案例 GLM-5 Turbo实战:10分钟从零生成影视系统,一键部署到NAS

2026-05-09 06:35:12 +0800 CST views 12

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

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

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

推荐文章

git使用笔记
2024-11-18 18:17:44 +0800 CST
js迭代器
2024-11-19 07:49:47 +0800 CST
JavaScript 实现访问本地文件夹
2024-11-18 23:12:47 +0800 CST
thinkphp swoole websocket 结合的demo
2024-11-18 10:18:17 +0800 CST
使用Python实现邮件自动化
2024-11-18 20:18:14 +0800 CST
一个简单的打字机效果的实现
2024-11-19 04:47:27 +0800 CST
jQuery中向DOM添加元素的多种方法
2024-11-18 23:19:46 +0800 CST
html5在客户端存储数据
2024-11-17 05:02:17 +0800 CST
推荐几个前端常用的工具网站
2024-11-19 07:58:08 +0800 CST
【SQL注入】关于GORM的SQL注入问题
2024-11-19 06:54:57 +0800 CST
企业官网案例-芊诺网络科技官网
2024-11-18 11:30:20 +0800 CST
LangChain快速上手
2025-03-09 22:30:10 +0800 CST
程序员茄子在线接单