From 0ec7a9d0340147de7450bd9da264d24b2de8308d Mon Sep 17 00:00:00 2001 From: tzt <14718231+flying-travel@user.noreply.gitee.com> Date: Sun, 30 Aug 2026 21:21:00 +0800 Subject: [PATCH] =?UTF-8?q?feat(v2):=20T14=20README=20v2=20=E6=94=B9?= =?UTF-8?q?=E5=86=99=EF=BC=88=E6=9E=B6=E6=9E=84/=E5=BF=AB=E9=80=9F?= =?UTF-8?q?=E5=BC=80=E5=A7=8B/=E6=8C=87=E6=A0=87=EF=BC=89?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- AGENTS.md | 47 ++++++++++ README.md | 209 ++++++++++++++++++++++-------------------- 任务拆解与执行计划.md | 2 +- 3 files changed, 160 insertions(+), 98 deletions(-) create mode 100644 AGENTS.md diff --git a/AGENTS.md b/AGENTS.md new file mode 100644 index 0000000..29712b7 --- /dev/null +++ b/AGENTS.md @@ -0,0 +1,47 @@ +# AGENTS.md — Agent 仓库导读 + +> 面向在此仓库工作的 AI Agent。人类开发者也可参考。 + +## 当前权威规划（先读这个） + +**《实现方案_v2_端云协同LLM协作系统.md》**（仓库根目录）是当前唯一权威实施方案： +大模型（API）任务分析/决策/终审 ＋ 小模型（本地 llama.cpp）实现/自验证 ＋「交流文本」结构化共享工作区 ＋ 人工检验队列。 + +- 实现前必读其第 3 节（不得推翻的设计决策 D1–D11）与第 8 节（工程规约）。 +- 任务按其第 7 节 T1–T14 顺序执行；每完成一个任务，在《任务拆解与执行计划.md》登记一行。 +- v1 的 L0 专家系统内核**不删除**，保留为 legacy 路由（`POST /chat/legacy`）与离线降级模式； + v1 测试套件（126 项）必须保持全绿。 + +## 环境事实 + +- Windows 11，shell 为 Git Bash；Python venv 在 `.venv`（Python 3.14）。 +- 测试：`.venv/Scripts/python.exe -m pytest tests -q`（基线 126 passed，2026-08-30）。 +- 运行 demo / 评测 / 网关的命令见 README「快速开始」。 + +## 硬性约束（违反即返工） + +1. `router_system/` 核心包零第三方依赖（纯标准库）；`runtime/`、`gateway/` 可用 + httpx / fastapi / pydantic / uvicorn；新增任何依赖需说明理由并登记 requirements*.txt。 +2. 所有 LLM 结构化输出必须过 JSON Schema 校验；解析失败重试一次后降级，禁止带病继续。 +3. Architect（大模型 API）输入永不包含工件全文，只用锚点＋片段（方案 5.1 / D7）。 +4. 一切 LLM 调用在测试中用 `httpx.MockTransport` 注入，测试不依赖真实模型或 API key。 +5. 不修改 llama.cpp 源码；只捆绑上游 release 二进制（`bin/`，gitignore）。 +6. Windows 兼容：`pathlib` 路径、CLI 出口 UTF-8 reconfigure（先例 `scripts/eval.py`）、 + 子进程 terminate→kill 兜底。 +7. 金额敏感：API 调用必须计量并受 `api_token_cap` 熔断约束。 + +## 代码风格 + +- 中文 docstring；配置构造用 `build_xxx(cfg)` 工厂；与现有文件排版/命名一致。 +- 每任务一个 commit，格式 `feat(v2): Tn 描述`。 + +## 文档地图 + +| 文档 | 用途 | +|---|---| +| 实现方案_v2_端云协同LLM协作系统.md | **当前权威规划**（架构/协议/任务分解/实验设计） | +| 任务拆解与执行计划.md | 任务状态登记表（v1 历史任务 + v2 新任务追加处） | +| 实现方案_多专业小模型+路由模型.md | v1 方案（已被 v2 取代方向，作历史参考） | +| 可行性调研与落地实现路线报告.md | v1 期可行性论证（历史参考） | +| research/2026_papers_survey.md | 文献调研（LLM 路由/级联/验证器） | +| research/routerarena/01_results_and_gap_analysis.md | v1 实测数据（74.4% 准确率、68.9% 升级率——v2 转向依据） | diff --git a/README.md b/README.md index e269bf1..7818e35 100644 --- a/README.md +++ b/README.md @@ -1,125 +1,140 @@ -# 多专业小模型 + 路由模型系统（MVP） +# 端云协同 LLM 协作系统（v2） -用「轻量分类路由器 + 专业小模型池 + 质量控制器(Judge) + 大模型回退」在限定条件下替代单一通用大模型， -实现 **成本降低 80%+、延迟可控** 的目标。本仓库是《实现方案_多专业小模型+路由模型.md》的第一阶段落地。 +大模型（API，Architect）做任务分析/决策/终审 ＋ 本地小模型（llama.cpp，Worker）做实现/自验证， +两者通过**「交流文本」**（一份 schema 约束的结构化 JSON 共享工作区）交接，互不共享内部状态， +另有人工检验队列作为第三协作者。