Guida alla creazione di competenze gratuite con GLM5 e le capacità di Claude/Codex

GLM-5 è l'ultimo modello MoE di Zhipu, con un totale di 744B parametri (40B attivi), un significativo aggiornamento rispetto ai 355B di GLM-4.5, con dati di pre-addestramento aumentati a 28.5T token. Progettato specificamente per l'ingegneria di sistemi complessi e attività di agent a lungo termine, eccelle nella codifica e nei flussi di lavoro Agentic.

Ollama cloud ora supporta glm-5:cloud, con una finestra di contesto di 198K, velocità elevata e avvio gratuito (la capacità è stata ottimizzata, inizialmente c'era una limitazione temporanea del flusso, ora è stata aumentata).

Ora ti insegnerò come ottenere gratuitamente GLM-5 + creazione di competenze

Passaggio 1: installa Ollama e scarica GLM-5

Scarica l'ultima versione di Ollama (https://ollama.com/download), assicurati che la versione supporti il modello cloud.

Accedi all'account Ollama (obbligatorio, per utilizzare il modello cloud)

Scarica il modello

ollama pull glm-5:cloud oppure direttamente

ollama run glm-5:cloud la prima volta che viene eseguito, verrà chiesto se si desidera autorizzare l'uso del cloud, accettare. Dopo il successo, puoi già comunicare direttamente con GLM-5 tramite il terminale.

La versione gratuita ha un limite di velocità, adatta per test/uso quotidiano; per un uso frequente, è possibile aggiornare il piano a pagamento.

Passaggio 2: collega con un clic l'ambiente di competenze Claude/Codex

Ollama launch consente a GLM-5 di diventare senza problemi il cervello backend di questi strumenti:

Claude Code

ollama launch claude --model glm-5:cloud oppure configurazione manuale

export ANTHROPIC_AUTH_TOKEN="ollama"export ANTHROPIC_BASE_URL="http://localhost:11434"export ANTHROPIC_API_KEY="" # Must be Empty quindi avvia

claude --model glm-5:cloud In caso di successo, vedrai una schermata di benvenuto simile alla seguente:

✦ Claude Code v2.1.xModel: glm-5:cloudContext: 198KWelcome back!Codex

ollama launch codex --model glm-5:cloudOpenClaw

ollama launch openclaw --model glm-5:cloud

Passaggio 3: crea competenze in modo efficiente in 5 passaggi

Una competenza è una cartella, il file principale è SKILL.md, che utilizza il formato Markdown + metadati YAML. Altre directory opzionali:

• scripts/: contiene script eseguibili (Python, Bash, ecc.).

• references/: documenti di riferimento, file di modello, Claude può caricarli secondo necessità.

• assets/: icone, caratteri e altre risorse.

Principi di progettazione (chiave per l'efficienza):

• Divulgazione progressiva: YAML contiene solo la descrizione principale (per consentire a Claude di determinare rapidamente se è applicabile), il corpo principale è inserito nel testo MD e i file aggiuntivi vengono caricati secondo necessità. Evita l'esplosione del contesto.

• Componibilità: le competenze devono essere compatibili con altre competenze, non presumere l'esclusività.

• Portabilità: una competenza può essere utilizzata universalmente in Claude Web, Claude Code e API.

• Integrazione MCP (opzionale): se è presente un server MCP (Managed Claude Platform), è possibile migliorare la chiamata di strumenti della competenza (come l'accesso API).

Suggerimento efficiente: inizia con casi d'uso semplici. Scegli 2-3 attività di programmazione che ripeti ogni giorno (come "genera un modello di API REST" o "debugga errori Python"), evita di creare competenze complesse fin dall'inizio.

Usa Claude Code stesso per aiutare a costruire (tecnica di meta-competenza: lascia che Claude ti aiuti a generare la struttura della competenza). Esegui claude --model claude-4-opus (o GLM5) nel terminale, quindi costruisci in modo conversazionale.

1. Pianifica casi d'uso e struttura

• Obiettivo chiaro: ad esempio, "crea una competenza per aiutare a generare un'architettura API Flask Python efficiente, inclusi routing, gestione degli errori e modelli di test."

• Brainstorming con Claude Code: inserisci /plan o dì direttamente "aiutami a pianificare una competenza di generazione API Flask, inclusa la struttura YAML e MD." Claude produrrà una bozza.

• Tecnica efficiente: specifica "mantieni la semplicità, YAML < 200 parole, MD < 1000 parole". Registra le decisioni chiave, come i parametri di input (ad es. elenco di endpoint API) e il formato di output (file JSON o di codice).

2. Crea la cartella della competenza

• Crea una nuova cartella in ~/.claude/skills/ (percorso predefinito), come flask-api-generator.

• Crea SKILL.md, aggiungi il prefisso YAML:

---name: Flask API Generatordescription: Generates complete Flask API structures with routes, error handling, and tests.version: 1.0author: Your Nametriggers: ["flask api", "generate rest api", "python web app"]dependencies: ["flask", "pytest"] # Optional, Claude will check the environment---- Tecnica efficiente: usa le parole trigger (triggers) per consentire a Claude di scoprire automaticamente la competenza. Evita descrizioni generalizzate, concentrati su scenari specifici.

3. Scrivi le istruzioni principali (testo MD)

• Scrivi passaggi dettagliati dopo YAML:

## Passaggio 1. Chiedi all'utente le specifiche dell'API: endpoint, metodi, parametri.2. Genera app.py: contiene l'app Flask, il routing e la gestione degli errori di base.3. Genera tests.py: unit test utilizzando pytest.4. File di output: salva nella directory corrente con il comando /write_file.## Esempio di input- Utente: genera un'API di gestione utenti, inclusi GET /users e POST /users.## Best practice- Usa sempre suggerimenti di tipo e docstring.- Dai la priorità alla sicurezza: aggiungi la convalida dell'input.- Aggiungi esempi di script: inserisci generate_routes.py in scripts/, Claude può chiamarlo.

• Tecnica efficiente: usa passaggi numerati + esempi. Durante il test, lascia che Claude "simuli l'esecuzione": dì "usa questa competenza per gestire un'attività di esempio", itera per ottimizzare.

4. Aggiungi componenti opzionali

• Script: come script Python per automatizzare parte della logica (ad es. usa Jinja2 per generare modelli). Claude può eseguire tramite /run_script.

• File di riferimento: inserisci references/best_practices.md, descrivi le specifiche di sicurezza di Flask.

• Risorse: come il file di modello assets/base_app.py.jinja.

• Tecnica efficiente: aggiungi solo gli elementi necessari. L'80% delle competenze ha bisogno solo di SKILL.md. Gli utenti MCP possono integrare strumenti esterni (come la connessione al database).

5. Test e iterazione

• Carica la competenza: inserisci /load_skill flask-api-generator in Claude Code o lascia che la scopra automaticamente.

• Test: inserisci l'attività trigger, osserva l'output. Controlla l'utilizzo del contesto (usa /context per vedere se è sovraccarico).

• Iterazione: se fallisce, usa l'idea di "Heal Skill" (tecnica della community): analizza l'errore, aggiorna MD (come aggiungere il passaggio "gestisci la dipendenza mancante").

• Tecnica efficiente: usa test di dialogo multipli. Registra i log: /log on acquisisce l'interazione, facilitando il debug.