GLM-4.6 vs Claude 4.5：當AI編程模型能力趨同，會用比選什么更重要

最近GLM-4.6在國內外開發者圈子里的熱度有點高。

先看幾個數據：

• 在LMArena全球大模型競技場，GLM-4.6排名全球第4、開源第1、國內第1

• 登頂Hugging Face Trending全球第一
• 登頂OpenRouter趨勢榜第一，熱度一度超過Claude 4.5
• 在Cline的百萬級真實編輯數據中，成功率達到94.9%，僅比Claude 4.5的96.2%低1.3個百分點

更關鍵的是價格：GLM-4.6的API調用成本是Claude 4.5的1/10，但能達到Claude Sonnet 4的90%+能力。

這些數據確實很亮眼，也是很多人開始關注GLM-4.6的原因。

但說實話，跑分是一回事，實戰常常是另一回事。

十一假期前的大模型廠商們也著實是太卷了，DeepSeek V3.2、Claude 4.5、GLM-4.6 ... 一個接一個地不停出，搞得很多人都焦慮無比，不停有人來問我：現在AI編程產品和模型這么多，到底該選哪個？

在回答了幾十個類似問題后，我發現了一個更本質的問題：

在國內大模型廠商的努力下，現在頂級AI編程模型的能力已經非常接近了，反而是會不會用、能不能用好提示詞去激發模型的真實能力，成了關鍵。

就像你給十個程序員同樣的需求文檔，有人能做出用戶體驗出色的產品，有人做出來的東西根本沒法用。差別不在于他們用的編程語言或IDE，而在于對需求的理解和執行能力。

AI編程現在也是一樣的道理。

所以這篇文章，我不打算再去重復那些benchmark跑分，也不想去糾結SWE-bench上那相差1-2個百分點的數據。我想做的是：

1. 1.給你兩套我實際在用的AI編程提示詞，一套用于從0到1生成網站，一套用于網站設計優化
2. 2.用真實的開發任務測試GLM-4.6和Claude 4.5，看看在復雜提示詞+實際工程場景下，誰的表現更好
3. 3.告訴你怎么用Claude Code + GLM-4.6的組合，用最好的工具+最具性價比的模型做出好產品

