你已经在为不需要的思考付钱：Hermes 的每个模型选择器现在都能顺手设推理强度

晚上十一点半，你让 Hermes 把 utils/date.ts 里的 formatTs 改名成 formatTimestamp。它交活了，全程七秒；账单上却是按 ultra 推理强度计费的几千个思考 token。问题不在模型笨，而在“ultra”这个档位是你上周为一次架构评审临时设的全局默认，之后再没人动过。Hermes 一直支持调推理强度，只是入口散落在 /reasoning、config.yaml 和 Desktop 一个需要悬停才能看到的子菜单里——知道它存在的人和真正去调的人，是两个集合。

PR #110346 之后这个局面变了：每一个模型选择器都会在选完模型之后，紧接着问你一句“这个模型用多大推理强度”。这篇把六个入口（一次性运行、会话、/model 参数、选择器、hermes model、Desktop）和它们的优先级一次讲清，让你按任务付钱，而不是按上周的心情付钱。

推理强度到底控制什么

推理强度（reasoning effort）指的是：模型在给出最终回答之前，允许它花多少“思考预算”——对支持该能力的模型，这一档会被翻译成请求里的 thinking / reasoning 参数。

Hermes 里这套档位的唯一真源是 hermes_constants.py 里的这一行：

VALID_REASONING_EFFORTS = ("minimal", "low", "medium", "high", "xhigh", "max", "ultra")

从低到高一共七档。parse_reasoning_effort() 负责把用户输入的单词翻译成配置字典：认得的档位返回 {"enabled": True, "effort": 档位}，空字符串或识别不出的词返回 None（表示“交给提供商的默认值”），而 none 是明确的关闭——把 reasoning_effort 写成 false 或 none，意思就是“别思考”。

关键点在于：这是逐请求生效的。同一个模型，low 和 ultra 在质量上的差距，往往远小于它们在延迟和费用上的差距。所以真正要回答的问题不是“哪个档位最好”，而是“这件事值几个档位”。

生效范围 怎么设 落到哪里
只影响这一次运行 hermes --reasoning low -z "..." 本次进程，不写配置
当前会话（经典 CLI） /reasoning high 会话级覆盖，不动配置
当前会话（换个模型顺带设） /model X --reasoning high 会话级固定
你的全局默认 /reasoning high --global agent.reasoning_effort
指定模型的强度 agent.reasoning_overrides 按模型名匹配，覆盖全局默认
某一个辅助任务 hermes model → Configure auxiliary models… auxiliary.vision.reasoning_effort
所有子代理 delegation.reasoning_effort delegation 配置块
Desktop 里的某个会话 composer 上的强度药丸 那个会话

下面按“从最小作用域到最大”的顺序逐个讲。

最小的一环：给一次性运行设强度

如果你只是跑一条命令、做一件明确的小事，根本不需要碰配置。Hermes 顶层就有 --reasoning 参数：

# 一次性任务：改个名字，low 完全够用
hermes --reasoning low -z "把 utils/date.ts 里的 formatTs 重命名为 formatTimestamp"

# 开着交互式会话，但这一场会议纪要整理想让它多想一点
hermes chat --reasoning high

按帮助文本的说法，这个参数“只覆盖本次运行”，持久化的档位仍然在 config.yaml 里（或者按模型写在 agent.reasoning_overrides 下）。如果你在写 shell 脚本、跑 CI、批量处理文件，这是最干净的做法：强度跟着命令走，不会在某天忘记的时候变成你的新默认值。

会话级：/reasoning 与 /model --reasoning

在经典 CLI 里，/reasoning 是专职管这件事的命令——它同时管强度档位和推理过程的显示方式：

/reasoning high           # 本会话改用 high
/reasoning high --global  # 写进 agent.reasoning_effort，以后都是 high
/reasoning                # 不带参数：交互式选择
/reasoning show           # 显示/隐藏推理过程（hide 相反，full 展开全部）
/reasoning none           # 关掉推理

而 PR #110346 做的事，是让“换模型”和“设强度”变成同一个动作。/model 的解析器现在接受 --reasoning <档位>，一次请求同时携带模型和强度：

