👁 1052

这两天我在调 Hermes Agent 的模型配置，又踩了一遍“免费 API 好用但不够稳”的坑。

说白了，很多新手不是装 Agent 装不起来，而是模型这一步太容易翻车：一个 API Key 能跑，但额度窗口一到、请求一多、接口一慢，Agent 就开始断。尤其是让它写文章、查资料、改配置、巡检服务器这种多步任务，中间卡一下，前面的上下文和工具调用就全乱了。

所以这篇不是讲概念，我直接按自己的实战讲：小白玩 Agent，先别急着追最强模型，先把“能跑、能切、能兜底”做好。

先让 Agent 跑起来，再谈高级配置

如果你刚开始用 Hermes Agent，第一步只需要一个目标：

找一个能正常返回、能调用工具的模型，让 Agent 先活起来。

不要一开始就堆十几个模型，也不要上来就手改一堆复杂配置。先确认它能完成一个小任务，比如读取文件、检查网站状态、写一段短文。这个阶段，1 个模型 + 1 个 API Key 就够。

等它能跑了，再加保险。

免费 API 额度低，最实用的是多 Key 轮换

免费模型 API 最大的问题不是不能用，而是不适合所有任务都压在一个 Key 上。

有些平台按分钟限流，有些按天限额，有些中转高峰期会慢。你只有一个 Key，遇到 429、超时、额度不足，Agent 就只能停在那里。

我这次给 Hermes 配的是类似三 Key 池：

主模型：gpt-5.5
Key 池：key1 -> key2 -> key3

重点不是白嫖，而是稳定。第一个 Key 不行，就换第二个；同模型不行，再换备用模型。这样 Agent 不会因为一个免费额度窗口就全停。

小白建议配几层？

我建议按阶段来：

  • 刚入门： 1 个能用模型 + 1 个 Key。

  • 开始写文章、查资料： 主模型 + 2 个备用 Key。

  • 长期接 Telegram / QQBot： 主模型 3 Key + 1 个 fallback。

  • 要管服务器、写代码、发博客： 3 Key + 2 个 fallback + 本地模型补位。

模型不是越多越好。真正好的路由，是每个模型都有自己的位置：强模型负责难题，便宜模型负责杂活，本地模型负责省钱和隐私。

补充：OpenClaw、Hermes、Codex 里怎么添加这类模型

后面我又测了一次 OpenAI 兼容接口。很多人遇到“模型列表不出来”，多数不是模型不能用，而是 Base URL、API Key、模型名这三个位置填混了。

我自己的加速/VIP 通道就不在文章里展示了，截图和示例统一换成官方普通通道，避免把私有地址和 token 暴露出去。公开文章里建议这样演示：

Base URL：https://api.freemodel.dev/v1
API Key：fe_oa_**************
Model：gpt-5.5

注意，OpenClaw / Hermes 这类工具一般填的是 Base URL，所以只写到 /v1，不要写成完整的 /v1/chat/completions。后面的路径工具会自己拼。

如果 OpenClaw 的下拉框没刷出模型，可以先手动填：

gpt-5.5
gpt-5.4
gpt-5.4-mini
gpt-5.3-codex

Hermes Agent 里也是同样思路：自定义 OpenAI 兼容 provider，填 base_url、api_key、model。先跑通一个模型，再考虑多 Key 轮换和 fallback。

Codex CLI 稍微特殊一点，新版更偏 Responses 接口，配置里常见是：

model_provider = "freemodel"
model = "gpt-5.5"
[model_providers.freemodel]
name = "freemodel"
base_url = "https://api.freemodel.dev"
wire_api = "responses"

简单记：OpenClaw、Hermes 多数填 https://api.freemodel.dev/v1；Codex 这类如果文档要求 provider base_url，可能填到域名即可。不要把 API Key 当模型名，也不要把完整私有通道直接发到文章里。

低端模型要给“工单式提示词”

很多便宜模型、本地小模型，不是完全不能用，而是你不能一句“帮我优化一下”就丢给它。它逻辑弱一点，就要把任务边界写清楚。

我比较常用这个模板：

任务：你要完成什么？

比如要让 Agent 改模型路由，可以这样写：

任务：给 Hermes Agent 增加备用模型路由。

这种写法像工单，低端模型更容易跟上。

本地模型也能用，但别硬撑

本地模型适合做简单总结、分类、短文本改写、隐私内容处理。像 7B/8B 量化模型，在 N100、A7Z、RK3399 这类设备上可以玩，但别指望它完全替代强在线模型。

我的路线是：

在线模型负责复杂理解和工具调用，本地模型负责便宜、重复、低风险的杂活。

这样既省钱，也不至于为了省 token 把体验搞崩。

总结

小白搭 Agent，最稳的顺序是：

  1. 先配置一个能用模型，让 Agent 跑起来；

  2. 再加 2-3 个同模型备用 Key；

  3. 然后加不同供应商 fallback；

  4. 最后接本地模型分担简单任务。

Agent 真正好用，不是接了多少模型，而是遇到限流、超时、低端模型犯迷糊时，它还能继续把事做完。

by 数码罗记 · godsun.pro

这种写法像工单，低端模型更容易跟上。

本地模型也能用，但别硬撑

本地模型适合做简单总结、分类、短文本改写、隐私内容处理。像 7B/8B 量化模型，在 N100、A7Z、RK3399 这类设备上可以玩，但别指望它完全替代强在线模型。 我的路线是： > 在线模型负责复杂理解和工具调用，本地模型负责便宜、重复、低风险的杂活。 这样既省钱，也不至于为了省 token 把体验搞崩。

总结

小白搭 Agent，最稳的顺序是： 1. 先配置一个能用模型，让 Agent 跑起来； 2. 再加 2-3 个同模型备用 Key； 3. 然后加不同供应商 fallback； 4. 最后接本地模型分担简单任务。 Agent 真正好用，不是接了多少模型，而是遇到限流、超时、低端模型犯迷糊时，它还能继续把事做完。 by 数码罗记 · godsun.pro

阅读： 1,052