這才是AI編程真正的"實戰"。

一、為什么要用提示詞來測試模型能力？

很多評測文章會單純拿benchmark數據來對比模型，但問題是，這些跑分和你實際用AI寫代碼的體驗，完全是兩回事。

真實的AI編程場景是什么樣的？

• 你需要AI理解一個復雜的產品需求

• 你需要AI既能做產品經理的需求分析，又能做設計師的UI設計，還能寫出可運行的代碼

• 你需要AI產出一個完整的工程項目

所以，我準備了兩套自己日常在用的提示詞，來測試模型在真實場景下的能力。

提示詞一：從0到1生成網站

這套提示詞的核心邏輯是：讓AI先當產品經理做需求分析和PRFAQ，再當設計師做視覺設計（還會從藝術家/建筑師中隨機采樣靈感），最后當前端工程師交付代碼。

完整的提示詞是這樣的：

# 1. 你的任務 ## 1.1 目標描述 - 根據我的描述，幫我創建一個設計出色，內容豐富，用戶體驗友好的網站。 - 網站主題：{把你的需求寫在這里} # 2. 工作流程 ## 作為具有20年經驗，在Apple、Google、facebook等頂級企業工作，比喬布斯、張小龍更出色的產品經理執行工作 ### 2.1.1 采用逆向工作法，先撰寫1000字深入思考過產品的PRFAQ ### 2.1.2 需求洞察，穿透用戶表述，補齊顯性與隱性需求，形成完整需求清單：功能、用戶角色、使用場景、核心任務路徑、邊界與異常、數據結構。 ### 2.1.3 結構輸出PRD文檔，明確目標用戶，功能，優先級（MoSCoW），繪制信息架構草圖（站點地圖與任務流）。 ## 作為具有20年工作經驗，在Apple以及頂級設計咨詢企業工作過的設計師執行工作 ### 2.2.1 執行設計靈感采樣 - 任務說明：請借鑒藝術家/建筑師/工業設計師的"風格與感覺"，進行提煉與融合后改造網站視覺與交互。 - 僅借鑒氣質與方法，禁止臨摹或再現具體作品。 - 從"靈感來源池"中隨機采樣 2 位 - 每位靈感需給出"靈感 → 網頁實現"的轉譯說明 - 靈感來源池：Saul Bass, Maurice Binder, Pablo Ferro, Dan Perri, Kyle Cooper，Paula Scher, Neville Brody, April Greiman, David Carson, Jamie Reid, Push Pin Studios (Seymour Chwast) ，Massimo Vignelli, Josef Müller-Brockmann, Otl Aicher, Armin Hofmann, Karl Gerstner, Muriel Cooper ，Piet Mondrian, Sonia Delaunay, Josef Albers, Victor Vasarely, Bridget Riley, M. C. Escher ，Paul Klee, Kazimir Malevich, Joan Miró, Henri Matisse, Mark Rothko, René Magritte, Salvador Dalí ，Yayoi Kusama, Takashi Murakami, Katsushika Hokusai（葛飾北齋）, Xu Bing（徐冰）, Zao Wou-Ki（趙無極），John Maeda, Casey Reas, Zach Lieberman, Vera Molnár, Manfred Mohr, Refik Anadol, Sougwen Chung ，Zaha Hadid, Bjarke Ingels (BIG), Thomas Heatherwick, Olafur Eliasson，Le Corbusier, Ludwig Mies van der Rohe, Frank Lloyd Wright, Alvar Aalto, Louis Kahn ，Norman Foster, Renzo Piano, Herzog & de Meuron, OMA/Rem Koolhaas，Tadao Ando（安藤忠雄）, SANAA（Sejima & Nishizawa）, Kengo Kuma（隈研吾）, Kenzo Tange（丹下健三）, Lina Bo Bardi, Luis Barragán ，Dieter Rams（Braun）, Jony Ive（Apple）, Naoto Fukasawa（無印良品）, Jasper Morrison ，Marc Newson, Yves Béhar, Hartmut Esslinger（frog）, Raymond Loewy, Richard Sapper（ThinkPad） ，Charles & Ray Eames（Eames Office）, Sori Yanagi, Kenji Ekuan（龜甲萬壺/新干線語義） ，Nendo（Oki Sato）, Philippe Starck, F. A. Porsche（Porsche Design）, James Dyson ，Teenage Engineering（Jesper Kouthoofd）, Susan Kare（界面圖標語義） #### 轉譯而非模仿（必須遵守） - 版式：非對稱分欄、超大標題、網格秩序與"破格"、分鏡式章節標題 - 色彩：高對比撞色、三原色幾何、工業警示條、漸變/光散射 - 形態：曲線切割、體塊疊合、模塊化卡片、紙感與細微紋理 - 動態：200–300ms 的入場/勾勒/滾動反饋；支持 `prefers-reduced-motion` 的靜態回退 - 語義：極簡圖形符號、變量字體軸（字重/寬度小幅過渡）、數字/指標的等寬排版 - 不復刻具體作品的構圖、配色、字體組合、標語或品牌元素 - 不生成與原作高度相似的頁面布局或元素組合 ### 2.2.2 交互與視覺方案，基于"網站前端設計原則"，輸出可交付方案：頁面結構、組件清單、狀態說明（默認/懸停/激活/禁用/錯誤/空態/加載）、可訪問性與動效規范、響應式斷點策略。 ### 2.2.3 設計系統，給出色彩、字體、柵格與間距系統（Design Tokens），文字描述 2–3 個關鍵頁面線框。 ## 2.3 作為出色的前端工程師完成前端設計，交付代碼 ### 2.3.1 前端設計基礎原則 - 在理解需求與設計規范基礎上，交付完整的 HTML/CSS/JS 代碼。 ### 2.3.2 組件化與增強 - 將復雜交互抽象為可擴展組件（卡片、表格、圖表區、導航、表單），遵循漸進增強。 ### 2.3.3 前端代碼要求 - 使用 HTML5 語義結構：header、main、aside、section、nav、footer；標題層級正確。 - 通過 CDN 引入 Google Fonts（示例：Inter），并提供中英文混排備用字體棧。 - 使用 Font Awesome CDN 提供圖標（或見第 5 章選用 SVG 圖標庫方案）。 - 三斷點響應式；可點擊區域不小于 44×44px；表格與圖表具備小屏策略。 - 需要圖片時必須給出實際鏈接，不留空白占位：   - Picsum: https://picsum.photos/ （示例：https://picsum.photos/id/157/800/600） - 必備 meta：viewport 與 color-scheme。 ### 2.3.4. 主題與風格偏好 - 色彩與可讀性：避免常見的千篇一律紫色或純藍主色，優先選擇更具辨識度的中性色或高品質品牌色方案，并保持對比度與可讀性達標。 - 內容表現：避免使用 emoji！！！當需要圖標時，可以生成獨特設計的svg圖表，或者從引入以下圖標庫：Lucide、Heroicons、Tabler Icons - 避免留下任何空白的占位符，該出現圖片的地方都應引入開源圖片資源

