全球首款龙虾模型上线！Agent这波直接起飞了～（夹带干货）

先看看用GLM-5-Turbo开发的：一人公司-龙虾团队管理系统

可以跟你的龙虾配对，一键把龙虾中的所有Agent纳入系统进行可视化管理，非常直观，他们甚至还能去喝水，换工位，哈哈就像一个办公室一样。

另外，我还找到了让龙虾帮我全自动操纵claude code完成长任务（一整晚那种）的终极方案，再也不用守着电脑当claude code的监工了！

大家好，我是袋鼠帝。

我最近每天都会盯一眼 OpenClaw 的微信指数。

然而这两天我发现openclaw（龙虾）的热度开始断崖式下降了。

这是为什么呢？

我跟几位圈内大佬交流了一下，大家的看法出奇的一致：狂欢过后，是一地鸡毛。。

很多人一开始都是看热闹，各路媒体铺天盖地地报道，大家听说出了个能代替人干活的赛博员工，还能装进手机里，觉得非常NB，然后纷纷产生了羊群效应，跟风去部署或者买现成的龙虾。

但是，随着新鲜感褪去，大家开始发现不对劲了：

卧槽，我花了大价钱、费了老劲搞的这个龙虾，怎么用起来感觉也就是个普通的聊天AI？在某些日常对话上，甚至还没免费的豆包好用！

有些执行力更强的朋友，给龙虾装了各种各样的 Skills（技能插件），试图让它去执行一些自动化任务。

结果发现，龙虾干活慢吞吞的，而且有时候干到一半就莫名其妙的罢工或者报错，让人血压飙升。

真相是：跟 AI 聊天和让 AI 干活，完全是两码事。

你让通用大模型跟你唠嗑、写写文章，它非常擅长。但是，你让它去执行一个长链条的复杂任务，中间只要涉及多次工具调用、跨应用协同，很多模型不稳定，脑子容易乱。

问题出在哪？在于很多大模型并没有专门针对龙虾任务进行过训练。

以及你的使用方式可能没用对，好的工程化+强大的模型=好用的Agent，龙虾也不例外。

就在今天，智谱扔出了一颗重磅炸弹：正式发布了全球首个专门为龙虾优化的模型--GLM-5-Turbo。

这款模型是在他们原本就已经很能打的旗舰级代码模型 GLM-5 的基础上，再次回炉，专门针对龙虾流进行了深度训练，非常适合作为Agent的基座模型。

先给大家划一下重点（省流版）：

工具调用极稳：不再出现调错接口、传错参数的低级失误。

复杂任务规划、拆解：你给它一个宏大的目标，它能像个项目经理、架构师一样，有条不紊的拆解需求，设计架构，最终完成目标。甚至还能轻易开启多Agent去并行执行。

长任务不中断：它能处理那些需要挂机跑几个小时的长线任务，中途不掉线、不失忆。

速度大幅提升：在处理逻辑链条长、吞吐量大的任务时，响应速度也肉眼可见的变快了。

而且在正式发布之前，它是以 Pony-Alpha-2 的匿名代号在智谱的 AutoClaw（澳龙）上进行了内测。

说实话，我原本是不太敢在自己这台存了很多重要资料的主力办公电脑上安装开源的 OpenClaw 的，怕它权限太大乱动东西。

但智谱官方出的这个 AutoClaw 在安全合规上让人更放心，我就直接装了。

https://autoglm.zhipuai.cn/autoclaw/

装完之后，它有一个一键接入飞书的操作，直接给我看呆了。

我只点了一下授权登录飞书，剩下的创建机器人、配置权限、配置长连接、发布版本那些繁琐的步骤，在我面前全自动帮我做了。

开箱即用，这个体验，真的有点爽。

由于我是coding plan的Max会员，又是博主，所以我提前拿到了这个 Pony-Alpha-2（也就是现在的 GLM-5-Turbo）的内测资格，这几天深度体验下来，感觉非常惊艳！它确实对得起龙虾专用模型这个称号。

一、 耗时两天，打造了OpenClaw可视化管理系统

用过原生 OpenClaw 的朋友都知道，它的web界面比较简陋，如果有多个Agent在后台干活，根本不直观。

所以我决定直接用OpenClaw结合GLM-5-Turbo，撸一套 OpenClaw 多 Agent 可视化管理系统。

把它当做我一人公司的赛博办公室，每个Agent都是我的员工，有自己的工位。

大致功能如下：

新增员工，可以看到它是从大门进来找工位工作的，他们还会时不时的去喝水

这套系统就是靠 龙虾 + GLM-5-Turbo 写出来的。

花了两天迭代，它帮我完成了包括 Vue 3 前端（带有 Canvas 虚拟办公室、深色 UI 和动画系统）、Node.js 后端（包含 Express API 和 WebSocket 实时通信服务），还写了一个准备发布的 npm 包。

生成了几十个文件，几千行代码，代码质量也非常稳定。

中间遇到跑不起来的情况，基本都是我本地的 Node 环境或者端口冲突问题，代码本身的逻辑漏洞很少。

最让我佩服的是它在长程对话中的上下文记忆能力。

在开发过程中，我遇到了一个头疼的 Bug：我派发出去的子 Agent 执行完任务后，返回的结果总是空的。

这个问题有点复杂，需要模型同时理解 OpenClaw 的网关认证机制、后端降级架构，以及各种 Session Key 的读取逻辑。

它没有像无头苍蝇一样瞎改，通过层层排查，最终精准地找到了病根：

原来是我代码里读取 Session Key 的函数，优先返回了子 Agent 的 Key，而不是主任务的 Key，导致权限不足被网关拦截了。

不过这个项目目前还有一些点小瑕疵，准备近期完善之后开源出来～

感兴趣的朋友可以多多三连

二、AI监工：龙虾全自动操纵Claude Code写代码

做过 AI coding 的朋友肯定都有过这样的痛点：

你想让 AI 帮你写个复杂的项目，虽然它能写，但你得时不时盯着它。

它可能会写了一段就停下来了，你得让它继续；或者遇到报错卡住了，你得赶紧帮它看看。

这就有点烦，自己成了一个寸步不离的监工...

