GLM-5最具破坏力的玩法来了！结合CC新出的Agent Teams，解锁Vibe coding终极形态！

就在10小时前，智谱AI正式发布了其年度旗舰模型GLM-5。

当大多数人还在测试它的单点逻辑推理能力时，敏锐的开发者已经发现了一个更具破坏力的玩法：将GLM-5的高密度思维模型注入到Anthropic最新推出的Claude Code Agent Teams架构中。

拥有一个GLM-5已经足够让人兴奋，但如果让GLM-5自己去“拉一支队伍”呢？

这就是Agent Teams的核心魔力。在这一模式下，您不再是和一个单独的AI对话，而是作为CTO指挥一个由GLM-5驱动的工程团队。它们不再是机械执行指令的“单线程工兵”，而是能够：

• 自主组队：根据任务需求，Lead Agent会自动生成负责后端的工程师、负责前端的架构师，甚至是一名专门找茬的QA。
• 网状协作：这与我们熟知的Sub Agent完全不同。它们可以直接通过Direct Messaging互相交流接口定义，甚至在Shared Task List中抢单、互相Code Review、激烈辩论架构方案。

看着屏幕上的 tmux 窗口自动切分，多个GLM-5智能体在各自的终端里并行狂飙代码，互相修正错误，这才是Andrej Karpathy所描述的Vibe Coding的终极形态。您提供意图，AI提供组织力。

而在过去，这种“全自动软件工厂”的唯一阻碍是昂贵的Token成本。但随着智谱 这种“全自动软件工厂”在此之前的唯一阻碍是昂贵的Opus4.5 Token成本。但随着智谱GLM Coding Plan及一众高性价比套餐的推出，其极具竞争力的推理成本让这一切不再是大厂实验室的特权。现在，您可以用一杯咖啡的价格，雇佣这支硅谷级别的全功能开发团队。

什么是Agent Teams？

Agent Teams是Claude Code最新引入的一种多智能体编排架构。

在此架构中，单一的LLM会话被扩展为一个组织（Organization）。系统由一个Lead Agent（团队负责人） 和多个Teammates（团队成员） 组成。

• 核心逻辑：Lead Agent负责任务拆解、人员分配和最终验收；Teammates负责并行执行具体的工程任务。
• 并行计算：与人类团队一样，前端和后端开发可以同时进行，极大地压缩了端到端（End-to-End）的交付时间。

技术原理：Mesh网络与独立上下文

Agent Teams的运作基于三个核心技术支柱，这些设计彻底解决了长上下文带来的“大模型幻觉”和“注意力耗散”问题。

独立上下文窗口 (Independent Context Windows)

这是最关键的技术突破。每个Teammate都是一个独立的系统进程，拥有完全隔离的Context Window。

• 优势：负责编写SQL的Agent虽然拥有项目基础知识，但不会受到前端CSS相关对话历史的干扰。这使得每个Agent都能保持极高的专注度。

网状通信 (Mesh Communication)

区别于传统的星型拓扑（所有信息必须汇总给中心节点），Agent Teams采用网状结构。

• 机制：Teammate A可以直接向Teammate B发送消息，告知API接口的变更，而无需Lead Agent进行中转。
• 实现：系统底层维护了一个Mailbox（消息信箱），支持Teammate间的直接消息投投递和广播。

共享任务系统 (Shared Task System)

团队协作的基础是一个存储在本地的JSON任务列表。

• 文件锁 (File Locking)：为了防止竞态条件（Race Conditions），系统实现了文件锁机制。当Agent A认领（Claim）了一个任务时，该任务会被锁定，防止Agent B重复劳动。
• 依赖管理：任务具有依赖关系。只有当前置任务（如“设计数据库Schema”）完成后，后续任务（如“编写ORM代码”）才会解锁进入“待处理”状态。

技术对比：Agent Teams vs. Subagents

Claude Code中存在两个易混淆的概念：Subagents（子智能体）和Agent Teams（智能体团队）。理解二者的区别对于选择正确的工具至关重要。

如果您需要快速完成一个明确的子任务（如“搜索这个错误代码”），使用Subagents。如果您需要进行复杂的系统重构或多角度分析，请使用Agent Teams。

利用Tmux开启“上帝视角”

如果您渴望体验Agent Teams最核心的视觉冲击力，即文章开头演示的那样，看着多个智能体在各自的窗口中并行编写代码——单纯使用系统自带的终端（Terminal）是不够的。Claude Code默认处于“自动检测”模式：如果它发现自己没在Tmux里，就会降级为单窗口滚动显示（In-process Mode）。

要激活真正的“指挥中心”视图，您必须显式地引入Tmux (Terminal Multiplexer)。Claude Code同样支持通过iTerm2 集成实现分屏。这里主要演示tmux。

