自适应（Adaptation）

概览

自适应（Adaptation）是一种在线模型选择学习机制。它在匹配的 decision 和基础选择器之后运行，然后从允许的候选集中提出一个模型。

主要优势

• 无需重写请求路径上的语义 decision，即可改进模型选择。
• 通过 candidate_set: decision 保持较小的默认搜索空间。
• 启用 candidate_set: tier 后，可以在同一路由 tier 内共享证据。
• 在随机采样之前以及最终切换模型之前使用 Protection。
• 写入紧凑的响应头和详细的 replay 诊断，供离线分析使用。

解决什么问题？

静态配方编码了运维人员在部署时掌握的信息。在生产环境中，路由器还会观察模型适配度、过度使用、提供商故障、延迟、缓存复用和实际成本。Adaptation 将这些有界证据转化为在线模型提案，同时配方仍是策略的事实来源。

何时使用

• 某个 decision 有多个候选模型，并且运行时结果能够改进模型选择。
• 相关 decision 共享一个 tier，并且应相互学习模型证据。
• 希望进行在线探索，但仅限于 Protection 判定当前 agent 状态可以安全探索时。
• 希望离线评估为模型经验提供初始种子，而无需立即更改配方。

配置

首个策略是 routing_sampling：

global:
  router:
    learning:
      enabled: true
      adaptation:
        enabled: true
        strategy: routing_sampling
        candidate_set: decision

候选集

值	候选模型
decision	来自匹配 decision 的 modelRefs 的模型。
tier	具有相同 decision.tier 的 decision 的 modelRefs 并集。
global	配方的模型/提供商清单中的所有已部署模型。

decision 是最安全的默认值。tier 允许相关路由共享候选模型。global 的范围最广，可以提出未出现在匹配 decision 的 modelRefs 中的已部署模型，因此会使用更严格的成本和可靠性保护条件。

路由采样

routing_sampling 根据模型经验为每个候选模型评分：

• 离线质量种子或中性质量种子
• good_fit、underpowered、overprovisioned 和 failed 结果
• 延迟证据
• 缓存复用证据
• 实际输入成本
• 可靠性证据

当 Protection 允许探索时，该策略可以从候选模型的后验分布中采样。当 Protection 抑制探索时，该策略会按确定性的后验均值评分。

Protection 仍拥有最终决定权。通过采样或均值选出的候选模型必须通过切换保护条件，才能成为最终模型。

诊断

响应头保持紧凑：

x-vsr-learning-methods: adaptation,protection
x-vsr-learning-actions: adaptation=keep_base,protection=hold_current
x-vsr-learning-reasons: adaptation=base_best,protection=cache_cost_high

Router Replay 会存储候选模型评分、后验均值、采样值、基础模型、提案模型、最终模型、候选集、策略和原因。