Objavljen je model koji najvise odgovara OpenClaw-u, ovo je apsolutno epohalna nadogradnja.

Upravo je zvanično objavljen GLM-5-Turbo, prvi svetski lobster veliki model. Nakon praktičnog testa, OpenClaw sa njim dobija znatno više na moći.

Kao pacijent sa jakom lobster zavisnošću — oh, izvinjavam se, kao intenzivan korisnik — srećan sam.

Pažnja, ažurirajte AutoClaw na najnoviju verziju, GLM-5-Turbo model je već podrazumevano konfigurisan.

Pozivi alata su stabilniji, praćenje instrukcija snažnije, dugi zadaci se izvršavaju bez prekida.

Testirao sam na dva stvarna slučaja: prvi je automatizovano pakovanje i raspoređivanje frontenda projekta Pai Pametni RAG na server pomoću AutoClaw-a, a drugi je automatsko generisanje pozivnih kodova za Pai Pametni i njihovo slanje u Feishu grupu.

GLM-5-Turbo nije zakazao tokom celog procesa, sve je odjednom završeno.

Ako svakodnevno koristite lobster za posao, ovaj članak će vam objasniti zašto je GLM-5-Turbo toliko jak i kako ga koristiti.

Vežite sigurnosne pojaseve, krećemo.

01. U čemu je GLM-5-Turbo zaista jak?

Prvo da kažemo nešto o ključnim prodajnim prednostima GLM-5-Turbo-a.

• Poziv alata: precizno poziva razne eksterne alate i razne Skill-ove, pretvarajući lobster zadatke iz razgovora u stvarno izvršenje.
• Praćenje instrukcija: snažnije praćenje instrukcija, sposobnost razumevanja i raščlanjivanja složenih instrukcija, kao i precizno usmeravanje više Agenta na podelu rada i saradnju.
• Zakazani zadaci: sposobnost razumevanja instrukcija u vremenskoj dimenziji i obrade zakazanih zadataka; pri obradi vremenski zahtevnih složenih zadataka može trajno da se izvršava bez prekida.
• Coding programiranje: od Vibe Coding do Agentic Engineering, sposobnost da samostalno završi dugoročno planiranje i izvršenje uz minimalnu ljudsku intervenciju.

Iskreno, opšti modeli često gube kontekst u višestrukim lobster zadacima, čak ni GPT-5.4 nije pošteđen — GLM-5-Turbo ovog puta glavna mu je „jednom proći, trajno izdržati".

Ovo nije preterivanje, to je moj stvarni utisak nakon testa.

Rezultati benchmarka kažu svoje

Hajde da pogledamo benchmark.

Rezultati evaluacije na ZClawBench-u pokazuju da se prikaz GLM-5-Turbo-a u OpenClaw scenariju znatno poboljšao u odnosu na GLM-5 i vodi u više ključnih zadataka u poređenju sa više glavnih modela.

U mog iskustvu, sposobnost GLM-5-Turbo-a da „jednom prođe" veoma je jaka — u suštini jedna komanda zadovoljava moja očekivanja, ili ih čak prevazilazi.

Broj podešavanja je znatno manji.

Šta to znači?

Znači da ne morate neprestano da doterujete, da ne morate da intervenišete usput i da ne morate da gledate u ekran čekajući da padne.

Date jednu instrukciju i on sve završi u jednom dahu.

02. Instalacija lobster-a jednim klikom

Pre nego što pređemo na praktične primere, da kažemo kako da instalirate lobster na svoj računar.

AutoClaw je prvi domaći lokalni OpenClaw koji podržava instalaciju jednim klikom. Proces instalacije je jednostavan kao preuzimanje aplikacije, podržava macOS i Windows.

Takođe podržava potpuno automatsko povezivanje sa Feishu-om, što znači da ceo proces povezivanja sa Feishu-om možete prepustiti AutoClaw-u, bez potrebe da ručno kreirate aplikaciju na Feishu-u, omogućavate dozvole robota ili uspostavljate dugu konekciju.

Samo treba da kliknete na pokretanje automatske konfiguracije

Ceo proces AutoClaw rešava za vas, za korisnike početnike ovo je zaista odlično, pravi Auto.

Kada sam ga prvi put iskusio, vilica mi je pala na sto.

