291 lines
9.1 KiB
Markdown
291 lines
9.1 KiB
Markdown
# AWOOOI AI 模型治理卡（AI Model Cards）
|
||
|
||
> **文件類型**: AI 模型治理規格
|
||
> **版本**: v1.0（對應 models.json v1.3.0）
|
||
> **建立日期**: 2026-04-14（台北時間）
|
||
> **建立者**: Claude Sonnet 4.6（首席架構師）
|
||
> **資料來源**: `apps/api/models.json` v1.3.0、`feedback_ai_model_config.md`
|
||
> **維護**: 每次更換主力模型後更新；費用變更須統帥批准（`feedback_cost_change_approval.md`）
|
||
|
||
> **2026-06-15 資安修訂**：本文件只能保存模型治理 metadata。端點一律使用脫敏 alias，不保存內網位址、secret、API key、raw prompt、raw log 或可直接連線的 live URL。任何 provider / fallback / cost / privacy 變更都必須先通過 IwoooS owner response acceptance，不得直接切 production。
|
||
|
||
---
|
||
|
||
## 模型路由架構
|
||
|
||
```
|
||
告警進入
|
||
│
|
||
▼
|
||
AIRouter（ADR-052）
|
||
│
|
||
├─ purpose: rca → deepseek-r1:14b（Ollama priority 1）
|
||
├─ purpose: summary → qwen2.5:7b-instruct
|
||
├─ purpose: embedding → nomic-embed-text
|
||
├─ purpose: code_review → qwen2.5-coder:7b
|
||
│
|
||
├─ Ollama 失敗 → Gemini 2.0 Flash（priority 2）
|
||
├─ Gemini 失敗 → Claude 3 Haiku（priority 3）
|
||
└─ 特殊用途 → NVIDIA Nemotron（priority 4，tool_calling only）
|
||
```
|
||
|
||
**控制開關**: `USE_AI_ROUTER=true`（絞殺者模式，ADR-052）
|
||
|
||
---
|
||
|
||
## 模型卡片
|
||
|
||
---
|
||
|
||
### 卡片 1：deepseek-r1:14b
|
||
|
||
| 屬性 | 值 |
|
||
|------|---|
|
||
| **模型 ID** | `deepseek-r1:14b` |
|
||
| **供應者** | Ollama（本地）|
|
||
| **端點（脫敏）** | `host:ai-local-fallback:11434` |
|
||
| **優先序** | 1（最優先）|
|
||
| **硬體** | 本地 AI 主機，NVIDIA GPU |
|
||
| **成本** | $0（完全離線）|
|
||
|
||
**用途（purposes）**
|
||
|
||
| 用途鍵 | 說明 |
|
||
|-------------|------|
|
||
| `rca` | Root Cause Analysis — 告警根因分析 |
|
||
| `diagnose` | 深度診斷（含 log 關聯） |
|
||
| `log_anomaly` | 日誌異常偵測 |
|
||
|
||
**特性**
|
||
- 推理型模型（Chain-of-Thought），擅長多步邏輯
|
||
- 本地執行，無資料隱私疑慮
|
||
- 14B 參數，P95 延遲 ~8-15s（依硬體負載）
|
||
|
||
**限制**
|
||
- 僅在本地 AI 主機可用；本地 AI 主機離線時全部 fallback 至 Gemini
|
||
- 無 Tool Calling 能力（使用 structured prompt 替代）
|
||
- 高負載時延遲可能超過 25s LLM timeout → Expert System 降級
|
||
|
||
**信心校準**
|
||
- RCA confidence 由 `confidence_scorer` 計算
|
||
- 規則精確匹配 → confidence=1.0；無 kubectl_command → confidence=0.0
|
||
|
||
---
|
||
|
||
### 卡片 2：qwen2.5:7b-instruct
|
||
|
||
| 屬性 | 值 |
|
||
|------|---|
