# 端云协同 LLM 协作系统（v2）

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）。

> 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。

---

## ✨ 当前能力（2026-08-30 已落地）

- ✅ **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/`）
- ✅ **Web 界面**（gateway/static/index.html，FastAPI 托管，无构建）：对话 / 协作过程（交流文本可视化）/ 人工检验 / 指标 四视图
- ✅ **测试**：**229 项全绿**（含 v1 legacy 126 项 + v2 新模块）

---

## 🏗️ 架构

```
用户 query
   │
   ▼
[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）
```

**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。

---

## 🚀 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
#   浏览器打开 http://127.0.0.1:8000/ 使用 Web 界面（对话 / 协作过程 / 人工检验 / 指标）

# 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
```

> 无 API key / 无本地模型时，`/chat` 走快路径（mock Worker）或本地降级，不崩溃。

---

## ⚙️ 配置（config/config.yaml v2 段）

| 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（v2 新增）

```
├── 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
```

---

## 📊 指标（v2）

| 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 |

---

## 🔜 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）。