发布说明：v0.5，决策模型成为一等模型

Router 早已用同一个模型家族，即 System One 决策模型，回答大多数路由问题。但它的配置描述的仍是一套更早的系统：每个信号都有自己的小型专用模型，或依赖嵌入相似度技巧。v0.5 让决策模型成为一等模型：

• 信号分为三层： 用于你自己编写问题的 systemone 原语；十一个应用信号，每个都编译成一个 systemone 问题；以及七个确定性的启发式信号。
• 处处零样本。 每个 System One 模型都能零样本回答它支持的每个问题；训练过的适配器和校准阈值是按家族进行的优化。各模型能回答的问题类型不同：Decision 1.0、2.0 和 3.0 不返回 span，vela3-fast 不回答 score 问题。问题解析到不能回答其类型的部署时，配置加载失败：规则报 span_required 或 question_type_unsupported，评审、systemone 选择器或 escalate 检查报一条指出该部署及其能回答的类型的消息。
• 相似度只有一个 match 块，包含可选的嵌入或 BM25 recall 阶段，以及可选的 System One judge 阶段。每个评审对候选数都有硬上限，溢出只会截断，绝不会报错。
• 嵌入只用于召回，并按需启动。 没有任何决策路径使用嵌入。
• 调用 System One 只有一种方式： 标准请求，或一组命名标准请求组成的批量请求。
• 算法分为选择器和执行器，插件只负责执行动作，并通过名称指定它们作用的信号。
• 配置只有一种结构，schema 为 v0.5。
• 响应头精简为一组公开的头，外加一个受控的 x-vsr-trace。

