一句话做出会下五子棋的 AI：Claude Code × 蓝耘 GLM-5.2 实战

蓝耘元生代云官网：蓝耘元生代云AIDC OS

用 Claude Code 接蓝耘元生代的 GLM-5.2，靠一句话 + 几条验收标准，让它自主做出一个真能对弈、还会动脑子下棋的五子棋。全程可复现，附提示词、执行轨迹、token 消耗与踩坑记录。

写在前面

最近"一句话让 AI 实现什么什么"这种玩法很火——听着像吹牛。我手头正好有 Claude Code 和蓝耘元生代的 GLM-5.2，就想着实测一把：不写一行代码、只给一句话，国产栈到底能不能整出个真能下、还下得有来有回的五子棋 AI？

结论先放：能。 而且过程比结果更有意思——GLM-5.2 不是"啪"地甩一坨代码给你，而是像真有个程序员坐你旁边：先摸环境、再列步骤、写完自己验、还能主动回头优化。这篇文章就是把这个过程拆给你看。

一、效果展示

光说不练假把式，先上成品——下面这个五子棋，是 Claude Code 接蓝耘 GLM-5.2，靠一句话提示词自主写出来的，全程我没动一行代码：

几个关键数字（实测，跑完后填）：

指标	数值
耗时	约 3-5 分钟
生成代码	8 个文件，+649 行
拆解子任务	5 个，5/5 全部完成
Token 消耗	89K
自验证	node --check 通过
额外优化	主动移除在线字体依赖

一句话、一个国产栈、一个能跟你对弈的五子棋 AI。想知道它怎么一步步做到的？下面从选型、接入、提示词到实战过程，拆给你看。

---

二、为什么选择蓝耘 MaaS

做个五子棋听着像个"小活儿"，但我对"模型在哪儿跑"其实挺挑的——Claude Code 是 Agent，一个任务要连发几十次请求，平台要是不稳、延迟高、或者贵，体验直接崩。挑来挑去落在蓝耘元生代 MaaS，理由有这么几条：

1. 自研算力 + 网关，双底座 蓝耘不是那种"转售别人 API"的中间商——它自己在内蒙、新疆等地建了智算中心，液冷 + 高端 GPU 集群是自家的，上面再套一层大模型统一网关。好处很直接：延迟和吞吐自己说了算，不被上游卡脖子；某条线路抖动了还能秒级切换、业务无感。官方口径是 99.9% 可用率、平均延迟 <100ms。

2. 一个 Key，调 50+ 主流模型 DeepSeek、Qwen、GLM、Kimi、MiniMax，包括海外的 Claude、GPT、Gemini，50 多个模型挂在同一个网关后。换模型就是改一行配置，不用挨家注册、挨家拿 Key。我这次用 GLM-5.2，回头想对比 DeepSeek，改个模型名就行——这也是我能轻松做三模型横评的前提。

3. Anthropic + OpenAI 双兼容端点（对 Claude Code 最关键） 这条对用 Claude Code 的人最要命。Claude Code 说的是 Anthropic 协议（/v1/messages + x-api-key），而市面上多数平台只给 OpenAI 端点，你得自己搭一层 claude-code-router / LiteLLM 做翻译——多一个进程、多一个故障点、多一份延迟。蓝耘直接给了 Anthropic 兼容端点，Claude Code 填三个环境变量就直连，零翻译层。

4. 智能路由 + 高可用 网关层带场景化路由（按对话/代码/长文本等任务类型自动分模型）、跨模型熔断降级（某家挂了自动切备用）、负载均衡。对 Agent 这种"连发几十次、最怕中途 5xx"的场景，稳定性比单项跑分更值钱。

5. 成本可控：缓存 + 按量计费 按 token 计费，还有 Prompt 缓存 + 语义去重，官方说能砍掉 30%+ 的重复调用成本。我实测过，显式开启缓存后 Qwen3.7-Plus 稳定命中 98%、GLM-5.2 也能命中——Claude Code 每轮重发那一大坨上下文，缓存这块省下的最实在。

一句话：要长上下文模型、要 Agent 稳定跑、要便宜，蓝耘这几条都占。这也是我拿它来做五子棋这种长程任务的理由。

三、为什么选择 GLM-5.2 模型

很多人觉得"做个五子棋"是简单活儿，其实对 AI 来说真要做好，是个标准的长程任务：

• 要规划：先想清楚棋盘、落子、判胜、AI、UI 怎么拆；
• 要编码：写完几个部分，逻辑还得互相咬合；
• 要自检：跑语法检查、实际下一盘看有没有 bug；
• 要优化：发现 AI 乱下、或页面离线打不开，回头修。

这种活儿最怕模型"上下文一长就忘事"——前一步说好的规则，写到后一步就变了。GLM-5.2 的两张王牌正合这个活儿：

• 1024k 超长上下文：让"规划→编码→自检→优化"这种长程任务在一个上下文里一口气跑完，中间不用你反复喂；
• Agentic 工程能力：它擅长多步骤、带工具调用的任务，会自己读文件、跑命令、回头改，而不是吐完代码就撂挑子。

