[Bug] GLM-5.2 Cloud returns empty responses (no content, no reasoning) on complex prompts — agent frameworks dead in the water

快速结论：此报错发生在通过 Ollama Cloud 调用 glm-5.2 模型时，复杂提示词（如大型系统提示、工具 schema、对话历史）导致模型返回空内容（content: "", reasoning: ""）且 HTTP 200 无错误。优先排查本地的 num_predict（token 配额）设置是否过小或缺失。

问题场景

用户通过 Ollama Cloud API 端点 https://ollama.com/v1/chat/completions 调用 glm-5.2 模型，使用代理框架（如 Hermes Agent, OpenHands）发送完整工具调用上下文（8K token 系统提示 + 约40个工具 schema + 对话历史）时，出现持续的空响应。简单提示词（如 {"content":"hi"}）正常返回。

报错原文


2026-07-09 07:09:59 Empty response (no content or reasoning) — retry 1/3 (model=glm-5.2)
2026-07-09 07:10:38 Empty response (no content or reasoning) — retry 2/3 (model=glm-5.2)
2026-07-09 07:10:54 Empty response (no content or reasoning) — retry 3/3 (model=glm-5.2)
2026-07-09 07:11:22 Empty response after 3 retries. No fallback available. model=glm-5.2 provider=ollama-cloud

HTTP 200 响应体示例：{"choices":[{"message":{"role":"assistant","content":"","reasoning":""}}]}

原因分析

根据 Issue 讨论链的最终结论，根本原因是本地 Ollama 服务配置中的 num_predict（token 配额）缺失或设置过低。当模型处理包含大量 system prompt、工具 schema 的长上下文时，glm-5.2 的推理/思考阶段会在输出 token 预算耗尽之前就终止，导致生成为空（content 和 reasoning 均为空）。简单请求因 token 消耗少而正常通过。

注意：虽然 Issue 最初怀疑是 Ollama 云端后端问题（类似 #15453 的 502/503 空响应），且其他用户报告出现相同症状但无配置更改，但 Issue 关闭者认定这是用户侧配置错误。

环境排查

确认本地 Ollama 服务配置：检查 num_predict（或等效参数，如 max_tokens）是否被设置，以及其具体数值。
确认模型与客户端：模型 glm-5.2，客户端为直接调用 Ollama Cloud API（base_url: https://ollama.com/v1），非本地代理。
测试简单提示词：使用简短 curl 命令验证 API 密钥和基础连接是否正常。
对比测试：使用相同提示词切换至另一模型（如 kimi-k2.6）看是否正常，以排除客户端或网络问题。

解决步骤

检查并显式设置 token 配额：在 Ollama 服务配置（如 modelfile 或 API 调用参数）中，为 glm-5.2 明确设置一个足够高的 num_predict 值（例如 4096、8192 或更大），确保输出 token 预算在复杂推理场景下不被过早耗尽。
验证配置文件：确认 num_predict 未被意外设置为 0 或一个极小的数字。
重启 Ollama 服务：应用配置更改后，重启本地 Ollama 服务，使新参数生效。
重新测试复杂请求：使用导致失败的完整 prompt（含 system prompt、工具 schema、历史记录）重新发送请求，观察是否返回内容。