|
||
| **模型 ID** | `qwen2.5:7b-instruct` |
|
||
| **供應者** | Ollama（本地）|
|
||
| **端點（脫敏）** | `host:ai-local-fallback:11434` |
|
||
| **優先序** | 1（與 deepseek-r1 同層，purpose 分工）|
|
||
| **成本** | $0（完全離線）|
|
||
|
||
**用途（purposes）**
|
||
|
||
| 用途鍵 | 說明 |
|
||
|-------------|------|
|
||
| `drift_summary` | 配置漂移摘要 |
|
||
| `rag_generate` | RAG 知識庫生成回答 |
|
||
| `playbook_draft` | Playbook 草稿生成 |
|
||
| `summary` | 事件摘要（Incident Summary）|
|
||
|
||
**特性**
|
||
- 指令微調版本（-instruct），生成文字品質高
|
||
- 7B 參數，延遲較 deepseek 低（P95 ~4-8s）
|
||
- 適合結構化輸出（JSON、Markdown）
|
||
|
||
**限制**
|
||
- 推理深度不如 deepseek-r1；複雜 RCA 不使用此模型
|
||
- 同在本地 AI 主機；與 deepseek 共享 GPU 資源，高負載時互相競爭
|
||
|
||
---
|
||
|
||
### 卡片 3：nomic-embed-text
|
||
|
||
| 屬性 | 值 |
|
||
|------|---|
|
||
| **模型 ID** | `nomic-embed-text:latest` |
|
||
| **供應者** | Ollama（本地）|
|
||
| **端點（脫敏）** | `host:ai-local-fallback:11434` |
|
||
| **優先序** | 1（embedding 專用）|
|
||
| **成本** | $0（完全離線）|
|
||
|
||
**用途（purposes）**
|
||
|
||
| 用途鍵 | 說明 |
|
||
|-------------|------|
|
||
| `embedding` | 文字向量化（KM 搜尋、RAG 索引）|
|
||
|
||
**特性**
|
||
- 768 維向量輸出
|
||
- 速度快（~50ms/request），適合即時 RAG 檢索
|
||
- 與 pgvector 整合（PostgreSQL 向量索引）
|
||
|
||
**注意事項**
|
||
- 嵌入向量與文字模型的 embedding 不可混用
|
||
- 若 nomic-embed-text 下線，KM 搜尋功能降級（知識庫返回空）
|
||
|
||
---
|
||
|
||
### 卡片 4：qwen2.5-coder:7b
|
||
|
||
| 屬性 | 值 |
|
||
|------|---|
|
||
| **模型 ID** | `qwen2.5-coder:7b` |
|
||
| **供應者** | Ollama（本地）|
|
||
| **端點（脫敏）** | `host:ai-local-fallback:11434` |
|
||
| **優先序** | 1（code_review 專用）|
|
||
| **成本** | $0（完全離線）|
|
||
|
||
**用途（purposes）**
|
||
|
||
| 用途鍵 | 說明 |
|
||
|-------------|------|
|
||
| `code_review` | 程式碼審查（CI/CD Pipeline 整合）|
|
||
|
||
**特性**
|
||
- 程式碼專用微調，理解 Python/TypeScript/YAML/Bash
|
||
- 適合靜態分析、安全掃描建議
|
||
|
||
---
|
||
|
||
### 卡片 5：Gemini 2.0 Flash
|
||
|
||
| 屬性 | 值 |
|
||
|------|---|
|
||
| **模型 ID** | `gemini-2.0-flash` |
|
||
| **供應者** | Google Gemini API（雲端）|
|
||
| **優先序** | 2（Ollama 失敗時 fallback）|
|
||
| **每日上限** | 70,000 tokens/day |
|
||
| **成本** | 免費額度內 $0；超出計費 |
|
||
|
||
**用途（purposes）**
|
||
|
||
| 用途鍵 | 說明 |
|
||
|-------------|------|
|
||
| `rca` | Ollama 失敗時的 RCA fallback |
|
||