Ha, pa može i ovako!

Koraci instalacije

Prvi korak: posetite zvanični sajt AutoClaw i kliknite na „Preuzmi i instaliraj".

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

Drugi korak: preuzmite instalacioni paket i dvokliknite za pokretanje.

Treći korak: pokrenite AutoClaw i prijavite se na Zhipu nalog.

Ceo proces traje oko minut, nema potrebe za konfiguracijom okruženja, nema komandne linije, nema tehničkog znanja.

Ako već imate instaliran OpenClaw lokalno, AutoClaw ga može direktno prepoznati i uvesti jednim klikom.

Ovde možete izabrati da preuzmete sve mogućnosti koje ste ranije dali OpenClaw-u.

Ključne postavke

Najnovija verzija AutoClaw-a već u sebi sadrži GLM-5-Turbo model, spreman za upotrebu.

Ako imate Coding Plan drugih modela, možete ih dodati u podešavanjima.

Nekoliko ključnih konfiguracija:

①. Radni direktorijum: postavlja radni prostor lobster-a, podrazumevano je fascikla .autoclaw u korisničkom direktorijumu.

②. Agent pretraživača: ako je potrebno da lobster upravlja pretraživačem, možete uključiti ovaj Skills.

③. Statistika potrošnje: prikazuje ukupnu potrošnju Tokena, ne morate da brinete da lobster tajno troši vaše tokene.

④. Gateway port: izvorni podrazumevani port OpenClaw-a je 18787, da bih izbegao sukob, promenio sam ga u 18888. Tako i izvorni OpenClaw i AutoClaw mogu da rade.

Nakon instalacije AutoClaw-a, možete početi da gajite lobster. U nastavku delim dva slučaja koja sam testirao.

03. Automatizovano raspoređivanje frontenda Pai Pametni RAG

Pai Pametni je RAG projekat koji održavam već duže vreme, frontend koristi Vue3 + Vite, i pri svakoj isporuci moram ručno da zapakujem, otpremim na server, raspakujem i proverim.

Proces nije komplikovan, ali je zamoran.

Tako mi je pala na pamet smela ideja — da li da ceo proces prepustim AutoClaw + GLM-5-Turbo-u?

Hajde da uradimo to.

Opis zadatka

Instrukcija koju sam dao lobster-u je sledeća:

Zapakuj frontend projekta Pai Pametni RAG, adresa je xxx, zatim ga otpremi na određenu lokaciju servera i konačno lokalnim pretraživačem proveri da li je raspoređivanje uspelo. Adresa servera je xxx, korisničko ime je xxx, lozinka je u environment varijabli.

Naravno, radi bezbednosti, prvo smo na zvaničnoj Tencent Cloud platformi kreirali SSH par ključeva. Privatni ključ smo sačuvali u lokalnoj određenoj fascikli, a da AutoClaw-u nismo rekli, hehe.

Klikom na potvrdu generisaće se datoteka ključa koju čuvamo u lokalnoj fascikli.

Zatim kliknite na povezivanje instance.

Napomena, ovaj korak će prisilno ugasiti server.

Ovaj zadatak obuhvata više koraka: izvršenje komande za pakovanje, SSH povezivanje sa serverom, otpremanje datoteke, raspakivanje datoteke, otvaranje pretraživača za proveru.

Svaki korak može da ne uspe, potrebno je da model stabilno izvrši.

Proces izvršenja

GLM-5-Turbo je prvo raščlanio zadatak:

1. Uđi u direktorijum projekta i izvrši pnpm build
2. Sačekaj završetak pakovanja i potvrdi generisanje dist direktorijuma
3. SSH poveži se na server
4. Otpremi dist.zip u određeni direktorijum
5. Otvori pretraživač i proveri

Ceo proces je trajao oko minut, GLM-5-Turbo je korak po korak izvršavao, nije preskočio nijedan korak i nije zapinjao usput.

Prijavimo se na server da proverimo.

Otpremljena datoteka je već vidljiva, ali radi bezbednosti, dozvolu za raspakivanje i brisanje dist direktorijuma nismo dali AutoClaw-u, to ćemo sami uraditi.

