作者以零基础身份，借助 GLM-4.6 大模型，从需求分析到前后端开发，完整交付了一款跨平台智能客服小程序。文中不仅细致展示了AI如何在框架选型、代码生成、调试部署中“接管重复劳动”，更通过真实问题与AI的多轮协作，揭示了AI辅助开发的全链路可行性。

自从推出 Skills 以来，很多人都在问：Claude 这套 Agentic（智能体化）生态里，各个组件到底怎么分工、怎么配合？这份指南将围绕几个关键组件展开，讲清它们各自解决什么问题、适用于哪些场景，以及如何组合起来搭出更稳定的工作流。

“然后再复原装回去？

这篇文章可谓是技术社区级的Claude Code全景指南。作者系统梳理了从安装、配置到上下文工程、Subagent与Skill机制的全链条逻辑，几乎覆盖了Agent工作原理的所有关键环节。

在这篇文章中，我们将带你深入探索 Claude Skill 的创建与优化，从基础知识到实战技巧，帮助你将 Claude Code 打造为真正适应你工作流的“虚拟专家”。通过直观的示例与最佳实践，你将学会如何设计高效、可复用的 Skill，轻松解决重复性任务，提升工作效率。

智谱官方最佳实践：​翻译场景 - 从传统机翻到智能语境适配​，文内介绍使用智谱GLM模型进行大模型语言翻译的具体接入方案，针对大模型语言翻译的常见问题进行了优化和评测

“然后再复原装回去？

上级顾问 MCP 是一个面向真实开发卡点的模型协作实践，核心解决“知道有问题却修不好”的 AI 编程困境。项目通过引入「AI 指导 AI」的分层工作流，由高能力模型负责问题拆解与解题思路，低成本模型执行具体编码，在质量与成本之间取得平衡。整体跑通了从受阻、对齐、指导到执行的完整工程闭环，适用于复杂 Bug、架构评审与成本敏感型开发场景。

我们正式介绍两个新的 GLM 系列成员：GLM-4.5 和 GLM-4.5-Air——我们最新的旗舰模型，两者都旨在将推理、编码和智能体能力统一到一个模型中。

原发杰博士在西湖大学致力于AI大模型研究，实验室发表了多项AI大模型相关研究成果，包括蛋白质大语言模型发表在ICLR，NeurIPS，Molecular Cell以及Nature Communication，以及推荐系统相关大模型基准建设，发表在SIGIR，WSDM，ICDE，NeurIPS，SDM，TPAMI等。GLM-4-Plus 模型根据蛋白质的离散信息点，模拟临床 Biochemist、博