适合持续工作
定时研究、MCP 调用、OpenClaw 工作、队列处理和需要保存状态的内容任务。
Z.AI · Hermes 模型指南
GLM-5-Turbo 适合不会在一个回答后结束的工作。Hermes 可以让它连续调用工具、保留状态、按计划运行,并在每一步记录进度。

Hermes 使用时要知道的技术信息
下面这些信息说明 GLM-5-Turbo 在 Hermes 中适合放在哪一层,以及哪些参数会影响成本和检查方式。
使用边界
让 Agent 开始前先检查
按任务选择模型。
定时研究、MCP 调用、OpenClaw 工作、队列处理和需要保存状态的内容任务。
短问答、简单分类和一次性抽取,用更小的模型更省钱。
任务需要等待、重试、调用 MCP 或记住前面结果时用 GLM-5-Turbo;如果一次回答就结束,使用更小的模型。
适合 Hermes 的任务
同一个 GLM 系列可以承担不同角色。先看任务,再决定由哪个模型执行。
每天搜索指定来源、收集变化、比较昨天的结果,并发送简报。
按顺序发现和调用允许的工具,并保持统一的结果格式。
检查队列、更新记录,遇到工具失败时保留错误信息。
从大纲到初稿再到审核,始终保留原始要求和限制。
它可以接着昨天的结果继续,不必每次重头开始。
它可以选择下一项允许的工具,并保持过程清晰。
一次性任务不值得支付持续工作流的成本。
Hermes 工作流
Hermes 管理权限、定时、重试和审批。GLM-5-Turbo 负责拆解指令、调用工具,并根据前面已经完成的步骤继续工作。
Hermes 在正确的时间加载保存好的任务说明。
GLM-5-Turbo 选择下一项允许的工具,并说明预期结果。
Hermes 保存输出,让模型继续,而不是每次从头开始。
涉及资金、客户数据或生产系统的动作先由人工确认。


实际案例
Hermes 每天早上启动任务。GLM-5-Turbo 读取保存的研究说明,调用已批准的搜索和文档工具,把今天的结果与昨天比较,并写成变化报告。来源缺失或工具失败时,Hermes 会记录问题,而不是假装任务成功。任何发给客户的结论,都要先经过人工确认。
Hermes 每天早上用保存的研究说明启动市场检查。
GLM-5-Turbo 调用已批准的搜索和文档工具。
Hermes 保存今天的结果,并让模型和昨天的结果对比。
任何要发给客户的建议都先由人工确认。
团队得到可重复的日报,也能看到工具失败的记录,而不是让自动化静默失败。
人工检查检查失败的工具调用、来源质量、外部消息,以及会修改记录或付款的动作。
成本判断
持续工作流会调用多个工具,token 通常比一次回答多。它的价值在于减少人工重启、重复准备和上下文丢失。简单步骤可以交给更便宜的模型。
每天调用六个工具的工作流一定比一次提问更贵,但如果它减少了人工重启和重复准备,团队的总成本可能更低。
在 Hermes 中使用 GLM-5-Turbo
在 Hermes API 中选择 glm-5-turbo,只开放需要的 MCP 或工具权限,并在外部副作用前加入审批。
curl https://api.hermes-ai.net/api/v1/chat/completions \
-H "Authorization: Bearer $HERMES_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5-turbo",
"messages": [{"role":"user","content":"Run the approved task and return a short verification report."}]
}'FAQ
OpenClaw 是常见场景,但 Hermes 中需要 MCP、定时任务、重试和长工具链的工作也适合它。
它可以选择和调用工具,但 Hermes 应限制工具数量、记录每次结果,并在产生外部影响前要求审批。
不能。定时任务由 Hermes 管理,Hermes 启动任务并加载保存的任务说明后,GLM-5-Turbo 才负责执行。
保存失败步骤,检查服务商和工具格式,只在安全时重试,并让 Hermes 报告失败,不要把未执行的动作当成成功。
通常不需要。它的价值在于跨工具、跨时间持续执行;只有一轮的问题用小模型更便宜。
HERMES API · GLM-5-Turbo
在 Hermes API 中选择 glm-5-turbo,只开放需要的 MCP 或工具权限,并在外部副作用前加入审批。