Nakon dva dana rada, razvio sam Agent za biografije pomocu GLM-5.1 (super kul), vec je open source!
Iako je u pitanju samo manja verzija, nakon dva dana intenzivnog korišćenja, utisak koji mi je ostavio GLM-5.1 Daleko prevazilazi broj 0.1.
Impresioniran je u ključnim sposobnostima kao što su dug vremenski raspon, zavisnost dugog lanca, koordinacija više alata i snažna doslednost cilju — kao da je uzeo čarobni napitak, evolucija u pogledu Coding-a prevazilazi moja očekivanja.
U nastavku je kompletan snimak ekrana testa AI Agent-a za generisanje biografija — PaiResume — koji sam od 0 do 1 dovršio pomoću GLM-5.1.
[Snimak ekrana]
Pređimo direktno na praksu.
Vežite sigurnosne pojaseve, krećemo.
01. Konfiguracija GLM-5.1 u CC-u
Prvo se uverite da ste u Claude Code-u ispravno prebacili na model GLM-5.1.
Izmenite konfiguracionu datoteku Claude Code-a tako da naziv modela bude glm-5.1.
Zatim ponovo pokrenite Claude Code.
02. Omogućavanje MCP-a za upravljanje pretraživačem
Idemo odmah na test, prvo pozivamo Chrome Devtools da otvorimo pretraživač i pročitamo dokument sa zahtevima koji sam objavio na Yuqueu.
Ova baza znanja ima prilično puno sadržaja.
Prompt: Želim da refaktorišem ovaj projekat, omogućićemo plan režim, prvo imam jedan Yuque dokument, otvori ga preko Chrome-a i pročitaj ga: https://www.yuque.com/itwanger/maipem/cc15r3paz9onkz3c?singleDoc# „Predlog tehničkog rešenja za funkciju plaćanja u biografiji Pai“ lozinka
Claude Code će koristiti Chrome Devtools MCP da otvori pretraživač; ja sam ovu MCP alatku već učitao u konfiguraciju da ne moram svaki put da odobravam pristup.
Ako je potrebno uneti lozinku, možete mu reći direktno u CC-u, ili je uneti direktno u pretraživaču. Nakon toga, model počinje automatski da čita sadržaj dokumenta.
Pošto je ukupan prikaz GLM-5.1 veoma izvanredan, tokom celog procesa nije potrebno naše ljudsko učešće.
Chrome Devtools MCP automatski lista stranice i čita kompletan sadržaj.
Tokom ovog procesa, model analizira strukturu dokumenta stranicu po stranicu i izdvaja ključne informacije: pozadina zahteva, funkcionalni moduli, dizajn interfejsa, struktura tabela — sve je organizovano po kategorijama.
Dizajn tabela takođe može da se dobije.
Ovo je veoma važno, jer mnogi modeli pri obradi dugih dokumenata lako previde strukturirane informacije kao što su tabele i blokovi koda.
GLM-5.1 uspeva kompletno da izvuče dizajn tabela iz baze znanja — tipovi polja, uslovi ograničenja, dizajn indeksa, ništa nije propušteno.
03. Više pod-Agenta čita dokument sa zahtevima
Ako mislite da jedan Agent radi previše sporo, možete koristiti Skill web-access da pokrenete više Agenta za čitanje dokumenata sa zahtevima.
web-access je namenjen paralelnoj obradi zadataka preuzimanja sa weba, ranije sam već delio iskustvo korišćenja.
Dokument sa pregledom funkcija, AI optimizacija biografija, izmene biografija, funkcija obaveštenja itd. — CC će prema rasporedu u Skill-u direktno pokrenuti više pod-Agenta za rad.
Svaki Agent radi u nezavisnom tabu, sa svojim kontekstom i stanjem. Ova sposobnost paralelne obrade znatno skraćuje vreme prikupljanja informacija.
Više tabova radi istovremeno, bez međusobnog ometanja — ono što se ovde testira je sposobnost modela za istovremeni rad.
