migrate-to-glm

name	migrate-to-glm
description	Use when migrating Agno project code from Gemini, OpenAIResponses, or OpenAIChat to GLM model (OpenAILike). Use when switching models, replacing Gemini/OpenAI with GLM, or configuring OpenAI-compatible models.

迁移到 GLM 模型

将 Agno 项目中使用 Gemini、OpenAIResponses 或 OpenAIChat 的代码迁移到 GLM 模型（通过 OpenAILike）。

适用场景

• 代码使用 Gemini(id="gemini-3-flash-preview")，需要切换到 GLM
• 代码使用 OpenAIResponses(id="gpt-5.2") 等 OpenAI 系模型，需要切换到 GLM
• 代码使用 OpenAIChat(id="gpt-4o-mini") 等 OpenAI Chat 模型，需要切换到 GLM
• 需要统一项目的模型配置为 GLM-4.7 或其他 OpenAI 兼容模型

迁移步骤

1. 检查当前代码

使用 Grep 查找需要迁移的文件：

# 来自 Gemini 的文件
Grep pattern="from agno.models.google import Gemini" path="target_dir"
Grep pattern="Gemini(id=" path="target_dir"

# 来自 OpenAIResponses 的文件
Grep pattern="OpenAIResponses(id=" path="target_dir"
Grep pattern="from agno.models.openai import OpenAIResponses" path="target_dir"

# 来自 OpenAIChat 的文件
Grep pattern="OpenAIChat(id=" path="target_dir"
Grep pattern="from agno.models.openai import OpenAIChat" path="target_dir"

2. 更新单个文件

对每个需要迁移的 Python 文件执行以下操作。

场景 A：从 Gemini 迁移

A1. 替换 import 语句

# 旧代码
from agno.models.google import Gemini

# 新代码
import os
from dotenv import load_dotenv
from agno.models.openai import OpenAILike

load_dotenv()

A2. 替换模型配置

# 旧代码
model=Gemini(id="gemini-3-flash-preview")

# 新代码
model=OpenAILike(
    id=os.getenv("MODEL_ID", "GLM-4.7"),
    base_url=os.getenv("MODEL_BASE_URL", "https://open.bigmodel.cn/api/coding/paas/v4"),
    api_key=os.getenv("MODEL_API_KEY"),
)

场景 B：从 OpenAIResponses 迁移

B1. 替换 import 语句

# 旧代码
from agno.models.openai import OpenAIResponses

# 新代码
import os
from dotenv import load_dotenv
from agno.models.openai import OpenAILike

load_dotenv()

B2. 替换模型配置

# 旧代码
model=OpenAIResponses(id="gpt-5.2")

# 新代码
model=OpenAILike(
    id=os.getenv("MODEL_ID", "GLM-4.7"),
    base_url=os.getenv("MODEL_BASE_URL", "https://open.bigmodel.cn/api/coding/paas/v4"),
    api_key=os.getenv("MODEL_API_KEY"),
)

场景 C：从 OpenAIChat 迁移

C1. 替换 import 语句

# 旧代码
from agno.models.openai import OpenAIChat

# 新代码
import os
from dotenv import load_dotenv
from agno.models.openai import OpenAILike

load_dotenv()

C2. 替换模型配置

# 旧代码
model=OpenAIChat(id="gpt-4o-mini")

# 新代码
model=OpenAILike(
    id=os.getenv("MODEL_ID", "GLM-4.7"),
    base_url=os.getenv("MODEL_BASE_URL", "https://open.bigmodel.cn/api/coding/paas/v4"),
    api_key=os.getenv("MODEL_API_KEY"),
)

注意： 同一文件中若有多个 Agent(...) 或其它使用模型的地方，每一处 model=OpenAIChat(...) 都要替换为上述 OpenAILike 配置。

3. 配置环境变量

创建或更新 .env 文件

在项目根目录创建 .env 文件：

MODEL_ID=GLM-4.7
MODEL_BASE_URL=https://open.bigmodel.cn/api/coding/paas/v4
MODEL_API_KEY=your-api-key-here

确保 .env 在 .gitignore 中

检查 .gitignore 包含：

.env

4. 安装依赖

uv add python-dotenv openai sqlalchemy yfinance

Embedder 迁移（知识库场景）

如果代码使用了知识库（Knowledge）和向量搜索，需要同时迁移 Embedder。

1. 替换 import

# 旧代码
from agno.knowledge.embedder.google import GeminiEmbedder

# 新代码
from agno.knowledge.embedder.openai import OpenAIEmbedder

2. 替换 Embedder 配置

# 旧代码
embedder=GeminiEmbedder(id="gemini-embedding-001")

# 新代码
embedder=OpenAIEmbedder(
    id=os.getenv("EMBEDDER_MODEL", "embedding-3"),
    api_key=os.getenv("EMBEDDER_API_KEY"),
    base_url=os.getenv("EMBEDDER_BASE_URL", "https://open.bigmodel.cn/api/paas/v4/"),
)

