核心用法
GLM Autoroute 是专为智谱AI（ZAI）GLM系列模型设计的二元路由调度系统，通过sessions_spawn机制实现轻量/重量任务的智能分流。主会话默认运行于GLM-4.7（zai/glm-4.7），仅在必要时通过子会话触发GLM-5（zai/glm-5），任务完成后自动降级回原模型。
路由决策矩阵：
- GLM-4.7：简单问答、日常闲聊、文件速查、状态检查、格式化任务、定时心跳检测（Cron Jobs仅限简单场景）
- GLM-5（强制升级）：任何编码任务、分析调试、多步推理、深度研究、关键决策、架构设计、复杂规划
关键约束规则：
- 「DO NOT」清单明确禁止用GLM-4.7执行代码、分析、推理、研究
- 存疑时遵循「When in doubt → GLM-5」原则
- 所有输出须标注模型来源，如
(GLM-5)或(GLM-4.7)
内存管理策略（双层架构）：
- MEMORY.md：仅写入关键洞察、决策、经验教训（精简长期记忆）
- 详细报告：按任务类型写入专用文件（
research/、code/等目录），代码仅存文件不输出（除非用户明确要求）
显著优点
1. 成本优化显著：轻量任务常驻GLM-4.7，避免重量级模型过度调用，降低Token消耗
2. 响应速度分层：简单查询毫秒级响应，复杂任务才启用深度推理
3. 会话隔离安全：sessions_spawn创建独立子会话，GLM-5任务崩溃不影响主会话
4. 记忆结构清晰：强制区分「精简长期记忆」与「完整任务档案」，避免上下文污染
5. 决策规则明确：黑白清单式设计，降低路由误判概率
潜在局限与风险
1. 路由误判成本：若将本应GLM-5的任务路由至GLM-4.7，可能导致低质量输出甚至错误执行
2. 会话切换开销：频繁spawn/terminate带来额外延迟，高频轻量任务累积 overhead
3. 内存文件碎片化：多任务场景下research/、code/目录可能迅速膨胀，需人工维护
4. 模型黑箱依赖：路由规则基于硬编码清单，未动态评估任务实际复杂度
5. 代码可见性受限：默认隐藏代码实现，用户需主动索取才能查看，增加调试摩擦
适合人群
- 高频调用API、关注成本控制的开发者与自动化运维团队
- 需要区分「快速响应」与「深度思考」场景的智能体架构师
- 多任务并行、需会话隔离防崩溃的生产环境
- 偏好结构化记忆管理（非单一大上下文）的高级用户
常规风险提示
- 严格遵守「DO NOT」清单：GLM-4.7的编码/分析禁令是硬性安全边界，违规可能导致代码生成错误或逻辑漏洞
- Cron Jobs特殊处理：定时任务默认走GLM-4.7，但若含推理需求必须手动升级
- Heartbeat检查陷阱：简单心跳用GLM-4.7，但若夹杂复杂分析需显式路由至GLM-5
- 文件路径管理：
sessions_spawn产生的报告需规范命名（YYYY-MM-DD-topic.md），避免覆盖冲突