01

一個(gè)把后端逼瘋的需求

我有個(gè)朋友，特別喜歡寵物，有一天他找到我，神秘兮兮地說(shuō)：“我想到了一個(gè)絕妙的點(diǎn)子，你能不能幫我實(shí)現(xiàn)了？”

我說(shuō)：“什么點(diǎn)子？”

他說(shuō)：“我想弄一個(gè)寵物領(lǐng)養(yǎng)平臺(tái).....”

我一聽(tīng)就打斷他：“得了吧，這樣的平臺(tái)太多了，你再做一個(gè)也沒(méi)啥意義......”

可他就是喜歡，執(zhí)意要做，說(shuō)什么“也不想賺大錢，就在寵物圈里用。”

我被纏得沒(méi)辦法，又想到了最近AI Coding工具比較火，也許我很快就能給他鼓搗一個(gè)網(wǎng)站出來(lái)，就答應(yīng)了。

真正做的時(shí)候，我就后悔了，我是做后端開(kāi)發(fā)的，當(dāng)年選擇后端，一個(gè)重大的原因就是害怕做界面，我做的界面一點(diǎn)兒美感都沒(méi)有。

但是既然答應(yīng)了，也只能硬著頭皮上了，在AI Coding工具的輔助下，迅速就生成了第一版：

我把界面截圖發(fā)給他看，他說(shuō)：“哥，你這界面設(shè)計(jì)得也太‘素凈’了吧，感覺(jué)還是20年前的風(fēng)格......”

我說(shuō)：“這已經(jīng)達(dá)到我的美學(xué)極限了，你看看那邊框還有陰影呢！”

他半天沒(méi)吭聲，然后給我甩過(guò)來(lái)一張圖：“就照著這個(gè)做！”

我一看就傻眼了，這哪里是我一個(gè)后端程序員能干的事兒? 這得找專業(yè)設(shè)計(jì)師和前端啊。

正在發(fā)愁期間，我突然想到了最近智譜開(kāi)源的GLM-4.6V，我看介紹說(shuō)有非常大的突破，不再僅僅是一個(gè)“視覺(jué)問(wèn)答”模型，而是具備了“視覺(jué)執(zhí)行”能力——能夠根據(jù)視覺(jué)輸入直接調(diào)用工具（Function Call），打通從感知到行動(dòng)的閉環(huán)。

而且我之前還購(gòu)買過(guò)智譜的Coding Plan，他們可以通過(guò)MCP讀取圖片，然后生成對(duì)應(yīng)的代碼。

GLM-4.6V 在 MMBench、MathVista 等 30+ 評(píng)測(cè)中表現(xiàn)優(yōu)異。106B 版本比肩 2 倍參數(shù)量的 Qwen3-VL-235B；9B 的 Flash 版本性能超過(guò) Qwen3-VL-8B。

它還有超長(zhǎng)的128k 上下文（約等于 150 頁(yè)文檔或 1 小時(shí)視頻），支持“過(guò)目不忘”的長(zhǎng)視頻理解和多文檔分析。

既然如此，那我就可以把朋友的圖發(fā)給GLM-4.6V，讓它直接給我生成HTML頁(yè)面，然后我再和后端集成一下不就行了？

02

截圖直接變網(wǎng)頁(yè)

說(shuō)干就干，立刻打開(kāi)chat.z.ai ，選擇GLM-4.6V 模型。

選擇“網(wǎng)頁(yè)復(fù)刻”，把圖片傳上去，要求它生成html代碼。

值得注意的是，朋友給的截圖中是有圖片素材的，我要求它把圖片也生成，不要弄個(gè)占位符在那里，很難看。

但這對(duì)GLM-4.6V就提出了新的要求，它必須得能精確地理解截圖的內(nèi)容，從中找出對(duì)應(yīng)的圖片，然后還得去網(wǎng)上搜索，然后放到指定位置。

