Z.AI發佈了一個全面的教學，向開發者展示如何使用其GLM-5模型構建生產就緒的Agent系統，包含思考模式、工具呼叫、streaming回應和多輪工作流程。教學涵蓋了從使用Z.AI SDK的基礎設定到進階功能如函數呼叫和結構化輸出的所有內容，最終構建了一個多工具Agent。值得注意的是教學的深度——它涵蓋了OpenAI相容介面、token使用追蹤，以及大多數Agent展示跳過的真實streaming實作細節。

這個教學發佈時，Agent生態系統仍在與我反覆寫過的生產就緒差距作鬥爭。雖然每個人都在談論自主Agent，但構建可靠的系統需要處理Z.AI教學誠實地解決的平凡基礎設施工作：適當的SDK整合、錯誤處理、token管理和streaming回應。Z.AI覺得有必要發佈如此詳細的指南這一事實表明，他們看到了與我們相同的模式——團隊對Agent感到興奮，但對工程現實毫無準備。

然而，教學中缺失的是關於Agent可靠性的更嚴峻真相。程式碼範例顯示了完美的正常路徑場景，但生產環境中的Agent會以創造性的方式失敗，需要廣泛的監控、回退策略和人工監督循環。Z.AI的教學對想要了解技術機制的開發者很有價值，但它沒有解決使大多數Agent部署成為負債而非資產的可靠性挑戰。

對於真正考慮Agent開發的團隊來說，這個教學很有用，正是因為它展示了涉及的工程複雜性。如果設定和基本功能需要這麼多程式碼和配置，那麼可靠Agent的操作複雜性要高出幾個數量級。將此用作現實檢查，而不是藍圖。