ZCode大更新！GLM最佳Harness隆重登场！
今天，GLM5.3上线了，最值得关注的就一条，在内部自建体感评测中较GLM-5.2提升50%，在包括Terminal Bench 3.0、Agents' Last Exam (CLI)在内的公开基准测试中取得开源第一。
不过老金今天更想说的是Zcode，8月11号，ZCode发了条消息：用户数到一百万，Goal、Subagents、Remote Control、闲时任务四个能力一起上线，同一天下午1点，GLM Coding Plan全体用户的额度重置了。
本来我以为，又是一次常规大更新，直到我这两天试过之后，感觉还是要来说说，Zcode的在我的使用频率中，在逐步提升。
图片加载中…
最新的感受是，瓶颈慢慢不在模型够不够聪明了。在成本够不够低，和你敢不敢把整个复杂活交给它自己跑完。
这次更新，动的就是这两件事。
关于重置这件事儿
用户破百万直接重置额度，这事我第一眼就想到了Codex的Tibo。
这哥们已经快把Reset玩成固定节目了。用户涨了发，Bug修了发，新模型上了也发，圈里甚至有人叫他“Reset之神”，包括我在内一帮开发者开玩笑叫他“义父”。
图片加载中…
看着是在发福利，其实也是个增长飞轮：额度一发，老用户回来跑重活，结果往社媒一晒，新用户看见真能干活，也跟着进来。
官方还没明确说以后还是不是这样，不过有前车之鉴，如果真这样，想想都很爽了。
缓存命中率
只重置一次额度，花着花着还是会没，真正决定你那份额度能撑多久的，是缓存。
比如你可以看看自己的统计，在我的个人主页上你可以获取个插件来自动统计，比如我今天的就这样，大家也其实都是这样。
图片加载中…
做长任务的时候，AI会反反复复读同一堆东西，系统说明、项目文件、前面几轮的上下文，缓存要是命中了，这些重复内容就按更低的积分结算，不用每一轮都付全价。
智谱公布的数据，GLM搭ZCode，Token缓存命中率98.10%。
同一组里，Pi是95.95%，Claude Code是95.30%，OpenCode是95.17%，Cursor是95.02%。
图片加载中…
两三个点的差距，放一轮对话里你看不出来，可任务连着跑几十轮，重复上下文越攒越多，这点差距才会一点点反映到积分消耗上。
按智谱的算法，ZCode这套缓存复用，能让GLM Coding Plan的有效Token量提升差不多30%，不是账户里凭空多出Token，是同一份额度处理重复上下文时花得更省，最后能多跑几个活。
哦对了，8月31号之前，在ZCode里用GLM Coding Plan还有1.5倍的限时额度加成，官方有张图把这笔账拆得明明白白，基础额度100%，限时福利+50%，缓存优化再+30%，叠到一起整体使用量到180%。
图片加载中…
闲时任务
这是这次的新功能，你把任务交上去，不用定几点开始，ZCode会等到低峰时段自己跑，在闲时任务权益范围内，这部分不扣GLM Coding Plan的积分。
入口在这：
图片加载中…
适合那种晚几个小时拿到也不耽误事儿的活，代码库分析、补文档、查测试覆盖、理技术债，或者先跑一轮只读的风险扫描。
我会这么写这种任务：
检查当前项目最近一周的代码变更，只读，不修改文件。
给我以下结果。
1. 可能遗漏的测试
2. 文档和实现对不上的地方
3. 高、中、低三档风险清单
4. 每条结论对应的文件和证据
我自己倒是更喜欢自动化，权限全开，但要注意它可能会删除你的东西，如果你想更稳妥一些，选择变更前确认。
图片加载中…
普通定时任务你得指定晚上10点跑，闲时任务不用选时间，等资源空下来执行一次就行。
免积分也有需要注意的，只在闲时任务权益范围内成立，具体几点开工由低峰队列说了算，今晚必须上线的活，别往里塞着干等。
我特别喜欢它带来的这个变化。
以前我会问：这个活值得我花额度让AI做吗？
现在开始变成：反正闲着也是闲着，还有什么一直没空干的活，扔给它呗。
很多事情不是不会做，只是它们永远排不到今天。
Goal和Subagents
钱的问题解决了，接下来才是我以前不敢把大任务整个交给AI的真正原因。
越用AI我越觉得：让它开始干，一点都不难。难的是几个小时以后，它还记得为什么出发，并且知道什么时候才有资格回来告诉你“我干完了”。
晚上下班前，你跟AI说：“剩下的问题都修掉，测试跑完。”第二天打开电脑，它特别自信地告诉你：完成了。果测试是红的，需求漏了一条，还顺手动了一个你根本不想让它碰的模块。
这种事我真遇到太多了。
AI有时候最大的问题不是不会干，而是太容易把“我干了很多”，当成“我干完了”。
Goal就是这样，把做成什么样算结束讲清楚的功能。你先写清楚要什么结果、怎么算验收，ZCode再围着这个目标自己拆任务、改代码、跑命令、执行测试，条件没全满足，它就接着干。
这才是长任务真正难的地方。
我自己开源过一个GoalPro Skill，就是专门干这个的。
本文中我开源过的所有内容，你都可以通过 老金开源 这个合集找到以往的说明。https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzI0NzU2MDgyNA==&action=getalbum&album_id=4618960466545950723#wechat_redirect
图片加载中…
你也可以直接输入，比如这样：
/goal 完成当前版本上线前收尾。
先核对需求文档和当前实现，列出遗漏和风险。
再改掉已经确认的问题，跑相关测试。