平台我选了蓝耘，模型我挑了 GLM-5.2——这对组合，正好够做一个能自主闭环的五子棋。

四、动手前：5 分钟把 Claude Code 接上蓝耘

第一步：创建Api Key

打开蓝耘元生代 MaaS 官网，到蓝耘元生代 MaaS 控制台注册登录、创建 API Key。

第二步：下载Claude code。Claude Code 安装前需已安装 Node.js、Git。

1. 安装 Node.js（核心依赖）
   1. 要求： 版本号必须 ≥ 18。
   2. 操作： 前往 Node.js 官网，下载并安装 LTS（长期支持）版本。
   3. 验证： 打开你的终端（Windows 的 CMD/PowerShell，或 Mac 的 Terminal），输入 node -v 和 npm -v。如果能正确返回版本号，则说明安装成功。

2. 安装 Git
   1. 安装 Git，下载 Git for Windows：git-scm.com/install，默认选项安装即可。
   2. 验证安装：git --version，输出版本号表示成功。

3. 安装 Claude code
   1. **Claude Code** 有两种安装方式，个人比较推荐使用 **npm** 进行安装。

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

2. 验证安装：claude --version

**第三步：**配置 Claude code

**方式一：**直接改 ~/.claude/settings.json 的 env 字段配置模型即可。

方式二：使用第三方软件，这里我推荐CC Switch，可以一键配置、切换 Claude code、Codex 等Ai工具的配置文件，还可以一键配置Mcp、Skills，非常方便。

**五、提示词：一句话 + **三个验收标准

很多人以为用 AI 编程要写很长的提示词。这个活儿厉害就厉害在一句话足以。

创建一个智能五子棋游戏，让玩家与能够进行策略性落子并准确判断胜负的算法对战。

就这一句。注意它里面其实埋了三个验收标准，这也是为什么它生成的 AI 不平庸：

1. “策略性落子” → 不是随机下，要有评估
2. “准确判断胜负” → 四个方向连五判定必须对
3. “对战” → 人机回合流程要闭环

模糊输入 = 糊弄输出。哪怕一句话，也要把验收标准钉死。

六、实战过程：GLM-5.2 是怎么干的

第一步：先摸底，不盲目写

GLM-5.2 没有上来就写代码，而是先探索环境——看目录、看 git 状态，判断"空项目，从零做"还是"有现成代码，接着改"。它会先理解现状，再决定策略，而不是无脑输出。

第二步：列步骤，不是一坨

按提示词要求，它先列出实现步骤：

第三步：从零生成代码

它开始写文件，边写边在终端执行：

第四步：自验证

写完它自己跑 node --check 或实际点开看：

第五步：完成

长任务一个上下文跑完：得益于 GLM-5.2 的 1M 上下文 + 自研 Agent 内核，五子棋这种"规划→编码→验证→优化"能在一个任务里闭环，不用我中途反复喂上下文。

七、蓝耘的价值：成本与缓存

第一节讲了蓝耘的产品面，这里看一笔实账。一个五子棋跑下来烧多少 token？。按蓝耘 GLM-5.2 的定价（输入 8 元/百万、输出 28 元/百万），粗算这次成本约几毛钱。

我在之前就测过，GLM-5.2 在显式 cache_control 下能命中缓存。像 Claude Code 这种每轮重发大上下文的场景，缓存能省一笔。

八、踩坑 + 提示词技巧

• 提示词太短/模糊时，它拆的步骤可能不是你想要的 → 先让它列步骤、你确认再执行，别让它闷头跑；
• 它偶尔第一版有 bug（比如胜负判定漏了某个方向）→ 靠"自检 + 你实际下一盘"双重验证；
• token 烧得比想象快 → 长任务勤看用量看板。

通用提示词技巧（这些是稳的）：

1. 一句话也要塞验收标准（把形容词当硬约束）；
2. 显式要求它自验证（“写完 node --check，报错就修”）；
3. 复杂任务先让它列步骤、确认再执行；
4. 给"完成定义"（比如"我要能双击 html 直接玩"）。

总结

回到开头那个问题：一句话，Claude Code + 蓝耘 GLM-5.2，能不能整出个会下棋的五子棋？能，而且它不只是"写出来"，还会自己验、自己改、自己优化。

这次最打动我的，不是"X 分钟 X 行代码"这个数字，而是 GLM-5.2 那种**“对完成有更高标准”**的姿态——写完会自检，发现不对会回头修，这正是一个长程 Agent 该有的样子，也是它 1024k 长上下文 + Agentic 训练落在实处的价值。

而这一切，都建立在蓝耘元生代这个统一网关上：一个 Key、Anthropic 直连、GLM-5.2 即开即用。国产栈做 AI 编程，已经能打。

转载自 CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/qq_57761637/article/details/163559594