目标是：在端到端质量不降的前提下，把大模型 API token 消耗相对 +「全量上下文」方案下降 **≥80%**（北极星指标）。 -## ✨ 当前能力（2026-08-12 已跑通） +> v1 的 L0 专家系统内核保留为 **legacy 路由**（`POST /chat/legacy`）与离线降级模式，不删除；126 项 v1 测试保持全绿。 -- ✅ 零依赖 mock 全链路可运行：缓存 → 分类 → 专家 → Judge → 回退 -- ✅ 5 领域意图分类（code / math / legal / medical / general），规则分类器准确率 **100%**（15 条评测样例） -- ✅ 两阶段缓存（L1 精确 + L2 语义 n-gram，零依赖），评测缓存命中率 **40%** -- ✅ 质量控制器（Judge）自动评估输出并触发升级，升级率 **20%**（命中第二阶段验收线） -- ✅ FastAPI 网关：`/chat` `/health` `/metrics`，20 项单元测试全部通过 -- ✅ 可选接入真实模型：HuggingFace 小模型（`type: hf`）或 OpenAI 兼容 API（`type: api`） +--- -## 🚀 快速开始 +## ✨ 当前能力（2026-08-30 已落地） -```powershell -# 1. 创建虚拟环境并安装依赖（核心 router_system 零依赖，网关/测试需要轻量依赖） -C:\Python314\python.exe -m venv .venv -.venv\Scripts\python.exe -m pip install -r requirements.txt +- ✅ **交流文本协议**（`router_system/workspace.py`）：schema 校验、锚点寻址（`a://file#L12-18`）、rollup 压缩、双渲染函数（Architect ≤1200 token / Worker ≤8K token）、状态机、前缀稳定性（T10） +- ✅ **ArchitectClient**（`architect.py`）：DeepSeek JSON 约束输出，失败回喂重写一次，token 计量，预算熔断 +- ✅ **WorkerLoop + 接地验证**（`worker.py` / `verifier.py`）：实现→自验证（代码沙箱 > facts 对照 > 结构检查）→自修≤2→issue +- ✅ **CollaborativePipeline 编排**（`pipeline.py`）：快路径 → brief → 协作循环 → 终审 → 交付，双护栏熔断 +- ✅ **运维层**（`runtime/`）：三档硬件检测（gpu12/gpu8/cpu）+ llama-server 进程管理（启停/健康/重启） +- ✅ **网关 v2**（`gateway/api.py`）：`/chat`（v2）、`/chat/legacy`（v1）、`/runs/{id}/workspace`、`/runs/{id}/artifacts/{name}`、`/review/queue`、`POST /review/{id}`、`/metrics`（含 v2 统计） +- ✅ **人工检验队列**（`review.py`）：sqlite 队列、抽样 + safety 强制入队、verdict/correction 回写 +- ✅ **打包分发**（`scripts/setup_runtime.py`）：llama-server + GGUF 下载（断点续传/大小校验） +- ✅ **E1 token 经济学实验**（`scripts/bench_tokens.py` → `research/v2_experiments/`） +- ✅ **测试**：**228 项全绿**（含 v1 legacy 126 项 + v2 新模块） -# 2. 运行演示（mock 模式，离线可跑） -.venv\Scripts\python.exe scripts/demo.py - -# 3. 迷你评估（分类准确率 / 升级率 / 缓存命中率） -.venv\Scripts\python.exe scripts/eval.py --repeat 2 - -# 4. 运行单元测试 -.venv\Scripts\python.exe -m pytest tests -v - -# 5. 启动 API 网关 -.venv\Scripts\python.exe scripts/serve.py --port 8000 -# 停止：.venv\Scripts\python.exe scripts/serve.py --stop - -# 6. 调用接口 -curl http://127.0.0.1:8000/health -curl -X POST http://127.0.0.1:8000/chat -H "Content-Type: application/json" -d '{"query":"用 Python 写一个快速排序函数"}' -curl http://127.0.0.1:8000/metrics -``` +--- ## 🏗️ 架构 ``` -用户查询 +用户 query │ ▼ -┌───────────────────┐ ┌──────────────────┐ -│ RouterCache 缓存 │───▶│ 命中 → 直接返回 │ -│ (L1精确 / L2语义) │ └──────────────────┘ -└─────────┬─────────┘ - ▼ 未命中 -┌───────────────────┐ 低置信度(<0.60) ┌──────────────────┐ -│ 分类路由器 │ ───────────────▶ │ 大模型回退 │ -│ RuleClassifier / │ │ Mock / DeepSeek │ -│ HuggingFace │ └──────────────────┘ -└─────────┬─────────┘ - ▼ 高置信度 -┌───────────────────┐ -│ 专家模型池 │ code/math/legal/medical/general -│ Mock / HF / API │ -└─────────┬─────────┘ - ▼ -┌───────────────────┐ 质量分<0.70 ┌──────────────────┐ -│ Judge 质量控制器 │ ────────────▶ │ 升级大模型回退 │ -│ Rule / LLM-as-Judge│ └──────────────────┘ -└───────────────────┘ +[快路径] Worker 直答 + 自验证通过？