這套提示詞的特點是：

• 把真實世界的產品開發完整流程融入到AI編程項目中（產品-設計-開發）
• 引入設計靈感采樣機制，讓生成的網站不會千篇一律
• 明確技術要求和質量標準

當你已經有一個網站，但覺得設計質量不夠好時，可以用這套提示詞讓AI進行優化：

# 0. 目標與方法 ## 0.1 任務說明 - 我們當前的網站設計質量不佳。請**借鑒藝術家/建筑師/工業設計師**的"風格與感覺"，進行**提煉與融合**后改造網站視覺與交互。 - 僅**借鑒氣質與方法**，禁止臨摹或再現具體作品。 - 新建一個文件存放優化后的代碼以方便我們對比前后設計 ## 0.2 使用方式 - 從"靈感來源池"中**采樣 2位**。 - 每位靈感需給出**"靈感 → 網頁實現"**的**轉譯說明**（不超過兩行）。 --- # 1. 靈感來源池（擴展版） > 只可從下列名單采樣 2–3 位；按分類便于組合異質風格。請在輸出中標注所采樣的名字與對應類別。 ## 1.1 影視片頭 / 動態敘事 - Saul Bass, Maurice Binder, Pablo Ferro, Dan Perri, Kyle Cooper ## 1.2 平面 / 字體 / 后現代圖形 - Paula Scher, Neville Brody, April Greiman, David Carson, Jamie Reid, Push Pin Studios (Seymour Chwast) ## 1.3 現代主義信息設計 / 網格系統 - Massimo Vignelli, Josef Müller-Brockmann, Otl Aicher, Armin Hofmann, Karl Gerstner, Muriel Cooper ## 1.4 幾何與抽象藝術 / 光學藝術 - Piet Mondrian, Sonia Delaunay, Josef Albers, Victor Vasarely, Bridget Riley, - 擴展畫家：Paul Klee, Kazimir Malevich, Joan Miró, Henri Matisse, Mark Rothko, René Magritte, Salvador Dalí - 亞洲與當代：Yayoi Kusama, Takashi Murakami, Katsushika Hokusai（葛飾北齋）, Xu Bing（徐冰）, Zao Wou-Ki（趙無極） ## 1.5 生成藝術 / 新媒體 - John Maeda, Casey Reas, Zach Lieberman, Vera Molnár, Manfred Mohr, Refik Anadol, Sougwen Chung ## 1.6 建筑 / 空間形態 - Zaha Hadid, Bjarke Ingels (BIG), Thomas Heatherwick, Olafur Eliasson - 現代大師：Le Corbusier, Ludwig Mies van der Rohe, Frank Lloyd Wright, Alvar Aalto, Louis Kahn - 當代與高技：Norman Foster, Renzo Piano, Herzog & de Meuron, OMA/Rem Koolhaas - 日本與拉美：Tadao Ando（安藤忠雄）, SANAA（Sejima & Nishizawa）, Kengo Kuma（隈研吾）, Kenzo Tange（丹下健三）, Lina Bo Bardi, Luis Barragán ## 1.7 工業 / 硬件設備設計（產品語義、細節與材質） - Dieter Rams（Braun）, Jony Ive（Apple）, Naoto Fukasawa（無印良品）, Jasper Morrison - Marc Newson, Yves Béhar, Hartmut Esslinger（frog）, Raymond Loewy, Richard Sapper（ThinkPad） - Charles & Ray Eames（Eames Office）, Sori Yanagi, Kenji Ekuan（龜甲萬壺/新干線語義） - Nendo（Oki Sato）, Philippe Starck, F. A. Porsche（Porsche Design）, James Dyson - Teenage Engineering（Jesper Kouthoofd）, Susan Kare（界面圖標語義） --- # 2. 轉譯而非模仿（必須遵守） ## 2.1 可轉譯特征（示例） - 版式：非對稱分欄、超大標題、網格秩序與"破格"、分鏡式章節標題 - 色彩：高對比撞色、三原色幾何、工業警示條、漸變/光散射 - 形態：曲線切割、體塊疊合、模塊化卡片、紙感與細微紋理 - 動態：200–300ms 的入場/勾勒/滾動反饋；支持 `prefers-reduced-motion` 的靜態回退 - 語義：極簡圖形符號、變量字體軸（字重/寬度小幅過渡）、數字/指標的等寬排版 ## 2.2 禁止事項 - 不復刻具體作品的構圖、配色、字體組合、標語或品牌元素 - 不生成與原作高度相似的頁面布局或元素組合 ## 2.3 交付寫法 - "來自 {姓名} 的啟發 → 頁面實現：{具體可編碼做法}；