Što se tiče prikaza GLM-5.1, zaista je besprekorno.
OK, funkcije su raščišćene, sada čekamo da se vrate rezultati od pod-Agenta za ostale dokumente.
Tips: U Claude Code-u možete strelicama gore-dole pregledati rad ostalih Agent-a.
Ovaj interaktivni dizajn je pažljivo osmišljen, ne morate da menjate interfejs da biste pratili globalni napredak.
Ako želite da vidite šta tačno neki Agent radi, pritisnite Enter i ući ćete u njegov detaljan interfejs razgovora. Ovde možete videti šta je pročitao, koje je ključne informacije izvukao i da li je naišao na problem.
Da li se osećate odlično?
Više Agenta paralelno + objedinjeno raspoređivanje.
Kada se zadatak završi, automatski će zatvoriti i tab. Ovaj detalj mnogo znači, ne ostavlja hrpu beskorisnih tabova pretraživača koji troše resurse.
Iznenađujuće, svih 9 dokumenata su pročitana, i on nam saopštava rezultat.
- Globalni mentalna mapa: prijava → početna stranica → generisanje biografije (predložak + modularna obrada + AI optimizacija + prelom) → moje biografije (pregled/novo/izvoz) → optimizacija biografije (plaćeno, obrada u administratorskom backendu) → obaveštenje
- Četiri glavna modula: predlošci biografija (podrazumevani + centar predložaka), moje biografije (modularna obrada + AI optimizacija + izvoz u PDF), optimizacija biografija, osnovne funkcije
- Registracija e-poštom + verifikacioni kod, JWT (access_token + refresh_token), Redis keš, inicijalizacija administratora
- Kafka red poruka, sinhrona persistencija + asinhrona distribucija, visok/nizak prioritet Topic, DLQ red mrtvih pisama, obaveštenja na sajtu i putem e-pošte
- Univerzalni modul za plaćanje, Alipay H5/PC, 4 interfejsa (kreiraj/upit/callback/log), tabele pay_order + pay_log
- Modularno JSON skladište, glavna tabela resume + tabela modula resume_module, 8 interfejsa (CRUD + AI optimizacija), frontend renderuje PDF
- Deepseek model, STAR metod Prompt, korisnik pokreće → backend obrada → uporedni prikaz → korisnička odluka, validacija unosa + kontrola isteka
- Korisnik pokrene zadatak izmene → stručnjak obradi u backendu → automatski sačuva radnu verziju → obaveštenje o završetku, 10 interfejsa, 4 tabele
Zaista sveobuhvatno. Zaprepasti mog.
04. GLM-5.1 raščlanjuje zahteve
Izaberimo tehnički stack za frontend i backend.
U ovom trenutku GLM-5.1 ulazi u plan režim i prvo ispisuje kompletan dokument dizajna, uključujući tehnički izbor, strukturu direktorijuma, upravljanje zavisnostima, dizajn baze podataka, definicije interfejsa i sve ostalo.
Ovaj dokument dizajna nije obična lista, već logičan i strukturiran kompletan predlog.
Možete pritisnuti ctrl+o da pogledate detaljan proces dizajna.
Preporučujem svima da detaljnije pogledaju, može se naučiti mnogo o inženjerskom načinu razmišljanja. Na primer, kako raščlanjuje složene zahteve, kako procenjuje tehnički izbor i kako razmišlja o graničnim slučajevima.
GLM-5.1 koristi klasičnu slojevitu arhitekturu: controller sloj obrađuje zahteve, service sloj obrađuje poslovnu logiku, mapper sloj obrađuje pristup podacima, entity sloj definiše model podataka.
Spring Boot 3.x kao osnovni okvir, MyBatis Plus kao ORM alat, JWT za autentifikaciju, Redis za keširanje, Kafka kao red poruka.