Provera rezultata

Nakon otvaranja pretraživača, GLM-5-Turbo pravi snimak ekrana da potvrdi normalno učitavanje stranice, a zatim mi izveštava:

Frontend je uspešno raspoređen na server, adresa pristupa je xxx, stranica se normalno učitava, raspoređivanje je završeno.

Ako želite da otvorite u pretraživaču, Chrome mora prvo da instalira AutoGLM ekstenziju plaginu (takođe možete instalirati Playwright ugrađen u OpenClaw).

Obratite pažnju, sada je već AutoGLM preuzeo naš pretraživač.

Pomozite mi da popunim korisničko ime i lozinku (naravno, možete i reći AutoClaw-u, ali se ne preporučuje), pogledajmo efekat ažuriranja.

Da, zaista nema problema. Ceo proces je gotovo bez ručne intervencije, mnogo brže nego ručno.

Sigurno svi osećate da je ovo prava moć lobster-a, da se integriše u vaše stvarne scenarije upotrebe i zaista vam pomogne u povećanju produktivnosti.

Ovaj proces je ranije bio prilično naporan.

• Morate ući u direktorijum frontenda
• Izvršiti komandu za pakovanje
• Izvršiti komandu za kompresiju
• Prijaviti se na ssh alatku, uneti korisničko ime i lozinku
• Ući u direktorijum projekta
• Preko alatke kao što je xftp otpremiti komprimovani paket u direktorijum
• Raspakovati datoteku
• Otvoriti pretraživač
• Uneti adresu i potvrditi da li je ažurirano

Sada, sa AutoClaw-om, dovoljno je da mu date jednu instrukciju, on će je zapamtiti i sam tiho odraditi sve ove stvari.

I dati vam povratnu informaciju.

04. Pai Pametni RAG upravljanje pozivnim kodovima

Sistem Pai Pametni RAG ima mehanizam pozivnih kodova, pa sam pomislio da putem AutoClaw-a generišem pozivni kod i pošaljem ga u Feishu grupu.

Otvori upravljanje pozivnim kodovima za pai pametni na smart.paicoding.com, generiši pozivni kod sa 10 upotreba i pošalji ga u moj Feishu

Obratite pažnju, AutoClaw je pažljivo zapisao Feishu webhook u TOOLS.md, tako da sledeći put može direktno da ga kreira.

Vratimo se u Feishu grupu da potvrdimo.

05. Lobster paketi

Naravno, lobster može da radi, i trošenje tokena mu ne predstavlja problem.

Tipičan lobster zadatak, kao što je završetak pakovanja i provere frontenda našeg Pai Pametni RAG projekta, može obuhvatiti desetine krugova poziva alata i povezivanja konteksta, s velikom potrošnjom tokena.

Da bi preduzećima i pojedincima omogućio „slobodu tokena" za lobster, Zhipu je pažljivo lansirao lobster paket na bazi GLM-5-Turbo-a.

Adresa pretplate: https://www.bigmodel.cn/claw-plan-team

(Tajno ću vam reći, oni koji ranije nisu uspeli da dobiju Coding Plan paket, mogu probati lobster paket, koji je takođe savršeno prilagođen za Claude Code)

Napredna verzija sadrži 100 miliona tokena, dovoljno za intenzivno korišćenje tima, produktivnost se znatno poboljšava:

Prvo, poboljšana efikasnost timskog rada. Ranije je svako morao sam da instalira lobster, konfiguriše okruženje i upravlja API ključem. Sada se koristi objedinjeni enterprise nalog, administrator dodeljuje jednim klikom, a članovi tima ga mogu odmah koristiti.

Drugo, kontrola troškova. Kada pojedinac koristi lobster, teško je proceniti potrošnju tokena, mesečni račun može biti iznenađenje. Enterprise paket ima upravljanje ograničenjima i mehanizam upozorenja, nema prekoračenja.

Treće, bezbednost i usklađenost. Poslovni podaci se ne mogu proizvoljno slati u oblak, lobster paket podržava privatnu primenu, podaci ne napuštaju internu mrežu.

06. Kako ovo upisati u biografiju?

Ako se trenutno nalazite u potrazi za poslom, ovaj zadatak sa GLM-5-Turbo + AutoClaw može se istaći u biografiji.