/model openrouter/anthropic/claude-opus-4.8 --reasoning high

几个常被问到的细节：

  • 作用域跟选择器一致：默认只作用于当前会话；加 --global 才会写进 agent.reasoning_effort；--once（只这一轮）会先拍快照、轮次结束后还原。
  • 强度是在模型切换完成之后才应用的。这不是实现细节上的吹毛求疵：切换模型的流程会重新解析一遍 reasoning_config，如果先写强度，反而会被覆盖掉，所以顺序是被刻意安排成这样的。
  • 写错档位会明确报错，而不是被悄悄忽略：/model --reasoning turbo 会返回 /model --reasoning takes none, minimal, low, medium, high, xhigh, max or ultra.

不用记参数也行——交互式 /model 选择器现在有三个阶段：选提供商、选模型、然后是第三个阶段 Reasoning effort for <模型名>，列出完整档位、一个 none（关闭推理）和一个“保持当前值”。如果能力表明确说这个路由没有推理开关，这一阶段会直接隐藏，不会给你一个没用的旋钮。

Ink TUI（hermes --tui）里是同一套三阶段流程，第三阶段的标题就是 Reasoning effort (step 3/3)，选完会把整条命令交给网关：模型、提供商、强度、作用域一起下发。消息网关（Telegram、Slack 等平台）里的 /model --reasoning 走的是和 /reasoning 完全相同的应用逻辑，因此行为一致——这是有意的复用，免得两条路径将来各自漂移。

hermes model：主模型和每一个辅助任务都会问你一次

hermes model 是最常用的入口（命令详情见 hermes model 参考）。PR #110346 之前，它只对 Copilot 路由内联问一次强度，其余路由直接跳过；辅助任务那条路上则是完全没有。

现在：

  • 主模型选完之后，会紧跟一步共享的强度选择：七档、Disable reasoning、以及 Skip（保留当前值）。目录里标记为“没有推理控制”的模型会跳过这一步。
  • 提供商列表里多了一行 Reasoning effort for the current model…，只想改强度、不想换模型的时候用它。
  • Configure auxiliary models… 这条流程（先选提供商、再选模型）最后也接上了同样的强度步骤，多一个 Provider default 选项表示“交给提供商自己决定”。这些值写进 auxiliary.<任务>.reasoning_effort，delegation 则写进 delegation.reasoning_effort。
  • 任务列表里会直接把强度显示出来，形如 openrouter · model · high；Reset all to auto 会把这些覆盖一次性清空。
  • 设计上就没有这个键的块（MoA 的槽位、memory_query_rewrite）会跳过这一步——它们不是被漏掉了，而是各有各的配置位置。

这一步的现实意义：压缩历史、起标题、判断审批这类任务，是每一轮对话都会跑的。把它们从 high 降到 minimal 或直接关掉，省下来的钱比你精打细算主模型的那一档要多得多。

Desktop：composer 上的强度药丸 + Settings 里的按任务强度

桌面端的模型选择器在 composer 里、麦克风左边。PR #109907 之前，强度只藏在模型行的悬停子菜单里——从截图看，那颗胶囊写着 Deepseek V4 Flash · Med，用户读成了“这个模型只会 medium”，然后永远没找到子菜单。

现在它有了自己的位置：

  • composer 上多了一颗推理强度药丸，显示当前这个会话实际生效的档位（会话值优先，否则是配置默认），点开就是 Thinking / Fast / Effort 几行，不用再去模型行里翻。当目录明确说该模型没有推理控制时它会隐藏；能力未知时它保持显示——宁可短暂多一个旋钮，也不要在目录拉取期间闪来闪去。
  • 模型胶囊本身不再把强度拼进标签里，两个控件各说各的事。

而“按任务设强度”这件事在桌面端补齐是两步：PR #110435 给 Settings → Model → Auxiliary models 里每一行加了 Reasoning 下拉框，选项是 inherit · main model effort（默认，表示删掉该任务的覆盖）、Off、或直接选一个档位，写入的键和 hermes model 完全一样（auxiliary.<任务>.reasoning_effort）。这里有个不太显眼但重要的契约：这个字段省略表示不动，显式 null 表示清除（回继承），给档位表示设定；传个 turbo 进去会收到 400，并列出所有合法值——而不是静默丢弃。

