GLM-5写代码，我发现了它和Cursor不一样的路数

GLM-5写代码，我发现了它和Cursor不一样的路数

昨天半夜十一点，GLM-5出来了。

网上都在聊SOTA，聊国产智能新高度。我反正也睡不着，打开IDE，顺手开了一下。说实话，我原本没抱太大期望——毕竟这行业半年一迭代，昨天是SOTA，今天就过时了，早就习惯了。但试了一圈后，我发现有些东西确实不一样。

先说个最直观的。

我让GLM-5帮我重构一个老旧的定时任务模块。代码量不小，Spring Boot 3.2.5的项目，牵涉到Redis锁、消息队列重试、数据库分片查询。以前用GPT-4或者Claude 3.5 Sonnet，这种活儿我一般先手动理清思路，再分段喂给它。结果往往是：每段都对，拼起来逻辑有坑，特别是事务边界处理上，它经常忘加@Transactional或者搞错传播行为。

这次我直接把整个Service层代码丢给它，只说了一句“把这三处Redis分布式锁的逻辑抽成模板方法，保留异常重试机制”。

它改了之后，我跑了一下单元测试。覆盖率从78%飙到了94%。关键是那个重试逻辑——我之前一直用手动count++，它给我换成了spring-retry的注解方式，还顺手把我写的自定义异常分类做了统一映射。

有意思的是，它在注释里写了一句：“注意原代码第42行的sleep是调试残留，已删除。”

我回头看，42行确实有个sleep(1000)，注释都忘了删干净。这种细节，之前的模型大概率不会提。

再往下测，我给了它一个稍微复杂点的场景：设计一个订单超时自动取消的Agent流程。要求是：监听MQ，检查库存锁定时间，超过30分钟未支付则回滚库存，并发送短信通知。

它生成的代码结构很清晰。但我发现一个细节——它在初始化Redis连接池的时候，特意加了个健康检查回调。不是硬编码，而是实现了自己的HealthIndicator接口。这有点意思。

之前我看GLM-5的官方介绍，说它主攻“复杂系统工程与长周期智能体任务”。当时我不太理解这话什么意思。现在大概明白了：它不是在给你写单个函数，而是在帮你设计整个流程的边界条件。

比如这个案例里，它没有忽略异常分支。很多模型写这种流程时，默认你是正常的。但GLM-5主动补了库存扣减失败的重试、短信发送失败的后置补偿、还有Redis键过期的监听器。这些逻辑堆在一起，代码行数直接多了40%，但健壮性确实上去了。

不过我也说两句实话，不能光吹。

它不是完美无缺的。

有一次我让它写一个多线程下单的场景，需要保证数据一致性。它给的方案是用CompletableFuture异步处理，看起来很美。但我跑压力测试的时候，发现它对线程池的配置考虑得不够细致。默认参数下，并发超过2000的时候GC停顿明显变长。最后还是我手动改成了固定大小的线程池，才稳定下来。

这说明什么？说明它现在是“能想大框架，但落地细节还得靠人把关”。

和Cursor比的话，我觉得两者定位不太一样。

Cursor 2026大版本发布后，重构工作流确实顺滑，它是基于你当前编辑上下文来理解的，适合局部优化。但GLM-5更像是个能看懂整个项目结构的“老法师”。你给它一个目录，它能把模块间的依赖关系画出来，还能指出潜在的死代码。

我之前在另一篇笔记里写过对比，现在回过头看，我的结论是：Cursor适合写代码，GLM-5适合写系统。

还有个数据我想分享一下。

我用它写了一个Spring Cloud Gateway的过滤器链，用来做API限流和鉴权。总共写了大概600行代码，涉及三个微服务之间的鉴权传递。我让它在不联网的情况下，基于我提供的接口文档自己实现。

最后我跑了JMeter压测，QPS稳在12000左右，RT（响应时间）平均45ms，P99在120ms以内。

说实话，这个结果比我预期的好。之前用Codeium或者Copilot写类似的网关逻辑，要么鉴权字段丢，要么限流阈值配置错了，调试花了我大半天。GLM-5这次居然一次跑通，没出什么低级错误。

不过我也发现它的一个毛病——有时候太啰嗦。

你问它一个简单问题，它喜欢给一大段背景解释，甚至把它的推理过程都写进回答里。我在生产环境用它生成注释时，得手动删掉那些“因为我考虑到…”、“经过分析…”之类的废话。如果直接投进代码里，同事看了估计会骂娘。

这点我得吐槽一下：智谱在优化Agent能力的时候，是不是该顺手把输出简洁度也优化优化？

当然，瑕不掩瑜。

我现在已经把它作为主力工具之一了。特别是那种需要从头搭建一个子系统的场景，比如最近我在做的微服务拆分计划，它帮我生成的目录结构、依赖图、甚至初步的接口定义，都挺靠谱的。

昨天深夜发版的时候，我顺便还测了一下GLM-5.1的提价效果。涨10%确实贵了点，但性能提升也确实可观——在复杂推理任务上，错误率大概降了15%左右。如果你们公司预算够，且经常写复杂业务逻辑，这个涨价我觉得可以接受。

写到这儿，我突然想到一个问题。

大家平时用AI写代码，更看重它的“快”，还是“稳”？

我现在的感受是：快容易，稳难求。GLM-5的稳体现在它能处理长链路任务，而不是单点代码生成。这点可能很多人还没意识到，因为它不像某些产品那样强调“一键生成全栈应用”，那种噱头很大，实际落地全是坑。

你们呢？

有没有谁试过GLM-5在大型项目里的表现？觉得它离真正的“工程师级别”还有多远？

欢迎评论区聊聊，我准备去写今天的代码了。