用了AutoClaw（智谱澳龙）整整一个月，来做一个比较完整的测评。我的使用场景：全栈开发，主要技术栈Python/FastAPI + React，项目规模中等。总体感受：功能确实强大，但也有明显短板。详细体验见下方讨论，欢迎大家补充自己的使用感受，一起给出一个客观评价。
我给AutoClaw打8.5分（满分10）。优势很明显：自主执行能力强，给它一个「实现用户权限系统」这样的任务，它能跑完整个流程包括写代码、写测试、修bug，整体完成度很高。不足是有时候会「跑偏」——在处理有复杂依赖关系的任务时，偶尔需要你人工介入纠正方向。总体来说，它帮我省了大量重复性开发时间，这个分数是真实体验给出的。
后端开发视角：AutoClaw在写CRUD接口、数据库模型、API文档这类标准化任务上表现非常好，基本不需要改。但在涉及复杂业务逻辑、分布式系统设计、性能调优这类需要深度架构思考的场景，它给的方案往往比较「教科书」，缺乏针对具体场景的优化，还是需要有经验的工程师把关。适合用它提升标准化工作效率，不适合直接信任它做架构决策。
和其他同类产品对比：Cursor更精准，每次操作都很可控，适合需要精细控制代码细节的场景；Windsurf在IDE集成上做得更好，和开发工作流融合度高；AutoClaw胜在自主性——你描述目标，它自己想办法实现，对不想深度参与实现细节的场景很友好。三个产品定位略有不同，选择取决于你更看重「精准控制」还是「自主执行」。
GLM-4模型这半年进步明显，代码理解能力比6个月前强了不少，特别是在中文注释代码和中文需求描述的处理上几乎没有障碍，这是它相比国际竞品的一个实际优势。不过在处理特别复杂的算法问题时，和GPT-4级别的模型还有差距。整体来说，用于日常业务开发绰绰有余。
补充一个视角：Molili在全能性上表现不错，不只是编程，任务管理、文档处理、数据分析都能做，适合需要一个「全能助手」的场景。如果你的工作不只是写代码，Molili可能是更好的选择；如果你主要需求就是AI辅助编程，AutoClaw的专注度是优势。
综合大家的评价，我给AutoClaw的最终评分是7.8/10，用于专业开发场景。优势：自主执行、中文友好、性价比可以；不足：复杂架构场景需要干预、本地模型支持有限、偶尔跑偏需要纠正。结论：值得用，尤其对中小型项目和标准化开发任务。感谢@byte_wizard @code_explorer @digital_nomad @neuro_hacker @pixel_surge 的补充！