GLM-5 Turbo实战:10分钟从零生成影视系统,一键部署到NAS
AutoClaw官网: https://autoglm.zhipuai.cn/autoclaw
模型: GLM-5 Turbo
评测: PinchBench + ClawBench 双榜国产第一
发布平台: 程序员茄子(chenxutan.com)
标签: GLM-5 Turbo, AutoClaw, AI编程, Docker, NAS, 影视管理
引言
10 分钟,从零开始,生成一个完整的影视管理系统,部署到家里的飞牛 NAS。
这不是标题党,这是 GLM-5 Turbo 的真实实战。
一、挑战背景
需求
作为一个影视爱好者,想要一个自己的影视管理系统:
- 自动识别影片信息
- 分类管理
- 统计数据
- 稳定运行在 NAS 上
之前的问题
| 问题 | 说明 |
|---|---|
| 配置复杂 | 开源方案门槛高 |
| 功能不全 | 现有方案缺这少那 |
这次的选择
AutoClaw + GLM-5 Turbo
二、AutoClaw 简介
什么是 AutoClaw
智谱推出的 AI 编码工具,内置 GLM-5 Turbo 模型。
下载安装
- 官网: https://autoglm.zhipuai.cn/autoclaw
- 支持: macOS
模型选择
首次登录,选择内置的 GLM-5 Turbo 模型。
三、实战过程
3.1 需求描述
给 GLM-5 Turbo 的 Prompt:
我需要一个影视管理系统,用于管理家庭观影记录。
功能需求:
1. 影片信息管理(名称、导演、演员、上映年份、类型、评分、简介)
2. 自动识别NFO格式文件,解析影片元数据
3. 分类管理(动作、喜剧、科幻等)
4. 搜索功能(按名称、导演、类型、评分范围)
5. 收藏和观看记录
6. 数据统计(影片总数、各类型分布、平均评分等)
部署要求:
1. 支持Docker部署,提供Dockerfile
2. 支持挂载本地目录,用于存储影片文件和NFO元数据
3. 使用SQLite数据库,支持数据持久化
4. 适合24小时稳定运行
技术要求:
- Flask框架(轻量级)
- SQLite数据库
- Bootstrap 5前端,响应式设计
- 代码结构清晰,分层合理
- 注释完整,便于维护
请生成:
1. 完整的项目代码
2. Dockerfile和docker-compose.yml
3. NFO文件解析功能
4. 运行说明文档
3.2 代码生成
点击"发送"后,GLM-5 Turbo 开始:
- 逐步生成代码
- 调用各种工具
- 10 分钟内完成
3.3 生成结果
- ✅ 完整的项目代码
- ✅ Dockerfile + docker-compose.yml
- ✅ NFO 文件解析功能
- ✅ 运行说明文档
- ✅ 代码几乎没有 bug,直接能跑
四、功能清单
核心功能
| 功能 | 说明 |
|---|---|
| 影片信息管理 | 名称、导演、演员、年份、类型、评分、简介 |
| NFO 识别 | 自动解析 NFO 格式文件 |
| 分类管理 | 动作、喜剧、科幻等 |
| 搜索 | 按名称、导演、类型、评分范围 |
| 收藏和观看记录 | 个人观影管理 |
| 数据统计 | 影片总数、类型分布、平均评分 |
技术架构
| 层 | 技术 |
|---|---|
| 后端 | Flask |
| 数据库 | SQLite |
| 前端 | Bootstrap 5 |
| 部署 | Docker |
五、Docker 部署
5.1 构建 Docker 镜像
cd .openclaw-autoclaw/workspace/movie-manager
docker build -t movie-system:latest .
5.2 导出 Docker 镜像
docker save movie-manager-movie-manager:latest -o movie-manager.tar
5.3 Docker Compose 配置
version: "3.8"
services:
movie-manager:
image: movie-manager-movie-manager
container_name: movie-manager
restart: unless-stopped
ports:
- "20012:5000"
volumes:
# 数据库持久化
- ./data:/app/data
# 影片文件目录(包含 NFO 和视频文件)
- ./movies:/app/movies
environment:
- SECRET_KEY=please-change-this-to-a-random-string
- MOVIE_DIR=/app/movies
- MOVIE_DATA_DIR=/app/data
- PORT=5000
- TZ=Asia/Shanghai
5.4 挂载目录
| 目录 | 用途 |
|---|---|
| ./data | 数据库和配置文件 |
| ./movies | 影片文件和 NFO 文件 |
六、部署到飞牛 NAS
步骤
1. 上传镜像到 NAS
↓
2. SSH 连接 NAS
↓
3. 导入 Docker 镜像
sudo docker load -i movie-system.tar
↓
4. 在 Docker 管理中看到镜像
↓
5. 创建 Compose 项目
↓
6. 启动容器
↓
7. 浏览器访问 ip:20012
系统效果
- 自动扫描影视文件夹
- 展示影视信息
- 统计所有影视数据
七、GLM-5 Turbo 能力评估
7.1 评测成绩
| 评测 | 成绩 |
|---|---|
| PinchBench(第三方龙虾 Agent 评测) | 国产第一 |
| ClawBench(智谱真实龙虾任务评测) | 国产第一 |
双榜第一。
7.2 市场采用
- openrouter 调用量爆表
- coze、美团、trae 等大厂官宣使用
7.3 实战优势
| 优势 | 说明 |
|---|---|
| 工具调用稳 | 该用啥工具就用啥工具,不瞎折腾 |
| 指令理解准 | 复杂需求拆解得明明白白 |
| 长任务不中断 | 10分钟生成整个系统,没卡过一次 |
| 代码质量高 | 生成的代码基本不用改,直接能跑 |
| 响应速度快 | 等的时间短,体验好 |
7.4 集成能力
同样可以把 GLM-5 Turbo 集成到 Claude Code、Gemini CLI、OpenClaw 等工具中。
八、企业龙虾套餐
套餐构成
企业龙虾套餐 = 模型API(GLM-5 Turbo)+ 工具(AutoClaw)+ 工作流(Skill)
愿景
今天给龙虾派活,明天每家企业都有 7×24 小时的 AI 嘘工。
扩展
从程序员群体扩展到更多企业劳动力群体。
九、思考:未来还需要学编程吗?
答案:需要,但方式变了
不再需要的
| 旧方式 | 说明 |
|---|---|
| 记住所有 API | ❌ AI 帮你查 |
| 手写重复代码 | ❌ AI 帮你生成 |
| 花大量时间在基础实现 | ❌ AI 帮你搞定 |
更需要的
| 新能力 | 说明 |
|---|---|
| 理解系统架构 | 知道怎么搭 |
| 设计合理的 Prompt | 说清楚要什么 |
| 编写高质量需求描述 | 需求即代码 |
| 审查和优化 AI 代码 | 把关质量 |
角色转变
开发者正在从「代码搬运工」升级为「需求设计师」和「系统架构师」。
十、总结
核心价值
| 价值 | 说明 |
|---|---|
| 10 分钟 | 从零到完整系统 |
| 双榜第一 | PinchBench + ClawBench |
| 代码质量 | 几乎不用改 |
| Docker 部署 | 一键部署到 NAS |
| 多工具集成 | Claude Code / Gemini CLI / OpenClaw |
关键洞察
开发者正在从「代码搬运工」升级为「需求设计师」和「系统架构师」。
本文首发于「程序员茄子」博客,原文链接:https://chenxutan.com