路由学习：自我改进的模型路由
状态： 已实现 · 创建日期： 2026-06-20
问题
语义决策评估当前请求。它本身不会记住某模型在相似运行中是否不合适，或切换模型是否会破坏对话、工具循环或前缀缓存连续性。
把该状态放进决策规则会使策略不透明并依赖副本。因此路由学习在已匹配决策和基础 选择器之后运行。配方仍是策略边界。
已实现设计
路由学习有三项职责：
| 组件 | 用途 | 时间尺度 |
|---|---|---|
| 自适应 | 根据有界运行时经验提出模型。 | 请求路径。 |
| 防护 | 决定探索或模型切换是否安全。 | 请求路径。 |
| 配方 learning | 分析回放和结果，并提出可审阅的配方变更。 | 离线。 |
matched decision and base selector
-> protection preflight
-> adaptation proposal
-> protection switch guard
-> final model
-> replay and outcome updates
适配可以提出不同模型。保护对提议是否成为所选模型有最终决定权。
公开配置边界
| 表面 | 含义 |
|---|---|
global.router.learning.enabled | 启用路由学习流水线。 |
global.router.learning.adaptation | 选择在线模型选择行为。 |
global.router.learning.protection | 配置对话或会话稳定性。 |
global.router.learning.state_store | 可选地跨副本共享保护状态。 |
routing.decisions[].adaptations | 对单个决策应用、观察或绕过学习。 |
已实现的适配策略是 routing_sampling。历史算法名称不是该表面的别名。决策保持语义，并保留其现有选择算法。
候选集
适配只在配置的候选集中搜索：
| 值 | 候选模型 |
|---|---|
decision | 已匹配决策的 modelRefs 中的模型。 |
tier | 已匹配决策层级中各决策的模型。 |
global | 已部署配方清单中的模型。 |
decision 是较窄的默认值。更广范围仍遵守提供商可用性、成本和可靠性保护，以及决策级绕过。
保护
保护在对话或会话身份内保持模型稳定。预检保护在协议敏感步骤中抑制 不安全的随机探索。切换保护权衡提议收益与缓存、交接、工具循环和切换历史成本。
若缺少所需身份头，保护失败即开放并记录诊断。敏感决策可以设置 adaptations.mode: bypass，从而阻止适配和保护改变基础选择。observe 计算诊断而不改变最终模型。
经验与结果
经验是证据，不是策略。它可以包括显式结果标签、失败信号、延迟、有效成本、缓存复用和可靠性观察。策略用该有界证据为候选打分或采样。
结果必须附着到稳定的回放标识符，并记录基础、提议和最终模型。延迟或重复结果需要幂等处理。在线经验键不需要原始请求内容。
状态与失败行为
保护状态可以使用有界本地存储和可选的共享 Redis 存储。请求路径读取使用严格超时。远程存储失败不得使推理请求依赖无界网络调用。
详细候选分数、身份哈希、切换成本和证据属于路由回放。响应头保持紧凑，只描述请求级检查所需的方法、动作、范围和原因码。
离线配方学习
离线循环消费回放、结果和可选评估用例。它产生发现、指标、候选变体、补丁建议和可 选种子产物。它不会自动编辑或部署活动配方。
这种分离使配方变更可审阅，并让运营方在提升前复现实验。
范围与非目标
路由学习不：
- 重新匹配语义决策；
- 覆盖决策级绕过；
- 扩展到配置候选集之外；
- 同步改写已部署配方；
- 使在线请求路径依赖 LLM 智能体；或
- 把会话亲和当作授权的替代。
评估
在评估组合流水线之前，先独立评估适配和保护。报告路由质量、切换率、后悔或适配结果、延迟、缓存效应、失败恢复，以及在声明身份内的稳定性。在启用模型变更前，在同一回放样本上比较 apply 与 observe。
待决问题
- 更广的
tier或global候选集何时值得额外风险？ - 哪些结果来源足够可靠，可以更新在线经验？
- 过期经验应如何随模型或提示词模板版本衰减？
- 离线种子产物何时应导入在线部署？