新的 System One 一章介绍了这一切背后的模型。

破坏性变更

这是一次破坏性版本。运行一次 vllm-sr config migrate，然后检查它打印的说明；迁移指南列出了每个已移除的形式、它的加载错误和改写方式。

• 配置 schema v0.5。 version: v0.3 在加载时以 invalid_value 失败，migrate 写入 version: v0.5。不再有顶层 routing：路由位于扁平的 recipes 中，模型事实位于 providers.models[]，默认插件位于 global.plugins。
• 已移除的形式在加载时以一行错误失败，并由 migrate 改写。唯一的别名是 decision，它按 systemone 加载并给出警告。
• 已移除的信号类型： classifiers、preferences、embeddings 和 kb（改为 systemone 问题；migrate 会删除永远不会匹配的 kb 规则，并给出替代它的问题），reasks 和 topic_continuity（改为 turn_relation），events 和 structure（改为 keywords），以及 actions（改为一个 systemone 问题）。global.model_catalog.modules.* 已移除；模块的阈值变为规则的 predicate。
• 已移除的算法： prompt、router_dc、knn、kmeans、svm 和 mlp 变为 systemone；automix、hybrid 和 latency_aware 变为 multi_factor；Looper 的 confidence 算法和原生 cascade 变为 escalate。ML 选择器的训练流水线和 Dashboard 的 ML 流水线已移除。
• 已移除的插件： tool_selection（改为 tools 插件的 select），rag、memory 和 context_compression（改为 context 插件），hallucination 和 response_jailbreak（改为 response_guard），shadow_dispatch（改为 router_replay.shadow），以及各种缓存别名（改为 response_cache）。
• 提示压缩改为 context 插件的 compress.signals。 global.model_catalog.modules 已移除：prompt_compression 在 global.plugins 或配方的插件中（不能在决策的插件中）压缩路由信号读取的文本，只有 signals 的 compress 块不压缩请求本身。迁移会移动它。
• Router 的嵌入 API 和 embeddings.multimodal 已移除： global.services.api.embeddings、POST /api/v1/diagnostics/embeddings、/api/v1/diagnostics/similarity 和 /api/v1/diagnostics/similarity/batch，以及 global.model_catalog.embeddings.multimodal；migrate 会删除这两者。关于图片的决策改为提出读取图片的 systemone 问题（input.image）。模型运行时的 worker /v1/embeddings 保留。
• global.model_catalog.embeddings.default 指定一个部署，即 embeddings.default: {deployment: vela-embedding}，写法和 system.decision_model 一样。只写名称会以 invalid_value 失败，migrate 会改写它。
• 上一版本的模型资源写法不再能加载： external[] 模型、绑定对象（contract、adapter、head、mapping_path、operating_point）、针对单条规则的绑定、部署上的 question_types 和 served_name、classify 和 http 部署、candle、ort 和 openvino 提供方，以及后端的 base_url、api_key_env、auth_header、auth_prefix 和 extra_headers。绑定只写部署名称，后端用 endpoint、auth 和 headers 连接；migrate 会改写它们。后端内联的 api_key 仍可加载，但不能与 auth.api_key_env 同时使用。
• vllm-sr config migrate 需要一个 Router（二进制或镜像），--offline 已移除。采用 config v0.3 之前布局的配置，一次运行即可迁移到 v0.5。
• Looper 的名称和端点： global.integrations.looper.*.model_names 在加载时会被拒绝；migrate 会把这些名称写成一个入口，指向它写出的配方：默认配方中只保留运行该算法的决策。global.integrations.looper.endpoint 会被拒绝，migrate 会删除它：Router 在进程内发起 Looper 的模型调用。Dashboard 去掉了 External Models 卡片，它的 Looper 卡片只编辑超时和请求头；operator 拒绝 external_models。
• 模型的输出事实是 capabilities 和 modalities。 模型的 modality 关键词（ar、diffusion、omni）、基于 DIFFUSION 或 BOTH 的图片路由、image_gen 插件以及音频嵌入规则都已移除；migrate 能改写的会改写，会删除没有决策能执行的路由，其余的会指出来。
• System One 批量形式只使用 states。 批量请求体在 states 下携带命名的标准请求，没有顶层 state、questions、images 或 videos；混用两种形式的请求体，或 states 为空的请求体，会以 invalid_request 被拒绝。批量响应没有顶层 answers，其 usage 统计所有条目。见 API。
• 模型运行时契约 4.0.0。 本版本的 Router 拒绝任何其他契约的模型运行时；Router 和它的运行时来自同一个版本。
• 每个请求阶段一次 System One 调用，远程部署也是如此。 Router 不再把一个阶段发往远程 System One API 的问题拆成每次最多八段文本的多次调用。你自己运行的 System One API 必须接受条目数与该阶段所问文本数相同的批量请求，每个评审最多 judge.max_candidates 条。
• Kubernetes operator 的 SemanticRouter 资源采用新结构。 spec.config.routing 会被拒绝；它的字段改为 spec.config.recipes（每个配方的信号、投影、决策、模型绑定和插件），以及 spec.config.entrypoints、spec.config.plugins 和 spec.config.models（providers.models[] 的事实）。
• 使用已移除信号类型的 IntelligentRoute 资源需要手动改写。 vllm-sr config migrate 改写的是配置文件，而不是集群资源：在升级 CRD 之前，把 events 和 structure 信号改写为 keywords 规则，其他已移除类型按迁移指南改写。
• 响应头精简为一组公开的头和一个 trace，旧名称没有别名（见响应头）。基于 x-selected-model 路由的自定义网关必须改为匹配 x-vsr-route-model，读取匹配信号或决策响应头的客户端改为读取 x-vsr-trace 的成员。

