guide
Utiliser GLM-5.2 avec EvoLink pour les coding agents
EvoLink Team
Product Team
18 juin 2026
4 min de lecture
Ce guide explique comment utiliser GLM-5.2 via EvoLink pour les coding agents, le Q&A de dépôts, l'analyse long-contexte et les assistants utilisant des outils. La page produit reste la source pour les tarifs et la route : GLM-5.2 API sur EvoLink.
Pour les paramètres exacts, consultez la documentation API GLM-5.2.
Considérez les snippets ci-dessous comme des modèles SDK compatibles OpenAI. Vérifiez le support exact des paramètres dans la documentation GLM-5.2 avant la production.
Chemin rapide
| Étape | Action | Pourquoi |
|---|---|---|
| 1 | Créer une clé API EvoLink | Une clé route GLM-5.2 via le gateway |
| 2 | Utiliser un client compatible OpenAI | Réutilise SDKs et outils existants |
| 3 | Définir model sur glm-5.2 | Évite les erreurs slug/model ID |
| 4 | Tester un petit prompt | Vérifie auth, routage et réponse |
| 5 | Ajouter contexte et tools progressivement | Maîtrise coût et debug |
Modèle Python compatible OpenAI
from openai import OpenAI
client = OpenAI(
api_key="YOUR_EVOLINK_API_KEY",
base_url="https://api.evolink.ai/v1",
)
response = client.chat.completions.create(
model="glm-5.2",
messages=[
{"role": "system", "content": "You are a concise senior software engineer."},
{"role": "user", "content": "Review this function and suggest one safe refactor."},
],
temperature=0.2,
max_tokens=1024,
)
print(response.choices[0].message.content)Modèle Node.js compatible OpenAI
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.EVOLINK_API_KEY,
baseURL: "https://api.evolink.ai/v1",
});
const response = await client.chat.completions.create({
model: "glm-5.2",
messages: [
{ role: "system", content: "You are a concise senior software engineer." },
{ role: "user", content: "Summarize the risks in this pull request." },
],
temperature: 0.2,
max_tokens: 1024,
});
console.log(response.choices[0].message.content);Workflows adaptés
| Workflow | Pourquoi GLM-5.2 convient | Note production |
|---|---|---|
| Q&A de dépôts | Le contexte long réduit le chunking agressif | Réutiliser les préfixes stables |
| Code review | Utile pour raisonner sur des diffs | Fixer des limites de sortie |
| Agents avec tools | Function calling aide les boucles agentiques | Tester les schemas d'abord |
| Analyse de documents longs | Convient aux contrats, specs et rapports | Suivre les tokens d'entrée avant d'envoyer tout le contexte |
| Coding CLIs | Route compatible OpenAI plus simple | Voir gateway pour CLIs |
Contrôle des coûts
Planifiez par tokens d'entrée, de sortie et cache-read. Vérifiez la table live sur GLM-5.2 API sur EvoLink avant la production.
- Gardez les system prompts et résumés de dépôt stables au début.
- Réutilisez les longs préfixes lorsque le prompt caching s'applique.
- Désactivez les contrôles de raisonnement plus profond quand une réponse simple suffit.
- Fixez des limites
max_tokensstrictes pour les boucles d'agents. - Journalisez input, output, cache reads, latence et retries par appel.
Passage en production
Avant de router du vrai trafic de coding agent, vérifiez :
| Vérification | Condition de réussite |
|---|---|
| Auth | Une nouvelle clé EvoLink retourne une réponse réussie |
| Model ID | Les requêtes utilisent glm-5.2, pas le slug glm-5-2 |
| Coût | L'usage input/output/cache-read est visible dans billing ou logs |
| Tool calls | Les schemas fonctionnent dans un petit test |
| Fallback | Un second modèle ou chemin manuel existe pour les sessions agent échouées |
FAQ
Quel model ID utiliser ?
Utilisez
glm-5.2. L'URL contient /glm-5-2, mais le request utilise l'ID avec un point.Est-ce compatible avec le SDK OpenAI ?
Oui. Utilisez la base URL EvoLink avec le chemin Chat Completions compatible.
Où vérifier les tarifs ?
Sur la page GLM-5.2.
GLM-5.2 convient-il aux coding agents ?
Oui, pour repo Q&A, code review, contexte long et agents avec outils.
Dois-je commencer par tool calling ?
Non. Validez d'abord un chat simple, puis ajoutez les schemas.
Prompt caching réduit-il toujours les coûts ?
Seulement quand des préfixes stables sont réutilisés et facturés comme cache reads.