這套提示詞的核心是：通過藝術家/設計師的風格啟發，讓AI對現有設計進行創意性優化，而不是簡單的"調色"或"改字體"。

二、真實測試：用AI論文生成展示網頁

測試場景很簡單：我找了一篇Air Street Capital 最近出的313頁的關于AI現狀的研究PDF《State of AI Report》，我已經在各種AI群聊里看到這個pdf文檔的傳播了，但我很懷疑這中間有沒有1%的人能把這個全英文pdf讀完

所以，我的需求是讓AI幫我把這篇報告總結生成網頁，要求設計出色、信息呈現清晰。

這是一個非常典型的真實場景：你有內容，需要快速做一個展示頁面。

我分別用Claude 4.5和GLM-4.6，配合上面的兩套提示詞進行測試。

第一輪測試：從0到1生成網站

測試方式：

• 使用「網站生成」提示詞
• 上傳這篇AI研究報告（這個pdf太大了，超過了32M，cc無法讀取，所以我事先轉成了md文件）
• 要求生成一個展示論文內容的網頁

Claude 4.5的表現：

Claude的執行流程還算完整：

1. 1.讀取了文檔，做了核心內容分析
2. 2.設計了頁面的信息架構
3. 3.從設計師池中采樣了Josef Müller-Brockmann（瑞士網格系統）和Massimo Vignelli（現代主義大師）
4. 4.生成了一個單獨的HTML文件（995行），包含所有HTML/CSS/JS代碼

生成的網頁設計質量不錯，有明顯的現代主義風格，網格系統運用得當。但有幾個問題：

• 沒有按提示詞要求撰寫PRFAQ：直接跳過了產品經理的逆向工作法環節
• 沒有輸出PRD文檔：提示詞要求的需求洞察、優先級劃分等步驟被省略了
• 代碼組織方式：所有代碼混在一個HTML文件里，不太符合工程化規范

最后得到的網頁表現如下

GLM-4.6的表現：

GLM-4.6的表現讓我有點意外。它非常嚴格地遵循了提示詞的每一個步驟：

1. 1.完整的產品經理流程：
   • 撰寫了詳細的PRFAQ文檔（包括問題分析、解決方案、目標用戶、功能特性、獨特價值）
   • 輸出了完整的需求清單和使用場景分析
2. 2.設計師流程：
   • 從池中采樣了John Maeda（計算美學）和Zaha Hadid（流體建筑）
   • 給出了清晰的"靈感→網頁實現"轉譯說明
   • 設計了完整的設計系統：色彩方案、字體系統、組件清單、響應式斷點
3. 3.工程化的代碼實現：
   • 分離的HTML、CSS、JS文件（index.html、styles.css、script.js）
   • 還額外創建了README.md說明文檔

生成的網頁質量也很高，深藍色+青色+橙色的配色很有科技感，信息層級清晰，交互細節豐富。

無提示詞加成情況下Claude 4.5的表現：

當然，從更科學的角度來說，除了對比用了復雜結構化提示詞下Claude 4.5和GLM-4.6之外，我們還需要至少測一下不額外添加提示詞的情況下，Claude 4.5的自然表現。