预期的行为变化

• 模型没有给出答案的 jailbreak 和 pii 规则不匹配。 默认的 on_unknown 与以前一样是 no_match：决策模型宕机时，防护会放行流量。on_unknown: match 是失败关闭的显式选择，migrate 会为早期版本的 on_error: block 写入它。模型没能读到的文本仍按攻击或个人数据计入。
• 原来属于其他模型的阈值已重新拟合。 没有 predicate 的 domain、用户反馈、modality 或 PII 规则，以及读取其预设正向选项（FACT_CHECK_NEEDED、unsafe、refusal、jailbreak）的规则，使用回答模型的校准阈值，否则使用 0.5 并给出 uncalibrated_preset 警告。其他没有 predicate 的规则以模型自己的选择为准，hallucination 规则以模型自己的 span 阈值为准。
• 能拒绝或改写回答的 response_guard 会扣住流式回答。 对于守卫会拦截或写入说明的决策，Router 会缓冲它的流，直到守卫读完整个回答，再发送原有事件，或以该协议的流错误形式发送拒绝消息。首 token 时间只在这些决策上增加，被扣住的回答上限为 64 MiB。只做标注或只记录的守卫保持真正的流式传输。
• 需要 span 的规则必须解析到支持 span 的部署，否则配置以 span_required 失败。默认决策模型 vela3-fast 能返回 span。
• RAG 相关性和工具选择由决策模型评判，语义缓存命中由它的 same_request 问题确认。响应缓存的语义匹配默认使用嵌入召回（top_k: 3，min_similarity: 0.8），再由 same_request 确认（min_score: 0.8）；mode: exact 不变。
• 每个 match.judge 都接受 max_candidates。 choice 评审最多读取 255 个候选（这也是默认值）；逐个候选提问的评审默认读取 64 个。候选再多也不会让请求失败：评审按召回排名读取前面的候选，没有召回时读取最新的候选，记录一个 match.judge.truncated span 事件，并计入 vsr_match_judge_truncated_total。超过 255 个工具的目录会截取前 255 个，或用 bm25 召回。
• RAG 和记忆源可以不经召回直接评审，基于内存向量库的 RAG 源可以用 bm25 召回。上下文压缩针对最新的用户消息评审每个片段，默认评审 bm25 排在前面的 64 个。
• 嵌入模型只用于召回，并按需启动。 预先声明的 vela-embedding 只在响应缓存、记忆、向量库或 RAG 源用它召回时才启动。远程的 openai_embeddings 部署声明 capabilities.dimensions 和 capabilities.modalities；不能嵌入文本的召回部署，或与索引维度不一致的维度，会在加载时被 Router 拒绝。
• 提示缓存亲和性移入 multi_factor。 hybrid 选择器移除后，加权的 multi_factor 目标会偏向为会话之前轮次提供服务的候选（后续轮次、携带的历史、previous_response_id 或 prompt_cache_key），作为有界的平局决胜因素。
• 决策用 output: {kind, action} 声明它的输出。 图片决策在 Responses API 上用生成的图片回答纯文本请求：Router 添加托管的 image_generation 操作，并只选择能生成图片的模型。模型没有声明输出所需的能力时，加载以 output_capability_missing 失败；本版本无法执行的输出（图片编辑、音频、视频）或无法承载该输出的 API，以 output_not_executable 失败。图片决策的 Chat Completions 或 Messages 客户端会以 unsupported_capability 被拒绝。
• Router 有了 Images API 入口。 POST /v1/images/generations 按提示词路由，只由输出为图片的决策回答；到达这里的其他请求会在调用任何模型之前得到 400 image_route_required。api_format: images 可以连接兼容 OpenAI 的图片生成后端。
• 带 input.image: true 的 systemone 问题按请求图片的内容路由，由能读取图片的决策模型回答。
• 身份请求头只在配置信任时才被信任。 独立运行的 Router 会丢弃客户端发送的身份请求头，除非监听器设置了 identity.trust_headers: true；读取网关身份的策略（authz 信号、按用户或组的限流、按用户的密钥，以及 global.router.headers.debug: authenticated）在没有身份来源的独立模式下会加载失败。调试响应头只发给 global.router.headers.debug 允许的调用方。
• 委托凭据是每个上游的一种认证模式。 上游的 auth 可以是静态密钥（api_key_env、api_key_file，或后端的 api_key）、credential: delegated，或两者都不设；提供方后端、决策模型和远程 embedding 部署、escalate 评审以及 api_format: systemone 目标都一样。global.services.authz.delegated_credential 指定身份验证器写入用户凭据的标头（默认 x-vsr-delegated-credential）。为客户端请求发起的调用携带该请求的凭据，否则该请求在调用之前得到 401；Router 代表自己发起的调用从不携带它，委托上游会拒绝这类调用。backend_refs[].trusted_gateway 和 global.services.authz.gateway_credential 已移除：Router 和 migrate 都会拒绝它们，并给出新的写法。见安全加固。