GLM-5.1 je pažljivo razmišljao i o razdvajanju okruženja — konfiguracije za razvojno, testno i proizvodno okruženje su međusobno izolovane. Ovakav tretman detalja pokazuje da zaista ima inženjerskog iskustva.
GLM-5.1 je dizajnirao kompletnu strukturu tabela: korisnička tabela, tabela biografija, tabela modula biografija, tabela narudžbina plaćanja, tabela logova plaćanja, tabela obaveštenja itd.
Tipovi polja, uslovi ograničenja i dizajn indeksa svake tabele su vrlo razumni.
RESTful-stil API dizajna, objedinjeni format odgovora, jasna dokumentacija interfejsa. Obuhvata interfejse za autentifikaciju korisnika, CRUD interfejse za biografije, interfejse za plaćanje, interfejse za obaveštenja itd.
Svaki interfejs ima detaljan opis parametara i definiciju povratne vrednosti — frontend kolege mogu ih odmah koristiti.
Što se tiče bezbednosti, razmatra JWT autentifikaciju, kontrolu pristupa interfejsima i šifrovanje osetljivih podataka.
GLM-5.1 je čak nacrtao i dijagram toka posla, od prijave korisnika do generisanja biografije, od plaćanja do obaveštenja — ceo biznis je jasan na prvi pogled.
Ukupno 12 koraka, razmatrano veoma sveobuhvatno.
Od postavljanja okruženja do implementacije koda, od baze podataka do frontend stranice, od jediničnih testova do primene — svaka faza ima jasne zadatke i kriterijume prijema. Ova fina podela zadataka ključna je za uspešno završavanje dugih zadataka.
05. GLM-5.1 počinje da programira
Dobro, hajde da GLM-5.1 krene sa kodiranjem.
Do sada je već prošlo 21 minut, bez ijedne greške, što pokazuje da je sposobnost GLM-5.1 za duge zadatke zaista jaka — može trajno i stabilno da izvršava ovakav složen zadatak.
Za AI modele, dugotrajno održavanje konteksta bez gubitka i bez mešanja logike je veoma izazovno. Mnogi modeli nakon 10 minuta počinju da pokazuju pad kvaliteta, ali GLM-5.1 i dalje ostaje stabilan.
Prvi korak je izgradnja skeleta backend projekta. Kreira se Maven struktura projekta, konfiguriše pom.xml i uspostavlja slojeviti direktorijum.
Drugi korak su tabele baze + klase entiteta + Mapper. Na osnovu prethodno dizajnirane strukture tabela, kreiraju se odgovarajuće klase entiteta i MyBatis Mapper interfejsi.
Treći korak je JWT + interfejs za autentifikaciju. Implementira se prijava korisnika, registracija, osvežavanje Tokena itd. Generisanje JWT ključa, postavljanje vremena isteka i mehanizam osvežavanja su sve obuhvaćeni.
Četvrti korak je implementacija CRUD interfejsa. Obuhvata dodavanje, brisanje, izmenu i čitanje biografija, modula itd. Svaki interfejs ima kompletnu validaciju parametara, obradu poslovne logike i obradu izuzetaka. Stil koda je objedinjen, komentari jasni, u skladu sa Java razvojnim standardima.
Ovim je jedna faza završena — backend je kreirao više od 30 Java datoteka. Preostali su backend AI interfejsi + kompletna refaktorisanost frontenda.
Nakon završetka backend kodiranja, CC pita da li želimo da potvrdimo backend kod pre nego što nastavi — naravno da ne želimo, samo nastavi, GLM-5.1, ne stani.
Ova sposobnost neprekidnog izvršavanja upravo je ključna vrednost dugih zadataka.
Sledi korak 6: refaktorisanje frontenda — instalacija zavisnosti, rutiranje, stranica za autentifikaciju, API klijent.
Zatim, frontend stranice i komponente. Obuhvata stranicu za prijavu, registraciju, početnu stranicu, stranicu za obradu biografije, stranicu sa listom biografija, stranicu za plaćanje itd. Svaka stranica ima kompletnu UI strukturu i logiku interakcije.