而且，跟 AI 聊久了，上下文窗口一旦爆满，它就会开始胡言乱语，忘了前面写过什么。

然后，我最近看了 Anthropic 官方发布的一篇关于解决长时 AI 任务的博客。

https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents

核心思想是：建立一套标准的交接班机制。一个负责初始化的 Agent 把大任务拆成一个个小任务清单，然后负责写代码的 Agent 每次只领一个小任务去开发，写完、测试通过、提交 Git，然后再领下一个。这样每次的上下文都很干净。

我把这套机制的规则发给了接入GLM-5-Turbo的Claude Code。

它理解得很好，并生成了一套规则文件，如下：

工作流程是这样的（如图）：

然后我跟claude code进行了多轮对话，把我要开发的一个 API 中转站项目（基于new-api做二次开发）需求对齐了，然后让它写了详细的需求文档和开发计划。

并根据上面的全自动规则文件，帮我把任务，拆解成了详细的feature_list.json任务清单。

但是，问题又来了。每次执行完一个小任务，还是得我手动去敲回车，让它继续去领下一个任务。

这不还是得当监工吗？

这时候，龙虾就派上用场了，让龙虾来当这个监工！去监督 Claude Code 干活～

我先让龙虾去学习了那套全自动管理的规则

然后我给龙虾里的 GLM-5-Turbo 下达了指令，设置了定时任务：

每隔 5 分钟去检查一下任务清单里的任务状态，如果发现上一个任务完成了，就自动通过命令行去唤醒 Claude Code 执行下一个任务。

确认计划没问题之后，它就开始了。

这下，彻底解放双手了～

第一次测试是在凌晨 1 点 55 分，我把这俩 AI 挂在Mac Mini上，自己睡觉去了。

第二天早上醒来一看日志，凌晨 3点5分 的时候，第一版的 API中转站二开任务已经全部执行完毕，并且测试通过。

后来，我又用同样的方法，如法炮制，全自动重构了第二版

这个方案是每开发、验证完一个小任务，就会提交一次commit到Github，所以有完整的git记录，整个过程的完成情况都可追溯，有迹可循。

由于new-api已经是一个成熟的开源项目了，所以我对它的都是一些细小的改动，但即便经过这么多次的修改，功能也没有任何影响，还是非常稳的。

GLM-5-Turbo 操控着龙虾，龙虾监督着 接入GLM-5-Turbo的Claude Code。真就是左脚踩右脚，直接螺旋升天...

那种彻底把重复性劳动甩给AI的爽快感，无法用语言形容。

目前我已经让GLM-5-Turbo把这套全自动管理任务的方案开发成了Skills，叫task-harness

并让它帮我上传到了github、和clawhub，有需要的朋友可以自取。

如果觉得有帮助的话，记得点个星标哦，非常感谢～

https://clawhub.ai/kangarooking/task-harness

https://github.com/kangarooking/kangarooking-skills

「最后」

体验下来，智谱这次发布的 GLM-5-Turbo干活能力非常强，而且很稳定，确实是专为龙虾优化的模型。

毕竟，我们养龙虾就是为了让它帮忙干活的。

另外，智谱还推出了基于GLM-5-Turbo的龙虾Claw套餐，包含个人版和Team版。

面向严肃的企业和个人办公场景，这个套餐有严格的数据保护机制，配合国内合规环境和企业级API，敏感数据全程可控，适合企业内部AI系统无缝接入使用。

我作为coding plan深度体验者，我想说，Agent时代，还得是套餐划算啊。

这是我最近一个月在智谱花费的token，是2.15亿（而且并不是天天用）。

Max套餐是按次来的，我用了2个月，就只触发过一次限制。我买的是一个季度，算下来一个月160左右。

如果按照API的正常价格来算，2亿多的token，感觉得上千了。

在大模型刚刚兴起的时候，大家都在打价格战，那时候觉得几块钱/100万token的价格，简直就是白菜价。但那时候的模型是玩具，你用它写写诗、聊聊天，免费的也凑合。

现在我们进入了 Agent 时代，各家又开始卷模型套餐价格了，虽然还没到白菜价，但也就是你平时出去吃一顿的价格。并且你买的不再是那些虚无缥缈的 Token 数量，你是在雇佣一个 24 小时不知疲倦、不闹情绪、还能不断自我学习、进化的数字员工。

一个能帮你通宵写完一个商业级应用，或者每天雷打不动帮你盯盘、做竞品分析的员工，你愿意给他开多少工资？

我相信，在接下来的几个月里，能用好龙虾等Agent工具的人，将会和还在用手敲键盘的人，拉开难以逾越的效率鸿沟。

以及不管有没有养上龙虾，都可以去智谱领养一只澳龙体验一下，一键安装，开箱即用，而且非常强大。以下是来自朋友的肯定～

我是袋鼠帝，一个致力于帮你把AI变成生产力的博主。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~