响应头

路由流水线的每个响应都携带同一组公开的头，无论是上游的回答，还是缓存命中、快速响应、拦截、Looper 回答和路由错误：x-vsr-schema-version（现在为 3）、x-vsr-config-version、x-vsr-response-path、x-vsr-selected-recipe、x-vsr-selected-decision、x-vsr-selected-model、x-vsr-replay-id、x-vsr-warnings，以及配置的成本（x-vsr-cost、x-vsr-cost-currency）。Router 报告的其他内容都放在 x-vsr-trace 中，它是最多 4 KB 的 RFC 8941 字典，只发给 global.router.headers.debug 允许的调用方：超过 4 KB 时，会从最低优先级开始省略成员，并以 truncated 结尾。改名后的头不保留别名。

旧	新
x-vsr-matched-*、x-vsr-context-token-count	trace 的 signals 成员
决策细节、retention、提示缓存、Looper、协议和有效 token 相关的头，缓存相似度	trace 成员（ranking、confidence、algorithm、cache_similarity 等）
x-vsr-selected-modality	trace 的 modality 成员，即选中决策的输出类型
x-vsr-protocol-warnings、x-vsr-response-warnings	x-vsr-warnings，一个 RFC 8941 代码列表
x-vsr-cache-hit、x-vsr-fast-response	x-vsr-response-path: cache 或 fast_response
x-selected-model（Envoy 路由键）	x-vsr-route-model（内部）；自定义网关路由必须匹配它
x-disable-router-memory	x-vsr-memory: off
x-sr-bench-* 请求头，以及基准测试的回执头	x-vsr-bench-*；回执变为 trace 成员，所以 sr-bench 需要调试权限
已退役的 Looper 跳转头；未使用的 KV 传输状态	已移除
x-session-id、x-claude-code-session-id	x-vsr-session-id；global.router.headers.session_id_headers 列出同样接受的客户端名称，默认就是这两个

客户端发送的其他 x-vsr-* 头，以及提供方返回的每个 x-vsr-* 头，都会被 Router 丢弃。Router 从身份验证器读取的是 x-vsr-delegated-credential：启用 global.services.authz.delegated_credential 时，它和身份请求头一样被信任；任何上游都收不到这个请求头，只有委托上游会收到它的值。

响应头参考列出了注册表定义的每个响应头。

已移除的测试配置

已移除后端的端到端配置，以及 Vela 1.0 编码器（它们无法回答 System One 问题）的端到端配置都已删除：local-classifier-backend、category-remote-backend、complexity-remote-backend 和 preference-external-routing（远程分类器后端）；ml-model-selection（训练式选择器）；multimodal-routing（嵌入图片锚点）和 vela-omni（音频路由）；vela-halu 和 vela-shield（Vela 1.0 Halu 和 Shield）。基线配置运行在确定性的假 System One 后端上，图片路由改为基于 systemone 的 input.image 重新测试。

测量

零样本预设背后的测量（危害类别、RAG 和缓存评审、工具选择、轮次关系和复杂度问题、训练 ID 修复，以及输出意图）基于公开数据运行，结果发布后会写入校准表和本说明；它们不是本次发布的门槛。

已知限制

• 多模态输出处于第一阶段： 图片生成，以及由一个 omni 模型生成文本加图片。图片编辑、语音和音频（第二阶段）以及视频（第三阶段）在其编解码器落地之前，会在加载时以 output_not_executable 失败。
• 目前还没有决策模型能读取音频，所以 input.audio 在所有部署上都会被拒绝；input.video 需要声明它的模型。
• 远程决策模型没有校准阈值；在规则写出自己的 predicate 之前，它们的预设使用 0.5。
• 只有 vela3-fast 和 Vela 2.0 有校准阈值；其他家族使用 0.5 并给出 uncalibrated_preset 警告。