3. 更新 .env 文件

添加 Embedder 相关环境变量：

# Agent 模型配置
MODEL_ID=GLM-4.7
MODEL_BASE_URL=https://open.bigmodel.cn/api/coding/paas/v4
MODEL_API_KEY=your-api-key

# Embedder 配置（用于知识库向量化）
EMBEDDER_MODEL=embedding-3
EMBEDDER_BASE_URL=https://open.bigmodel.cn/api/paas/v4/
EMBEDDER_API_KEY=your-embedder-api-key

注意： Embedder 的 base_url 使用标准端点（paas/v4/），不是 coding 端点。

完整示例

迁移前

from agno.agent import Agent
from agno.models.google import Gemini
from agno.tools.yfinance import YFinanceTools

agent = Agent(
    name="Finance Agent",
    model=Gemini(id="gemini-3-flash-preview"),
    tools=[YFinanceTools()],
)

迁移后

import os
from dotenv import load_dotenv

from agno.agent import Agent
from agno.models.openai import OpenAILike
from agno.tools.yfinance import YFinanceTools

load_dotenv()

agent = Agent(
    name="Finance Agent",
    model=OpenAILike(
        id=os.getenv("MODEL_ID", "GLM-4.7"),
        base_url=os.getenv("MODEL_BASE_URL", "https://open.bigmodel.cn/api/coding/paas/v4"),
        api_key=os.getenv("MODEL_API_KEY"),
    ),
    tools=[YFinanceTools()],
)

批量迁移工作流（推荐）

完整流程

1. 查找所有需要迁移的文件

# 查找 import 语句（按实际使用的模型类选择）
Grep pattern="from agno.models.google import Gemini" path="target_dir"
Grep pattern="from agno.models.openai import OpenAIResponses" path="target_dir"
Grep pattern="from agno.models.openai import OpenAIChat" path="target_dir"

# 统计需要替换的模型实例数量
Grep pattern="model=Gemini" path="target_dir"
Grep pattern="OpenAIResponses\(id=" path="target_dir"
Grep pattern="OpenAIChat\(id=" path="target_dir"

2. 逐个文件迁移

对每个文件：

• 先用 Read 读取文件
• 用 Edit 替换 import 语句
• 用 Edit 替换所有模型配置（注意一个文件可能有多处）
• 用 Grep 确认该文件所有模型配置已替换

3. 处理特殊情况

多 Agent 文件（Team/Workflow）

文件包含多个 Agent 实例，需要替换所有：

# 示例：11_multi_agent_team.py 有 3 个模型实例
bull_agent = Agent(model=Gemini(...))      # 替换 1
bear_agent = Agent(model=Gemini(...))      # 替换 2
multi_agent_team = Team(model=Gemini(...)) # 替换 3

MemoryManager 模型配置

# 旧代码
memory_manager = MemoryManager(
    model=Gemini(id="gemini-3-flash-preview"),
    db=agent_db,
)

# 新代码
memory_manager = MemoryManager(
    model=OpenAILike(
        id=os.getenv("MODEL_ID", "GLM-4.7"),
        base_url=os.getenv("MODEL_BASE_URL", "https://open.bigmodel.cn/api/paas/v4/"),
        api_key=os.getenv("MODEL_API_KEY"),
    ),
    db=agent_db,
)

4. 验证

# 验证没有遗漏
Grep pattern="Gemini\(id=" path="target_dir"
Grep pattern="OpenAIResponses\(id=" path="target_dir"
Grep pattern="OpenAIChat\(id=" path="target_dir"
# 以上均应返回：无结果

注意事项

模型兼容性

• GLM-4.7 不支持 output_schema（结构化输出）

  • 如果代码使用了 output_schema=SomeModel，需要移除或改用 glm-4-flash
  • 错误表现：返回 Markdown 而非 JSON，导致解析失败

• 工具调用（Tool Calling）：GLM-4.7 支持，正常工作

• 流式输出（Stream）：支持

• 多轮对话（History）：支持

API 端点

GLM 模型有两个 API 端点：

# 标准端点（推荐）
base_url="https://open.bigmodel.cn/api/paas/v4/"

# Coding 端点（某些场景）
base_url="https://open.bigmodel.cn/api/coding/paas/v4"

性能对比

特性	Gemini 3 Flash	GLM-4.7
工具调用	OK	OK
结构化输出	OK	不支持
流式输出	OK	OK
中文支持	好	优秀