Emmm... 下面就是沒用我這套提示詞情況下

第一輪小結：Claude 4.5 >= GLM-4.6 >>> 無提示詞加成的Claude 4.5

在這一輪，我覺得Claude 4.5 和 GLM-4.6各具特色：

• 最終的視覺表現我更喜歡Claude 4.5，網頁結構非常清晰，把報告主要模塊都涉及到了
• 但執行過程上，GLM-4.6表現出了更嚴格的指令遵循能力：完整執行了產品經理→設計師→工程師的完整流程
• 在如果不做特殊提示詞要求，Claude 4.5 會給你鏟出一個信息量巨大，但在設計上重點毫不突出，紫色背景AI感滿滿的頁面，實在是原輸前兩者的表現。

這一輪測試讓我意識到：好的提示詞+好的模型，真的能激發出遠超預期的能力。

第二輪測試：設計優化

測試方式：

• 把第一輪Claude生成的網頁代碼作為基礎
• 使用"網站優化"提示詞
• 要求進行設計升級

Claude 4.5的設計

GLM-4.6的設計

第二輪小結： GLM-4.6 >= Claude 4.5

Claude和GLM在設計優化這個任務上都展現了很強的創意能力，兩者都在風格轉變上很大膽。以及在設計靈感的深度轉譯上可以看出貫徹得很徹底，比如GLM-4.6采用了電影人和現代主義信息設計大師的風格。

下面是GLM-4.6執行我的網站設計優化提示詞的思考過程。

從我個人喜好來說，我更喜歡GLM-4.6提供的簡約又特別的感覺，你完全感受不到這居然是在沒有設計師的情況下，純由AI寫出來的。

不過我也得說，首先這種視覺審美的偏好有一定的主觀性，你可能并不認同。以及，因為我們的提示詞特別，每次生成新網站或者網頁改版的過程都很像抽卡，也可能只是這次GLM-4.6抽出了我更喜歡的卡。

但這些都不重要，問題的核心：
1）這套提示詞能夠讓AI寫出足夠出色，且豐富多樣的設計風格；

2）GLM-4.6在提示詞理解和指令遵從上有相當出色的表現。

但總的來說，無論是代碼質量、設計審美、還是對需求的理解，GLM-4.6和Claude 4.5都已經站在了同一水平線上。

提示詞質量比模型選擇更重要

這次測試最大的收獲是：一個精心設計的提示詞，能讓GLM-4.6生成遠超預期的結果。

像我前面所展示的，如果我只是簡單地說"幫我做個展示AI報告的網頁"，GLM-4.6和Claude的輸出可能都會差強人意。但當我提供了完整的工作流程、設計靈感池、技術要求后，GLM-4.6的表現就會質的飛躍。

這也是為什么我在文章開頭就說：會用比選什么更重要。

那么問題來了：如果能力這么接近，為什么還要選GLM-4.6？

答案很簡單：性價比。

三、性價比才是王道

我們來看看實際的價格對比：

Claude 4.5：通過Anthropic官方API：輸入$3/百萬tokens，輸出$15/百萬tokens；如果你用Claude Pro訂閱：每月$20-$200，使用次數限制越來越嚴。

GLM-4.6：GLM Coding Plan：￥20/月 起，性價比遠優于Claude Pro，你可以通過下面智譜的官方營銷圖片查看套餐對比信息

簡單算一下就能知道，在同等用量水平下，Claude 4.5 和 GLM-4.6 價格幾乎相差10倍以上，而能力差距呢？從我的實測來看，GLM-4.6能達到Claude 4.5的90%+能力，在某些任務上甚至更強。

這個性價比，對開發者意味著什么？

意味著你可以放開手腳做產品了。

以前用Claude做AI編程，你可能會想："這個需求要不要優化一下prompt，節省點tokens？" "這個功能要不要簡化一下，減少API調用次數？"

