研究简报
将网页、PDF、截图与笔记整理为带证据、未知项和待确认问题的简报。
← 所有 AI 模型在 Hermes 中使用
HERMES API 模型指南
在 Hermes 中使用
Gemini 3.8 Flash
当 Agent 需要同时理解文本、截图、视频、音频和 PDF 时，可以使用 Gemini 3.8 Flash。先给它清晰的完成标准，因为再快的模型，任务没有边界时也会消耗过多成本。
快速了解
输入能力强，任务边界更要清楚。
Gemini 3.8 Flash 适合“不只有文本”的工作流：读供应商 PDF、检查产品截图、从视频中提取证据，再把结构化结果交给 Hermes 的下一步。
它不是让 Agent 完全自动执行的理由。更稳妥的模式是：规定资料范围，指定输出格式，限制工具次数，并由人批准重要结论。
- 模型 ID
- google/gemini-3.8-flash
- 上下文窗口
- 1,048,576 tokens
- 输入价格
- $0.675 / 1M tokens
- 输出价格
- $3.375 / 1M tokens
- 缓存读取
- $0.0675 / 1M tokens
- 接口能力
- 工具、视觉、音频、JSON、流式输出
01 / 任务匹配
当 Agent 要理解资料本身，而非只处理文本时使用它。
最适合 Gemini 3.8 Flash 的任务，有已知输入资料和可检查的交付物。模型负责跨格式完成第一轮工作；最终判断仍由人承担。
视觉审核
读取产品页面或后台截图，找出缺失状态、含义不清的标签和需要核对的风险。
小范围代码工作
限定文件范围、测试命令和完成条件，完成一个可验证的代码修改。
结构化交接
返回固定字段给下一个 Agent 或人工审核，而不是一段无法执行的泛泛说明。
任务路由
把 Gemini 放在资料与决策之间。
在 Hermes 中，让 Gemini 负责取证和有边界的执行；把高风险判断交给人工或单独的审核步骤。
任务为什么适合 GEMINI什么情况应转交
阅读混合研究资料一次任务可处理文本、图片、视频、音频与 PDF。结论会改变客户承诺、法律立场或投资决策。
开发前检查界面可描述可见 UI 细节，并与检查清单逐项比较。需要最终设计批准或要发布到生产环境。
调用已批准工具工具目的单一，参数有校验，可回溯结果。操作会发布内容、花钱、删除数据或向外发消息。
做一个小代码改动文件范围、测试命令和完成标准都是确定的。涉及安全、支付、迁移或大型代码库。
1. 设置边界写明资料、允许调用的工具与输出格式。
↓
2. Gemini 做第一轮阅读、比对、提取，或准备代码。
↓
3. 核查并批准打开关键来源；只有审核过的结果再继续流转。
HERMES 中的一个受控任务
先理解资料，再交给人决定下一步。
输入资料
- 截图
- 视频 / 音频
- 文字说明
Gemini 第一轮处理
- 读取
- 比较
- 提取
可审核结果
- 证据
- 未知项
- 下一步建议
人工决定下一步
- 批准
- 退回
- 交给下一步
这是一种推荐的工作方式，不是自动决策承诺。
02 / 成本控制
输出快，不等于成本一定低。
约 $0.03
一个读取 20,000 输入 tokens、输出 3,000 tokens 的任务，按 Hermes 上 Gemini 3.8 Flash 的模型价格计算约为 $0.024。若还用了搜索、抓取、存储等工具，建议先按约 $0.03 预估。
输入 $0.675 / 1M TOKENS · 输出 $3.375 / 1M TOKENS · 缓存读取 $0.0675 / 1M TOKENS
03 / 第一个任务
从两分钟能核对完的结果开始。
先不要把整个项目交给 Agent。给它少量文件、固定字段和停止条件；先确认模型是否真的有用，再扩大用量。
人工需要核对：关键结论是否都有来源；不确定信息是否明确标为未知；结果有没有超出范围；未经批准是否发生对外操作。
{
"product_name": "...",
"claimed_material": "...",
"missing_specifications": [],
"evidence": [{"field": "...", "source": "..."}],
"questions_for_review": []
}模型选择
Gemini 3.8 Flash 还是 DeepSeek V4.1 Flash？
选择 Gemini 3.8 Flash
资料中有截图、PDF、视频或音频；任务需要结构化输出和已批准工具；或一个 Agent 要同时理解多种输入。
选择 DeepSeek V4.1 Flash