Primer opisa projekta

Naziv projekta: Pai Pametni RAG platforma za automatizovani rad

Opis projekta: Na osnovu GLM-5-Turbo + OpenClaw izgrađen automatizovani tok rada raspoređivanja i rada, realizuje se jednoklikatno raspoređivanje frontenda i automatizovano upravljanje pozivnim kodovima, vreme raspoređivanja se skraćuje sa 30 minuta na 5 minuta.

Ključne odgovornosti:

• Dizajnirana i implementirana automatizovana procedura raspoređivanja frontenda, obuhvata pakovanje, otpremanje, raspakivanje i proveru celog lanca, efikasnost raspoređivanja povećana 6 puta
• Na osnovu sposobnosti GLM-5-Turbo-a za Tool Calling, stabilno se poziva više eksternih alata kao što su SSH, prenos datoteka i pretraživač
• Realizovano automatizovano upravljanje pozivnim kodovima — generisanje, statistika i čišćenje u jednom toku, obim posla rada smanjen za 80%

Kako pričati o tome na intervjuu

Ako intervjuer pita „šta ste radili sa lobster-om", možete odgovoriti po ovoj strukturi:

Pozadina: Projekat Pai Pametni RAG je ranije pri svakoj isporuci zahtevao ručno pakovanje, otpremanje, raspakivanje i proveru — ceo proces je trajao pola sata i bio je podložan greškama.

Rešenje: Izgradio sam automatizovani tok rada raspoređivanja pomoću GLM-5-Turbo + OpenClaw. GLM-5-Turbo ima veoma jaku sposobnost Tool Calling-a, može stabilno da poziva alate kao što su SSH, prenos datoteka i pretraživač, bez prekida.

Efekat: Vreme raspoređivanja se smanjilo sa 30 minuta na 5 minuta, bez ljudske intervencije. Kasnije je prošireno na upravljanje pozivnim kodovima, zakazane zadatke i druge scenarije, obim posla smanjen za 80%.

Istaknuta tačka: GLM-5-Turbo je model koji je Zhipu posebno optimizovao za lobster scenarije, stopa uspeha „jednom prolazi" je duplo veća nego kod opšteg modela. U mojoj upotrebi zaista je stabilan, dugi zadaci ne prekidaju.

Šta će intervjuer pitati dalje

Pitanje 1: Kako vaš tim koristi lobster?

Polazim od boli. Naš tim je ranije proveo pola sata na raspoređivanje frontenda, pa sam prvo zadao lobster-u da nam automatizuje raspoređivanje, da bi svi osetili prednost. Zatim postepeno prošireno na upravljanje pozivnim kodovima i zakazane zadatke. Ključno je da članovi tima osete poboljšanje efikasnosti.

Pitanje 2: Da li je trošak održavanja lobster-a visok?

Početna investicija zaista zahteva vreme za učenje, ali dugoročno se isplati. Zreo lobster zadatak zahteva oko 1-2 sata održavanja nedeljno, a štedi desetine sati.

Kraj

Tokom dana provedenog sa GLM-5-Turbo, ostavio je na mene snažan utisak: domaći modeli su zaista krenuli napred.

U stvarnim scenarijima, dobro obavljen posao — to je ono što Agent treba da radi.

A ključne sposobnosti Agent-a su poziv alata, praćenje instrukcija i izvršenje dugih zadataka. GLM-5-Turbo je ove tri stvari doveo do savršenstva.

Zamislite, ranije ste za raspoređivanje frontenda morali da otvorite terminal, kucate komande, čekate pakovanje, prijavite se na server, otpremite datoteku, raspakujete, proverite. Ceo proces oduzme pola sata.

A sada?

[Dajte lobster-u jednu rečenicu, završi za minut. Možete da zatvorite oči i odmarate 10 minuta, a kada se vratite, otkrićete da je raspoređivanje završeno].

(Preostalih 9 minuta računate kao pauzu) To je efikasnost.

Ako i vi koristite lobster za posao, probajte GLM-5-Turbo. Ne da biste podržali domaće, već zato što je zaista dobar. Stopa uspeha „jednom prolazi" je izuzetno visoka, dugi zadaci se ne prekidaju, pozivi alata stabilni kao stena.

Za pitanja, vidimo se u komentarima, pričamo u sledećem!