Sve je završeno. I kvalitet koda je prilično dobar — jasna struktura, standardizovano imenovanje, osnovna obrada grešaka.
Sada kada je pisanje koda završeno, pitajmo šta je sledeće.
06. GLM-5.1 pokreće frontend i backend
Prompt: MySQL i Redis sam već pokrenuo, ti to reši. Ali želim da se pri pokretanju main metode automatski izvrši kreiranje tabela, tako da ne moram sam da ih izvršavam, zar ne? Da li backend konfiguracija može da se stavi u .env datoteku? Ako je stavim u application.yml, moram paziti da je ne pošaljem greškom u commit.
Ako postoje greške, i sam će ih ispraviti.
Kompajliranje i frontenda i backenda je prošlo.
Dobro, prvo da kreiramo bazu podataka pai_resume.
Pokretanje backenda.
Tokom pokretanja, svaka greška će biti automatski ispravljena. Na primer, veza sa bazom podataka ovde treba da bude UTF-8, a ne utf8mb4.
Neki će reći da AI uopšte ne bi trebalo da napravi ovu grešku.
Ali ja samo želim da kažem da je ovaj zahtev preoštar — ne samo da GLM-5.1 greši, već i GPT-5.4 greši. Ranije sam tražio od GPT-5.4 da reši problem veze sa bazom podataka u projektu PaiFlow, i on je moje UTF-8 direktno pretvorio u utf8mb4.
Mi ljudi napredujemo, i AI napreduje.
Po mom mišljenju, trenutni prikaz GLM-5.1 već pokazuje trend prestizanja zatvorenih modela.
Nije problem što je pogrešio, najvažnije je da može aktivno da ispravi sopstvene greške.
OK, backend je uspešno pokrenut.
Otvorićemo novi terminal i pokrenuti frontend za probu.
Tako ako frontend ima greške, GLM-5.1 može da nam ih direktno ispravi.
OK, i frontend je pokrenut.
07. GLM-5.1 kreće sa testiranjem
Želim da direktno upravljaš mojim pretraživačem radi testiranja.
Odmah je počeo. Klikće na svaku granicu testa, a zatim unosi vrednosti radi provere.
Sve je rešio sam, veoma glatko.
Izveštava nas o rezultatima testa.
GitHub adresa: https://github.com/itwanger/PaiResume
[Snimak ekrana]
08. Kraj
Od prvobitnog čitanja 9 dokumenata do konačnog pokretanja frontenda i backenda, model se nikada nije udaljio od osnovnog cilja izgradnje Agent-a za biografije Pai.
Usput je obuhvatao razne detalje kao što su dizajn baze podataka, razvoj interfejsa, frontend stranice i prilagođavanje konfiguracije.
Ako je konfiguracija veze sa bazom pogrešna, on to sam može da otkrije i prilagodi. Ako kompajliranje frontenda prijavi grešku, on može da locira problem, popravi ga i pokuša ponovo.
Ova sposobnost samoispravljanja, koja ne zavisi od ljudske intervencije, posebno je važna u dugim zadacima. Jer čovek ne može neprestano da posmatra; model mora sam da nauči da rešava probleme.
Obim ovog projekta nije mali, ali GLM-5.1 nije izgubio pamćenje, nije skrenuo s puta i nije odustao. U svakom trenutku zna šta je prethodno urađeno i šta treba sledeće uraditi. Ova stabilnost ono je najvrednije u dugim zadacima.
GLM-5.1 je delima dokazao: otvoren model takođe može da savlada duge zadatke, i to vrlo dobro.
Ako radite na Agentu, na tokovima rada ili na složenim poslovnim sistemima, GLM-5.1 zaslužuje probu.
Ako vam je ovaj sadržaj koristan, setite se da lajkujete i prosledite onima kojima je potrebno.
Vidimo se u sledećem!