很快，GLM-4.6V就把網(wǎng)頁(yè)給復(fù)刻了出來(lái)：

雖然不能說(shuō)是100%一樣，但也八九不離十了，尤其是它找到了正確的圖片，放到了正確的位置，這一點(diǎn)確實(shí)是很驚艷。

我也試了一些其他的工具，它們做出的效果就差不少了，布局一般不說(shuō)，關(guān)鍵是那大面積的圖片空白，看著非常難受。

我把新頁(yè)面發(fā)給了朋友，他看了下又提了個(gè)要求：“紫色不好看，改一下。”

這難不住我，我只需要告訴GLM-4.6V改個(gè)顏色就行，只要朋友能忍受我這直男的審美。

新顏色很快出爐：

朋友看到后，又提出了新需求：

“那個(gè)Meet Them的框太大了，弄小一些”，

“哥，英文的怎么行，得改成中文啊”

我被折騰得不勝其煩，最后干脆讓他自己去用GLM-4.6V去設(shè)計(jì)了，反正也是自然語(yǔ)言交互，不用什么專業(yè)程序員的能力。

等朋友弄好了，我把它集成起來(lái)就行。

我把注意力轉(zhuǎn)向了智譜GLM-4.6V提供的MCP Server，程序員肯定要在IDE中使用嘛。

智譜的視覺(jué)MCP Server 支持Claude Code,Cline等多種AI Coding客戶端，我用VS Code的插件Cline，配置起來(lái)也非常簡(jiǎn)單：

}

API Key需要到智譜AI開(kāi)放平臺(tái)（https://bigmodel.cn/）上去申請(qǐng)一下，這里不再詳述。

在Cline中用起來(lái)也非常簡(jiǎn)單，只需要@一個(gè)圖片，然后就可以讓它工作了。

生成的效果如下：

03

視覺(jué)執(zhí)行大師

看到這里，你可能覺(jué)得，這個(gè)GLM-4.6V是不是只能編程啊？ 這種看法就太狹隘了，GLM-4.6V是具備“原生視覺(jué)執(zhí)行能力”，各種視覺(jué)相關(guān)的任務(wù)都可以干。

GLM-4.6V能自主規(guī)劃、調(diào)用搜索/清洗工具，并處理返回的圖表或截圖，實(shí)現(xiàn)真正的 Agent 閉環(huán)。

比如，你上傳一幅一幅的圖片，它就可以獨(dú)立完成從「看圖」、「比價(jià)」、「生成導(dǎo)購(gòu)清單」的完整鏈路。

你給它發(fā)一個(gè)足球比賽的視頻，它就能自動(dòng)找到哪個(gè)隊(duì)在什么時(shí)候進(jìn)的球，形成一個(gè)比分時(shí)間軸總結(jié)。

至于復(fù)雜圖文理解，多模態(tài)工具調(diào)用跟是不在話下，比如，我發(fā)給它一個(gè)PDF，要求它轉(zhuǎn)換成一個(gè)圖文并茂的文章：

可以看出，GLM-4.6V不單是從PDF中總結(jié)了文字內(nèi)容，更是把相關(guān)的圖片也提取了出來(lái)，組織成了一篇圖文并茂的文章。

04

值得親自嘗試

GLM-4.6V展示的效果，簡(jiǎn)直就是后端程序員處理UI需求的救星，看到它的效果，恐怕你也想試試了吧？

現(xiàn)在該模型已全面接入智譜 GLM Coding Plan，通過(guò) MCP 協(xié)議大幅提升前端復(fù)刻與可視化調(diào)試效率。

我去官網(wǎng)看了下，現(xiàn)在智譜正在進(jìn)行跨年特惠限時(shí)促銷，Coding Plan非常誘人，目前首月最低僅需20元！有邀請(qǐng)券還可享9折優(yōu)惠，擁有 Claude Code 三倍用量！

同時(shí)還贈(zèng)送智譜AI輸入法，用語(yǔ)音的方式直接調(diào)用大模型的能力，連打字都不用了。

季付和年付還有額外折扣，這波羊毛不薅的話實(shí)在是可惜了！

強(qiáng)烈建議大家來(lái)試一試，體驗(yàn)一下GLM-4.6V的便捷和強(qiáng)大：

https://bigmodel.cn/glm-coding