为什么是Tmux？

Claude Code并没有重新造轮子去写一套GUI，而是利用了Unix哲学中强大的Tmux作为显示引擎。Claude主进程通过集成接口调用Tmux或iTerm2的分屏能力，动态地切割（Split）面板。

安装Tmux (Geek's Setup)

请根据您的操作系统完成安装：

• macOS用户: Bashbrew install tmux
• Linux用户: Bashsudo apt update && sudo apt install tmux
• Windows用户: 推荐启用WSL 2并安装Ubuntu发行版，然后在WSL中执行 sudo apt install tmux。

正确的启动姿势 (The Workflow)

切记：直接在终端运行 claude 无法触发分屏。请严格遵循以下“两步走”流程：

1. 第一步：启动复用器 在终端中输入 tmux 并回车。 此时屏幕底部会出现一条绿色的状态栏，标志着您已进入Tmux会话。
2. 第二步：唤醒Claude 在Tmux会话内部，输入 claude 启动程序。 当您创建一个Agent Team时，Claude会自动接管Tmux，将窗口切割（Split），把不同的智能体分配到独立的面板中。

掌控您的控制台 (Cheatsheet)

在分屏模式下，键盘流操作效率最高。Tmux的所有指令都需要先按前缀键 (Prefix Key)，默认为 Ctrl + b。

• 切换视角 (Navigate):
• Ctrl + b 松开，按 o：顺时针轮询切换下一个智能体窗口（盲操作必备）。
• Ctrl + b 松开，按 q：显示每个窗口的数字编号，按对应数字跳转。
• 聚焦细节 (Zoom):
• Ctrl + b 松开，按 z：将当前选中的智能体窗口最大化，再次操作恢复全景。
• 回溯历史 (Scroll):
• Ctrl + b 松开，按 [：进入复刻模式，使用方向键查看该Agent的历史输出。

如何启用与配置

由于目前是实验性功能，您需要手动配置才能开启。

第一步：开启实验性标记

找到配置文件（~/.claude/settings.json）或直接设置环境变量：

命令：

nano ~/.claude/settings.json

JSON

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

第二步：下达指令

启动Claude Code后，直接使用自然语言指令就可以让GLM-5开始组队了！

Prompt示例： "创建一个agent team，并行review这个代码库：一个专注安全、一个专注性能、一个专注测试覆盖率；每个人给出结论与可执行修改点。" 或者 "我需要为一个新的待办事项应用搭建原型。请创建一个Agent Team，包含一名负责React前端的工程师，一名负责Node.js后端的工程师，以及一名负责编写测试的QA。请并行开始工作。"

踩坑

我在运行时踩到一个坑，具体来说我遇到了子终端报Error 400的问题

原因是Agent Teams的split-pane（tmux）模式本质是启动多个独立claude进程，这就导致只在leader进程生效的配置（临时export、alias/wrapper、旧tmux环境）不会自动落到tmux新终端里。并且tmux的环境变量有“服务端环境”概念：在一个主终端里export，不等于tmux server会把它带给新分支终端；需要tmux setenv -g ... 或配置update-environment。于是就出现了leader用的是GLM（因为leader进程拿到了ANTHROPIC_BASE_URL / AUTH_TOKEN / 映射），但新开的子终端，也就是小队成员没拿到这些，或没拿到模型映射，导致它用默认用了Claude code的“Opus 4.6或者Sonnet”等模型名去访问GLM coding-helper配置的第三方Anthropic-compatible endpoint，直接被回400 invalid_model。

如果你也碰到了这种情况，我用了以下方案解决，供你参考：

打开~/.claude/settings.json，命令：

nano ~/.claude/settings.json

将现有内容替换为以下内容：

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1",
    "ANTHROPIC_AUTH_TOKEN": "你的_zai_api_key",
    "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic",
    "API_TIMEOUT_MS": "3000000",

    "ANTHROPIC_DEFAULT_OPUS_MODEL": "GLM-5",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "GLM-5",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "GLM-4.5-Air"
  }
}

然后Ctrl+x Y回车保存，大概率就会解决问题。

总结

Agent Teams是AI辅助编程从“结对编程（Pair Programming）”向“团队工程（Team Engineering）”进化的里程碑。

通过引入Tmux进行可视化编排，利用独立上下文解决记忆瓶颈，再配合GLM-5极具性价比的推理算力，我们终于可以在本地跑起一个真正的软件开发团队。这不是简单的工具升级，这是Vibe Coding的完全体。趁现在还热乎，赶快去试试吧！

文章来自于微信公众号 "AI修猫Prompt"，作者 "AI修猫Prompt"