feat: 多专业小模型+路由模型系统 MVP（mock 全链路 + FastAPI 网关 + 论文调研）

scripts/train_classifier.py

@@ -0,0 +1,68 @@
+"""可选：用 transformers 训练 BERT 级意图分类器（需 requirements-ml.txt）。
+
+这是"正式环境"路线（对照实现方案 3.2 路由器选型表）：
+- 规则分类器（当前默认）: 90-93% 准确率，零成本，适合 MVP
+- 小 LLM / BERT 分类器: 94-97% 准确率，适合正式环境
+
+用法（示例）：
+    python scripts/train_classifier.py --data data/train.jsonl --output models/classifier
+
+数据格式（每行一个 JSON）：
+    {"query": "...", "domain": "code|math|legal|medical|general"}
+
+注意：本脚本是流水线骨架，需自行准备数据。
+"""
+from __future__ import annotations
+
+import argparse
+import json
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).resolve().parent.parent))
+
+
+def main():
+    parser = argparse.ArgumentParser()
+    parser.add_argument("--data", required=True, help="训练数据 jsonl 路径")
+    parser.add_argument("--output", default="models/classifier", help="输出目录")
+    parser.add_argument("--base", default="Qwen/Qwen3-0.6B", help="基础模型")
+    parser.add_argument("--epochs", type=int, default=3)
+    args = parser.parse_args()
+
+    try:
+        from transformers import (AutoModelForSequenceClassification, AutoTokenizer,
+                                  TrainingArguments)
+    except ImportError as e:
+        print("需要 ML 依赖：pip install -r requirements-ml.txt")
+        raise SystemExit(1) from e
+
+    # 数据格式转换
+    samples = []
+    with open(args.data, encoding="utf-8") as f:
+        for line in f:
+            line = line.strip()
+            if line:
+                obj = json.loads(line)
+                samples.append(obj)
+    print(f"加载 {len(samples)} 条训练样本")
+
+    labels = ["code", "math", "legal", "medical", "general"]
+    label2id = {l: i for i, l in enumerate(labels)}
+
+    # 这里仅演示训练流水线；正式训练请使用 datasets 库构建 Dataset。
+    tokenizer = AutoTokenizer.from_pretrained(args.base)
+    model = AutoModelForSequenceClassification.from_pretrained(args.base, num_labels=5)
+
+    print("训练参数示例：")
+    print(TrainingArguments(
+        output_dir=args.output,
+        num_train_epochs=args.epochs,
+        per_device_train_batch_size=8,
+        learning_rate=2e-5,
+    ))
+    print("请参考实现方案 3.2 路由器选型表，构建带标注数据集后执行正式训练。")
+
+
+if __name__ == "__main__":
+    main()␍