类型

核心结论

智谱 GLM-5 turbo 模型在此次综合性生成测试中表现卓越：

• ✅ 代码生成：高质量、可运行，降低开发成本

• ✅ NLU能力：实体识别准确，歧义处理优秀

• ✅ 文本生成：回复自然，信息丰富，引导性强

• ✅ 多轮对话：上下文记忆准确，切换自然

• ✅ 复杂场景：对隐含意图、噪音干扰鲁棒性强

智谱 GLM-5 turbo 模型在此次综合性生成测试中表现卓越，充分展示了其在代码生成、自然语言理解、文本生成和多轮对话等核心能力上的强大实力。生成结果整体准确、实用、自然，完全满足作为智能应用核心引擎的要求。

War3 魔兽争霸

本人作为 War 3 多年的游戏迷，自从 War 3开打职业赛以来就一直是魔兽的死忠粉。记得 sky 人类开局堆塔一波流，记得 moon 的暗夜精灵，记得正是那个 TH000 三蛋终结了 sky 的连贯，智慧人类的化身。记得 Lyn 把剑圣抬到了神的位置，记得 Fly100% 的中国飞龙，记得 Ted 的中国鬼王，但是没办法，亡灵还是太弱了。。。。。。哎。

爷青回了。

这次我要用GLM-5 turbo 做一个 War 3！！！

这是一款纯前端实现的即时战略游戏，由于时间有限，界面和功能还比较简陋，英雄和建筑、己方单位元素都比较少，我后续会打算继续完善这个游戏！这次纯作为实测 GLM-5 turbo 的大模型能力。

游戏简介

《王冠战争》是一款受《魔兽争霸 III》启发的即时战略游戏，完全在单个 HTML 文件中实现——无需服务器、无需安装，打开即玩。支持 2D 和 3D 等轴两种视角，四大种族各具特色，四个英雄技能各异，从资源采集到大军压境，完整的 RTS 对抗体验浓缩在一个网页之中。

四大种族

人族联盟

稳健均衡的全面种族。远程火枪手提供火力压制，重装骑士是战场的中坚力量。

• 英雄 · 大法师：暴风雪覆盖区域持续伤害，辉煌光环加速盟友法力回复，群体传送可瞬移全军至地图任意位置

• 兵种：步兵 → 火枪手 → 骑士

兽族部落

崇尚力量的进攻型种族。高攻击、高血量的近战部队，是正面战场的统治者。

• 英雄 · 剑圣：疾风步隐身突袭，致命一击概率造成 1.5 倍伤害，剑刃风暴旋转清场

• 兵种：兽人步兵 → 猎头者 → 牛头人

暗夜精灵

机动灵活的自然种族。丛林守护者的缠绕根须能同时定身三名敌方单位，树人军团持续作战。

• 英雄 · 丛林守护者：缠绕根须随机束缚多名敌人，荆棘光环反弹近战伤害，宁静引导治疗全场友军

• 兵种：女猎手 → 弓箭手 → 利爪德鲁伊

亡灵天灾

死亡军团的力量不断壮大。死亡骑士可以从战场上复活阵亡的士兵，将敌方伤亡转化为自己的战斗力。

• 英雄 · 死亡骑士：死亡缠绕造成攻击力 2 倍伤害，死亡契约献祭友军恢复生命，操纵死尸复活最多 3 具己方尸体加入战斗

• 兵种：食尸鬼 → 石像鬼 → 憎恶

核心玩法

资源与经济

• 金矿：派遣农民开采金矿，支持多名农民并发采集同一矿点，采满后自动运回主城上交

• 木材：农民可直接砍伐地图上的树木获取木材

• 人口：建造农场（磨坊/通灵塔/月亮井）增加人口上限

建筑体系

操作方式

• 左键选择：点击己方单位选中，框选多个单位；点击敌方单位/建筑查看信息并显示红色攻击标记

• 右键指令：右键敌方 → 攻击；右键资源 → 采集；右键空地 → 移动（显示坐标）

• 快捷键 Q/W/E/R：施放英雄技能

• 空格键：暂停/继续

英雄技能一览

每个英雄拥有四个独特技能，涵盖伤害、控制、召唤、治疗、位移等多种类型：

游戏特色

40×40 精细地图

比传统 20×20 的 RTS 地图大一倍，提供更广阔的战场空间。地图上分布着金矿、树林和岩石障碍物，中间留有开阔的决战区域。

八方向移动

支持上下左右及四个对角线方向的移动和寻路，单位走位更加灵活自然。

双视角切换

• 2D 视角：俯视全景，全局掌控战场态。

• 3D 等轴视角：经典的等轴投影效果，滚轮缩放，上下滑动

完整的战场反馈

• 选中敌方时显示红色光圈

• 移动指令显示绿色坐标标记

• 暴风雪区域蓝色圆圈指示

• 技能释放浮动伤害数字

• 左上角英雄头像快捷选中，实时显示 HP/MP

尸体与战斗

• 单位死亡后留下 2 分钟的尸体，可供亡灵英雄复活

• 英雄移速为普通单位的 2 倍，战场机动性极强

• 英雄每秒恢复 3 点生命，普通单位每秒恢复 1 点

• 英雄法力每秒恢复 5 点，技能可持续施放

对战 AI

提供简单/中等/困难三个难度等级，AI 会自动建造建筑、训练部队，并定期发起进攻。

技术实现

• 零依赖：单个 HTML 文件，无需任何外部资源或框架

• 纯 Canvas 渲染：所有画面通过 HTML5 Canvas 实时绘制

• BFS 寻路：广度优先搜索算法实现八方向路径规划

• 游戏循环：完整的 update-render 架构，稳定 60fps 运行

王冠战争 — 一个 HTML 文件，一场战争。

给大家看一下制作的效果。

总结

GLM-5 turbo 这次测评让我最大的感悟是它完全满足核心 Agent 引擎的要求，它是真的能帮你干活。

而且在我测评中，我没有遇到过像是其他模型一样让你给他提供各种信息，他能做的自己就回去把活做了，而且从来没说过不行，有问题自己解决，报错自己解决，解决不出来想办法换策略或者换方案，直到最后解决为止。

GLM-5 turbo 靠谱！！