現在用GLM-4.6，這些顧慮基本可以打消了。

你可以：

• 用更復雜的提示詞，獲得更好的輸出質量
• 做更多的迭代和優化，而不用擔心成本
• 把AI編程能力集成到你的產品中，不用擔心用戶量上來后API費用爆炸

這才是GLM-4.6真正的價值：讓AI編程從"謹慎試用"變成"放手去做"。

四、最佳實踐：Claude Code + GLM-4.6

說了這么多，具體怎么用呢？

我的建議是：用Claude Code這個產品，但配置GLM-4.6作為底層模型。

為什么這么組合？

1、Claude Code是目前體驗最好的AI編程工具：它的任務規劃能力、多文件編輯能力、終端集成，都做得很出色

2、GLM-4.6的API完全兼容Anthropic格式：可以無縫接入Claude Code

3、這個組合兼顧了體驗和成本：最好的工具+最具性價比的模型

下面是完整的配置教程：

Step 1: 安裝Claude Code

比較建議你通過Cursor、Trae等AI IDE進行安裝（這樣出問題的話，你也可以讓AI幫你解決）

打開下方的終端界面，輸入以下代碼：

npm install -g @anthropic-ai/claude-code

回車之后，如果你電腦中還沒安裝Claude Code的話，就會進入安裝的步驟。如果你已經安裝了，則會出現和我類似的界面，獲得相應的版本更新。

萬一出現了報錯提醒，你也可以把錯誤信息復制給Cursor等IDE的對話框，讓他幫你解決問題。

安裝完成后，可以運行claude命令驗證安裝成功。

Step 2: 獲取GLM-4.6 API Key

1. 1.訪問智譜AI開放平臺：https://bigmodel.cn/usercenter/proj-mgmt/apikeys
2. 2.注冊/登錄賬號
3. 3.創建并復制API Key

新用戶會贈送一定額度的免費tokens，足夠你測試使用。如果要長期使用，建議訂閱GLM Coding Lite（可以先從 ￥20/月 套餐開始，我現在就是用的這個套餐）：https://zhipuaishengchan.datasink.sensorsdata.cn/t/2w

Step 3: 配置Claude Code使用GLM-4.6

Claude Code支持自定義模型配置。你可以直接在終端里通過以下代碼講Claude Code調用的API URL改成智譜的：

export ANTHROPIC_BASE_URL="https://open.bigmodel.cn/api/anthropic" export ANTHROPIC_AUTH_TOKEN="你上一步獲取到的智譜api_key" Claude

不過呢，如果你像我一樣，會比較頻繁地同時使用Claude訂閱版的Claude Code，又要使用GLM-4.6的Claude Code，不想每次都要在終端這么復雜輸入的話，還有個我自己常用的小技巧。

那就是：使用shell別名快速切換模型

對于macOS/Linux用戶，編輯~/.zshrc（或~/.bashrc）文件，在最后添加以下內容：

# 使用智譜 AI 模型的 ClaudeCode glm() {     exportANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic     exportANTHROPIC_AUTH_TOKEN=你的GLM-4.6_API_Key     exportANTHROPIC_MODEL=GLM-4.6     claude --dangerously-skip-permissions "$@" }

保存之后，你只需要在終端輸入`glm`就可以直接使用GLM-4.6模型的Claude Code了，非常方便。

如果你在配置過程中遇到任何問題，或者對上面的步驟不太理解，有個更簡單的方法：直接讓AI幫你配置。

打開Cursor、Trae或任何你熟悉的AI IDE，把這部分教程內容復制給AI，告訴它："幫我完成Claude Code + GLM-4.6的配置"。AI會逐步引導你完成所有操作。

這就是AI時代的好處：連學習使用AI工具，都可以讓AI來教你。

五、寫在最后：聚焦做產品，而非糾結工具

現在AI編程領域有個很有趣的現象：很多人花大量時間研究"哪個模型在某個benchmark上領先0.5%"，卻很少真正用AI做出過什么產品。

就像我在文章開頭說的：現在頂級AI編程模型的能力已經非常接近了，真正的差距在于會不會用。

從我的實測來看：

• Claude 4.5和GLM-4.6在實際編程任務中的表現難分伯仲
• GLM-4.6的性價比是Claude的10倍以上
• 配合好的提示詞，兩個模型都能做出高質量的產品

所以，我的建議是：

不要把時間花在"哪個模型更強0.1%"的糾結上，應該把精力放在：用這些工具快速做出好產品。

這是最好的時代：

• 有Claude Code這樣體驗出色的AI編程工具
• 有GLM-4.6這樣能力強悍、價格親民的模型

在有這么好的選擇的情況下，就不要再費力干麻煩的事了。

選個性價比高的模型，配上好的提示詞，然后去做你想做的產品。

這才是AI編程的正確打開方式。