PR #110535 则把辅助模型的固定关系在桌面端收口：11 个槽位都能固定，而且你在 Settings 里保存别的设置时，这些固定不会被无关的写入顺手清掉或改写（配置写入改成按节合并，而不是把整份展开后的快照写回去）；当审查任务被路由到另一个模型时，它的推理强度会真正生效，而不是被父级会话的设置吞掉。

一个容易踩的点：桌面端会给每个模型记住自己的强度/快速度预设，这是本机便利，不改变 cron 和子代理。想让计划任务也变，得走 hermes model 或配置文件那一层。

这些层怎么叠加，以及 model_overrides 在其中的位置

优先级从高到低（这也是运行时的解析顺序）：会话级覆盖（/reasoning --session、/model --reasoning）→ 按模型覆盖 agent.reasoning_overrides → 全局默认 agent.reasoning_effort。一份能直接抄的 config.yaml：

agent:
  # 全局默认；/reasoning high --global 写的就是这一行
  reasoning_effort: medium
  # 按模型覆盖：键支持各种写法（精确名、点/横线互换、可省提供商前缀），先匹配到的生效
  # 注意：这个键没有 `hermes config set` 支持，请直接编辑 YAML
  reasoning_overrides:
    "openrouter/anthropic/claude-opus-4.8": high
    "deepseek/deepseek-v4-flash": low

auxiliary:
  compression:
    reasoning_effort: minimal   # 压缩对话摘要，不需要深思
  title_generation:
    reasoning_effort: none      # 起标题，直接关掉
  vision:
    reasoning_effort: ""        # 空字符串 = 用提供商默认

delegation:
  reasoning_effort: low         # 子代理；留空 = 继承父级

model_overrides 在这里扮演的是另一个角色（详见 model_overrides 指南）：它是模型元数据的地方，声明 context_window、supports_vision、supports_reasoning 这类能力。它不直接设强度，但决定了强度这块旋钮存不存在——能力表说某路由没有推理控制时，hermes model 的强度步骤、/model 选择器的第三阶段、Desktop 的药丸会一起隐藏。所以如果你接的是本地模型或刚发布的模型、目录里没有它，先把能力声明对了，这些入口才会出现。

两个值得记住的例外：

  • background_review.reasoning_effort 在审查留在主模型上时是被忽略的——那种情况下分叉进程会原样继承会话的推理配置，以保住父级 prompt 缓存的字节前缀。要做到“另一个模型 + 另一个强度”，就得同时给它配 provider/model；否则 Hermes 会明确警告你一次。
  • MoA 的强度不在 aux 块里，而在预设内部按槽位配：moa.presets.<名字>.reference_models[].reasoning_effort 和 aggregator.reasoning_effort。每个参考模型可以不同深度，聚合器可以更深——这也是为什么 MoA 块本身没有 reasoning_effort 键。

一套能立刻见效的起手配置

如果你不想研究完整优先级，只想要一个省钱的起点，照这个顺序做：

  1. 主模型留 medium，需要深想时用 /model ... --reasoning high 临时抬一档，而不是改全局。
  2. hermes model → Configure auxiliary models…，把 compression 调到 minimal、title_generation 关掉。这两个是每轮都跑的常客，收益最直接。
  3. delegation.reasoning_effort: low：子代理通常在执行已经拆解好的任务，不需要再自己规划一遍。
  4. 一次性任务和脚本用 hermes --reasoning low -z "..."，别让自己的默认值被临时需求带偏。
  5. 长任务如果卡在别的地方，先看看是不是轮次上限的问题，而不是无脑加推理强度——max_turns 指南讲的就是这个；同理，免密钥起步那篇里的免费档模型，配 minimal 反而更划算。

一句话总结

推理强度不是“越高越好”的调优项，而是一个作用域问题：同一份 config.yaml 里，会话级、按模型、按辅助任务、按子代理各有各的旋钮。PR #110346 把这些旋钮搬到了你本来就在用的选择器上；剩下的只是决定哪件事值几个档位——别再让上个月的一次评审，替这个月的改名任务付 ultra 的账。