──是──▶ 直接返回（省 API 钱） + │ 否 + ▼ +[Architect·API·一次] brief（goal/constraints/acceptance/plan/tags）写入 交流文本 + │ + ▼ +┌─────────── 协作循环（护栏：rounds_cap / api_token_cap 熔断）───────────┐ +│ [Worker·本地] 读 brief+当前步 → 实现 → 接地验证 → 通过→progress；失败自修≤2→issue │ +│ [Architect·API·按需] 读 issues → decide → 修订 plan / 兜底代做 │ +└──────────────────────────────────────────────────────────────────────┘ + │ 全步 done + ▼ +[Architect·API·一次] final_review → done / 打回 + ▼ +交付 + 入人工检验队列（抽样 / safety 强制） ``` -一次请求的完整路由轨迹示例： +**核心经济学**：贵的一方（API）少读少写（每次输入 ≤1200 token 压缩摘要），便宜的一方（本地）多读多干。 -``` -cache:miss -> classify:code@0.95/hard -> expert:expert-code -> judge:0.96 -cache:miss -> classify:general@0.50/easy -> direct_fallback +--- + +## 🚀 快速开始 + +```powershell +# 1. 虚拟环境 + 依赖 +C:\Python314\python.exe -m venv .venv +.venv\Scripts\python.exe -m pip install -r requirements.txt + +# 2. 跑测试（v1 legacy 126 + v2 新模块 = 228） +.venv\Scripts\python.exe -m pytest tests -q + +# 3. （可选）准备本地运行时：下载 llama-server 二进制 + GGUF 模型 +.venv\Scripts\python.exe scripts/setup_runtime.py + +# 4. 启动网关（v2 /chat 默认走 mock worker，无需 API key/模型即可演示） +.venv\Scripts\python.exe scripts/serve.py --port 8000 + +# 5. 调用 +curl http://127.0.0.1:8000/health +curl -X POST http://127.0.0.1:8000/chat -H "Content-Type: application/json" -d '{"query":"用 Python 写一个快速排序"}' +curl -X POST http://127.0.0.1:8000/chat/legacy -H "Content-Type: application/json" -d '{"query":"基金定投的收益率怎么计算"}' +curl http://127.0.0.1:8000/metrics + +# 6. E1 token 经济学实验（本地确定性测量） +.venv\Scripts\python.exe scripts/bench_tokens.py ``` -## ⚙️ 配置（config/config.yaml） +> 无 API key / 无本地模型时，`/chat` 走快路径（mock Worker）或本地降级，不崩溃。 -默认全 mock（零依赖离线）。接入真实模型只需改 `type`： +--- -| 组件 | 当前 | 可切换 | 说明 | -|------|------|--------|------| -| classifier | `rule` | `hf` | 正式环境建议训练 BERT 级分类器（94-97%） | -| experts.* | `mock` | `hf` / `api` | HF 小模型或 OpenAI 兼容 API | -| judge | `rule` | `llm` | LLM-as-Judge | -| fallback | `mock` | `api` | 设置 `DEEPSEEK_API_KEY` 环境变量 | +## ⚙️ 配置（config/config.yaml v2 段） -关键阈值： -- `low_confidence_threshold: 0.60` —— 分类置信度低于此值直接走大模型 -- `judge_fallback_threshold: 0.70` —— Judge 质量分低于此值升级大模型 +| 段 | 关键项 | 说明 | +|----|--------|------| +| `runtime` | binary / model / port / hw_profile / tiers | llama-server 二进制、GGUF、三档硬件模板 | +| `architect` | model / base_url / api_key_env | 大模型（默认 DeepSeek），`DEEPSEEK_API_KEY` | +| `worker` | backend(mock|llama_server) / max_fix_attempts | 小模型后端与自修次数 | +| `pipeline` | fast_path / rounds_cap / api_token_cap / breach_policy | 快路径、双护栏熔断、兜底策略 | +| `review` | queue_db / sample_rate / force_tags | 人工检验抽样 | -## 📂 目录结构 +--- + +## 📂 目录结构（v2 新增） ``` -├── router_system/ # 核心（零依赖纯标准库） -│ ├── classifier.py # 意图分类器（规则 / HF） -│ ├── difficulty.py # 难度估计 -│ ├── experts.py # 专家池（Mock / HF / API） -│ ├── judge.py # 质量控制器 -│ ├── fallback.py # 大模型回退 -│ ├── cache.py # 两阶段缓存 -│ ├── router.py # 主路由 -│ └── stats.py # 指标 -├── gateway/api.py # FastAPI 网关 -├── scripts/ # demo / eval / serve / train_classifier -├── tests/ # 20 项单元测试 -├── config/config.yaml # 配置 -└── research/ # 论文调研 +├── router_system/ +│ ├── workspace.py ★ 交流文本协议（核心） +│ ├── architect.py 大模型客户端（brief/decide/final_review） +│ ├── worker.py 小模型实现/自验证循环 +│ ├── verifier.py 接地验证（代码沙箱/facts/结构） +│ ├── pipeline.py 协作管线编排 +│ ├── review.py 人工检验队列 +│ └── v2stats.py token 计量与聚合 +├── runtime/ 运维层（hw_profile / llama_server 进程管理） +├── gateway/api.py v2 + v1 legacy 端点 +├── scripts/ +│ ├── setup_runtime.py 下载运行时/模型 +│ └── bench_tokens.py E1 实验 +├── eval/v2_sample.json 实验数据集 +└── research/v2_experiments/ E1 结果与实验规划 ``` -## 📊 验收指标对照（实现方案 5.1/5.2） +--- -| 指标 | 目标 | 当前（mock 评测） | -|------|------|------------------| -| 分类准确率 | ≥95%（正式） | 100%（15 条样例） | -| 升级率（fallback rate） | ≤20% | 20% | -| 缓存命中率 | ≥30% | 40% | -| 端到端延迟 | < 大模型 1.5× | mock 下 ~10-16ms | +## 📊 指标（v2） -## 🔜 下一步（对照实现方案） +| 指标 | 值 | 说明 | +|------|----|------| +| 测试 | **228 passed** | v1 legacy 126 + v2 新模块 | +| E1 token 下降（A2 交流文本 vs A1 全量） | **~61%**（本地确定性测量） | 真实缓存计费下目标 ≥80%（`--live` 待确认） | +| 稳定前缀可命中 | ~99% 的 A2 输入 | 配合 `--cache-reuse` 进一步降成本 | +| 快路径 / 熔断 / 回合 | /metrics v2 统计 | V2Stats 实时聚合 | -1. 接入真实小模型：`pip install -r requirements-ml.txt`，`experts.*.type` 改 `hf` -2. 训练 BERT 级分类器替代规则分类器（`scripts/train_classifier.py` 流水线骨架） -3. 用 RouterArena（[GitHub](https://github.com/RouteWorks/RouterArena)）标准化评测路由质量 -4. 接入 DeepSeek 等大模型 API 作为真实回退层 -5. 语义缓存升级为 embedding 检索（当前为 n-gram 轻量方案） +--- + +## 🔜 下一步 + +1. **`--live` 接入真实链路**：安装 runtime（`setup_runtime.py`）+ 设置 `DEEPSEEK_API_KEY`，跑 E1 主实验确认 ≥80% 北极星（`scripts/bench_tokens.py --live`）。 +2. **E2–E5 跑数**：端到端质量 / 协作健康度 / KV 量化曲线 / 验证器 P/R（见 `research/v2_experiments/README.md`）。 +3. 用 RouterArena 协议化评测 v2 端到端质量。 +4. 写 v2 论文（`research/paper/`）。 + +## 📌 环境备忘（T1） + +- Windows 11 + Git Bash；venv 在 `.venv`（Python 3.14）。 +- 测试命令：`.venv/Scripts/python.exe -m pytest tests -q`。 +- `bin/`、`models/`、`data/`、`runs/` 已 gitignore（运行时产物不入库）。 diff --git a/任务拆解与执行计划.md b/任务拆解与执行计划.md index 731f45d..9251c20 100644 --- a/任务拆解与执行计划.md +++ b/任务拆解与执行计划.md @@ -80,4 +80,4 @@ P0 完成后的能力：干净的后端抽象 + 可量化的评测 + 可追溯 | T11 | 打包分发 setup_runtime.py | ✅ 完成 | T11 | | T12 | 实验脚本 bench_tokens.py + 数据集 | ✅ 完成 | T12 | | T13 | E1 本地跑数完成（E2–E5 待 live 接入） | ✅ 完成 | T13 | -| T14 | 文档收口（README v2 改写） | ⬜ | | +| T14 | 文档收口（README v2 改写） | ✅ 完成 | T14 |