工作主要是文本，要在大量记录上重复执行，输出格式固定，并希望先用更低成本完成第一轮处理。
实际工作流可以让 DeepSeek V4.1 Flash 处理批量文本，再让 Gemini 3.8 Flash 检查混合资料或视觉证据。两个模型都不应该单独批准高风险操作。
查看 DeepSeek V4.1 Flash 对比 →API 接入
从 Hermes 端点调用 Gemini。
创建 API 密钥，使用 Hermes 的 OpenAI 兼容端点，填写模型 ID，并从范围小的提示开始。在增加资料、工具或调用量前，先测量真实 token 使用量。
curl https://api.hermes-ai.net/api/v1/chat/completions
-H "Authorization: Bearer $HERMES_API_KEY"
-H "Content-Type: application/json"
-d '{"model":"google/gemini-3.8-flash","messages":[{"role":"user","content":"读取资料；以 JSON 返回证据、未知项和下一步。"}],"response_format":{"type":"json_object"}}'成本情境
预算要按允许输出多少来算。
小型审核
约 $0.0320k 输入 + 3k 输出：一份 PDF、几张截图和一份简短证据清单。较长简报
约 $0.0520k 输入 + 10k 输出：资料相同，但允许更长的分析结果。重复批处理
先测量处理数百条记录或允许工具重试前，先用小样本跑通并记录真实 token 消耗。Gemini 可能生成比任务所需更多的内容。用固定 JSON 结构、输出长度上限、最大工具调用次数，以及“证据不足即停止”的规则控制预算。
三个起步任务
只交给模型有明确终点的工作。
01 · 证据整理
准备供应商简报
读 PDF、产品图和笔记；只返回已声称的事实、缺失信息、证据与需要问供应商的问题。
02 · 界面检查
开发前找出 UI 缺口
把截图与简短需求清单比较，标出缺失状态与不清晰操作；不要让模型决定是否发布。
03 · 代码任务
做一个可检查的改动
限定文件，说明预期行为，要求运行测试，并报告实际运行了什么。
证据与限制
把基准当作信号，再测试自己的工作流。
厂商信息
多类型输入与工具支持
Google 将 Gemini 3.8 Flash 定位为适用于软件工作和复杂流程的快速模型；Hermes 已提供工具、视觉、音频、推理、流式输出和结构化输出能力。
独立信号
价格档位中能力较强
第三方基准可用来观察能力与速度的相对位置，但不能证明它能在无人审核下完成你的项目。
社区反馈
长任务需要护栏
有边界的代码和研究任务通常更稳定；长任务可能重复调用工具、产生不正确文件或消耗超过预期的 tokens。
来源类型：Google Gemini 模型文档、独立评测平台与公开开发者讨论。厂商结论、独立测量和社区体验是不同层级的证据。
常见问题
开始前最该问的四个问题。
Gemini 3.8 Flash 适合写代码吗？
适合文件范围、测试与完成标准明确的小型代码任务。安全、支付、大范围修改或难以测试的任务，应加入人工复核。
它能读取截图和 PDF 吗？
可以。视觉与音频能力使它适合同时包含截图、PDF、视频、音频与文本的任务。
怎样控制调用成本？
限制输出长度、工具调用次数和结果结构；先用小样本记录实际 token 消耗，再扩大任务量。
人工应该检查什么？
检查来源证据、改动文件、测试结果、任务范围，以及任何对外操作。发送消息、发布内容、改数据或花钱前都应要求批准。
为什么从 Hermes 调用
不是让 Gemini 替你做决定，而是缩短接入路径。
从这篇说明页进入 Gemini 3.8 Flash 的 API 模型页，不需要再次搜索模型名称或接口地址。
创建 Hermes API 密钥后，使用 OpenAI 兼容的请求格式调用模型。这里的“兼容”指调用写法与很多开发者已经熟悉的格式相近。
先按任务内容选 Gemini 或 DeepSeek；当资料、质量要求或预算变化时，再调整模型，而不是为每种任务重建整条调用链。
先看懂这几个词
多模态：能同时看文字、图片、PDF、视频和音频。
Agent：按你设定的规则完成一组步骤的 AI 助手。
JSON：字段固定的答案格式，方便下一个工具或人继续读取。
Token：模型读取或生成内容时使用的计量单位；它会影响费用。
上下文窗口：模型一次最多能处理多少资料。
缓存读取：重复使用已经处理过的资料时，可能使用更低的读取价格。