只有差异报告完整、测试全过、支付模块没被动过，才算完成。
当你看到这个图标的时候，目标就设定成功了。
图片加载中…
我们再来说说老金我更喜欢的Subagent。我的Meta_Kim项目做的真实世界镜像映射就是这样，因为我管理层做了很多年，擅长制定目标，分派任务，以达成并行高效的制作。
目前我还没映射Zcode，不过原理一样，你可以让Zcode自行安装，等我有空时候适配一遍。
图片加载中…
ZCode自带两个内置子智能体，拿来就能用，Explore只读，负责搜代码、理调用链、攒证据，General-purpose能动手，改文件、修bug、跑命令，这俩是官方默认配置。
图片加载中…
如果你有了多个agent，搞多agent并行协作，我自己有个开源的agent team playbook，就是干这个的，它能直接调用你所有的subAgent来编排好，自动跑他们该跑的事情。
图片加载中…
这里还有个容易忽略的好处，搜索调研的活，要塞进独立上下文，主对话就不用被一堆搜索过程撑爆，注意力能留给目标、关键判断和最后验收。
总结一下：多Agent特别重要的价值，是把脏活拿出去，让真正稀缺的主上下文留给目标、判断和验收。
这其实跟真实公司越来越像。
老板不需要知道员工为了一个结论翻了多少文件，他真正需要的是：查明白了吗？证据在哪？接下来怎么办？
Remote Control管的是你离开电脑之后，有两种用法，临时用就扫个码连上，长期用可以连到微信或飞书，电脑开着，手机随时能盯进度、补指令、建任务。代码还在原来的本地、SSH、WSL或Docker里跑，不挪窝。
这部分我7月底完整写过一篇说明的文章，不明白去看那篇，直接搜Zcode就行。
图片加载中…
关于Harness的2.39%
ZCode管自己叫"GLM最佳Harness"。
Harness说白了，就是模型外面那套执行系统，管怎么读项目、怎么存上下文、怎么调工具、怎么拆任务、怎么复用缓存、怎么跑测试，最后拿什么证据判定活干完了，模型一样，外面这套系统不一样，结果就可能不一样。
GLM-5.2搭ZCode（5.3是在这个报告之后，今天刚出的），任务整体通过率比搭Claude Code高2.39%，但单个检查项通过率反而低1.22%。
这两个数字放一起，我反而觉得比“全面领先”更有意思。
它想证明的不是每一步都比别人聪明，而是几十步连续跑下来，更容易把整个活收回来。
图片加载中…
任务整体通过率，要求一项任务里所有条件全满足，检查项通过率，是每条要求分开算，ZCode完成了更多从头到尾全部通过的整任务，但在单个细分检查上没全面领先。
我的判断是，ZCode这次想证明的优势，集中在收尾。
一个任务要动一堆文件，中间跑命令、补测试、查结果，单步做对不难，难的是这些步骤连着跑下来，最后所有验收条件同时满足。
这特别像真实工作。
一个员工每天特别忙，做了几十件事，不代表最后能交东西。
真正值钱的是：事情闭环了吗？
一个真实任务可能要动十几个文件，中间查资料、改代码、跑命令、补测试。单独把某一步做对，已经不是今天AI最难的事了。
难的是几十步以后，它还记得自己为什么出发，最后所有验收条件还能同时满足。
和Claude Code、Codex比
先说清楚一件事，这组2.39%，是同一个GLM-5.2分别放进ZCode和Claude Code跑出来的。
模型没换，只换了外面那层Harness。
这其实是最好看的一组对比，因为它把模型这个变量摁住了，只比谁把GLM用得更透。
三家底子不一样，Claude Code绑死Claude，Codex绑死GPT，模型和工具焊在一起卖，ZCode是专门给GLM做的Harness，它要证明的是同一个GLM放进它这里，能多干多少活。
真正的选择，不是谁更强，是你跑哪个模型、团队已经沉淀在哪套工具上。
你跑GLM，ZCode现在能给你最高的缓存命中率和最划算的额度。
你团队已经在Claude Code里配好了一堆子智能体和Skills，那套东西是你的资产，别为几个额度搬家。
你靠Codex的云端沙箱跑大批量并行任务，那套队列是它的看家本领，ZCode现在还替代不了。
Codex没参加这组Bench，所以三家没法塞进同一张排名表硬比。
一句话，这次ZCode没想着通杀，它就想当你用GLM时的首选入口。
写在最后
这次我第一次开始认真考虑：有些活，我是不是可以真的不亲自做了？
过去我们用AI，本质上还是人在干活。
你提问，它回答，你看结果，你让它继续，它卡住，你再推一把。
AI干了很多，但那个从头到尾不能离开的人，还是你。
现在，这个关系开始变了。
以前是AI在我的工作流里，以后，可能是我只需要出现在AI工作流最关键的几个地方。
那接下来真正的问题就来了。
如果查资料可以交出去，代码可以交出去，测试可以交出去，连“继续干，直到满足条件”都可以交出去。
那人到底还应该抓住什么？
我想了半天，可能就两件事。
决定做什么，以及决定什么叫做好。前一个是方向。后一个是标准。
中间那些越来越长、越来越累、越来越消耗时间的执行过程，反而可能是最先被AI接过去的部分。
这让我突然觉得，未来真正拉开人与人差距的，可能不是谁干活更快，甚至不是谁更会用AI。
而是当执行越来越便宜以后，你有没有值得执行的目标。你有没有能力定义一个足够好的结果。
AI越能自己干活，人越不能外包的，是判断。
以前我们怕AI把人的工作拿走。现在我开始觉得，它可能先拿走的，是那些让人没空思考的工作。然后把一个更难的问题，重新扔回给你：
活我可以替你干。
但你到底想干成什么？