作者尝试使用 Claude Code 结合 GLM4.7 修复前端动态导入模块失败的 Bug。结果耗时一小时，消耗大量 Token 及 GLM 额度，但问题仍未解决。分析认为 AI Agent 模式在复杂前端工程中容易陷入无限循环，日志过长导致上下文膨胀，且试错成本高。结论是 AI 适合辅助简单任务，处理复杂工程化问题需人工介入控制输入与验证。建议先制定定位计划、裁剪日志、确保环境稳定后再让 AI 执行。
本来想体验一把'vibe coding 省时间'，结果变成'vibe coding 省不了、还很贵'：折腾将近一小时，GLM 额度直接打满，Bug 还在。
最近遇到一个前端 Bug，属于那种看起来不大、但很烦的类型：页面运行时报错，提示动态导入某个模块失败（报错里能看到类似 Failed to fetch dynamically imported module .../router/index.ts 这种信息）。
我想着正好试试工具链：Claude Code + GLM4.7。理想情况是：它读代码、跑命令、给修改方案，我负责点确认就行。
现实是另一回事。
简单总结一下这次的'账单'：
过程中 Claude Code 做了很多事：读路由文件、尝试修改、清缓存、重启 dev server、反复验证……看起来很努力，但就是一直不收敛。
最让我难受的点其实不是'没修好'，而是：它是在持续消耗资源的前提下没修好。这跟我自己手动 debug 不一样——我自己卡住了，最多是浪费时间；它卡住了，是时间 + 额度一起烧。
我这次感觉 token 高，并不是我问了多少问题，而是它的工作方式决定的。
它会不断做这套循环：
这套链路一旦跑起来，就很容易停不下来。
前端工具链输出本来就长：Vite/Webpack、HMR、各种 warning、stack trace……
你以为'就一段报错'，实际上它每次重启都会多出一坨新内容。
更关键的是：这些日志会被反复引用。上一轮的 log、下一轮的 log、它自己的总结、它提过的假设……都在累积。
这类工具经常是这样的节奏：猜一个原因 → 改一下 → 跑一下 → 不行再换一个猜法。
如果方向一开始就偏了，那后面就是持续的'试错'，而试错在 Agent 模式下特别贵。
截图里还能看到一些类似 exit code 127/137 的失败信息。
这种问题往往跟脚本、权限、端口、内存、依赖环境有关。
我自己的经验是：只要验证环节不可靠，后面就很难收敛。因为它得不到稳定反馈，只能继续猜、继续换方案、继续跑，然后继续烧。
这个问题我纠结了一下。最后我更倾向于：不完全是模型能力问题，而是前端 Bug 本身太'现场'了。
动态 import 失败这种，根因可能在很多地方：
它不像一道算法题：你给足信息，模型就能直接解。
它更像'带着项目在现场排雷'，需要不断缩小范围、做最小复现、做二分定位。
比如：最关键的 100 行报错、最小能复现的路由/页面、确定能跑通的验证命令。
如果这些东西不稳定（比如命令都跑不起来），模型就算再强，也只能在雾里摸。
所以我对 GLM4.7 的评价是：
它能做很多辅助工作，但在这种工程化、链路长、变量多的问题上，很容易卡住。
我不想'唱衰'，因为它确实有爽点，但它也确实没到'全自动写代码'的程度。
这次翻车之后，我给自己立了几个'止损规则'，挺管用：
dev 起不来、脚本报 127/137，这种不先解决，后面全是空转。这次体验给我的感觉很明确：
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML 转 Markdown在线工具，online