| `summary` | 事件摘要 fallback |
|
||
| `drift_summary` | 配置漂移摘要 fallback |
|
||
|
||
**特性**
|
||
- 速度快（Flash 版），適合 fallback 場景
|
||
- 70K tokens/day 足夠支撐日均 ~20-30 incident 分析
|
||
- 雲端模型，有資料外送（請勿傳送含 secrets 的日誌）
|
||
|
||
**費用控制**
|
||
- Token 消耗監控：Langfuse → `provider=gemini` traces
|
||
- 超過 60K tokens/day → Telegram 告警（`feedback_cost_change_approval.md`）
|
||
- 費用變更必須停下等統帥批准
|
||
|
||
**限制**
|
||
- 超過日限後拒絕請求（HTTP 429）→ fallback 至 Claude 3 Haiku
|
||
- 網路中斷時不可用
|
||
|
||
---
|
||
|
||
### 卡片 6：Claude 3 Haiku
|
||
|
||
| 屬性 | 值 |
|
||
|------|---|
|
||
| **模型 ID** | `claude-3-haiku-20240307` |
|
||
| **供應者** | Anthropic API（雲端）|
|
||
| **優先序** | 3（Gemini 失敗或超限時 fallback）|
|
||
| **每日上限** | 35,000 tokens/day |
|
||
| **成本** | 按用量計費（$0.25/1M input tokens）|
|
||
|
||
**用途（purposes）**
|
||
|
||
| 用途鍵 | 說明 |
|
||
|-------------|------|
|
||
| `rca` | 緊急 fallback（Ollama+Gemini 均失效）|
|
||
| `summary` | 緊急 fallback |
|
||
|
||
**特性**
|
||
- Anthropic 最快、最便宜的模型
|
||
- 35K tokens/day 作為「最後防線」使用，不應成為主力
|
||
|
||
**費用控制**
|
||
- 達到 Priority 3 代表 Ollama 和 Gemini 都失效，需立即告警
|
||
- 每次使用 Claude API → Langfuse 記錄 `provider=claude`
|
||
- 月度費用報告需包含 Claude 用量
|
||
|
||
**限制**
|
||
- 模型知識截止日期較 GPT-4 早
|
||
- 不含 Tool Calling 於此整合（純文字生成）
|
||
|
||
---
|
||
|
||
### 卡片 7：NVIDIA Nemotron-Mini-4B
|
||
|
||
| 屬性 | 值 |
|
||
|------|---|
|
||
| **模型 ID** | `nvidia/nemotron-mini-4b-instruct` |
|
||
| **供應者** | NVIDIA NIM API（雲端）|
|
||
| **優先序** | 4（特殊場景專用）|
|
||
| **準確率** | 83.3%（`nemoclaw` 任務）|
|
||
| **成本** | 按用量計費 |
|
||
|
||
**用途（purposes）**
|
||
|
||
| 用途鍵 | 說明 |
|
||
|-------------|------|
|
||
| `nemoclaw` | Tool Calling（OpenClaw 整合）|
|
||
| `tool_calling` | 結構化函式呼叫 |
|
||
|
||
**特性**
|
||
- 4B 小型模型，專為 Tool Calling 優化
|
||
- 83.3% Tool Call 準確率（AIOps 場景測試）
|
||
- 整合 NVIDIA NIM 推論加速
|
||
|
||
**限制**
|
||
- 僅用於 `nemoclaw` / `tool_calling` purpose；RCA 不使用此模型
|
||
- NIM API 延遲依網路狀況（通常 2-5s）
|
||
- API Key 在 K8s Secret `nvidia-api-key`
|
||
|
||
---
|
||
|
||
## Fallback 順序總表
|
||
|
||
```
|
||
目的 Priority 1 Priority 2 Priority 3 Priority 4
|
||
─────────────────────────────────────────────────────────────────────────
|
||
rca deepseek-r1 → gemini-flash → claude-haiku → N/A
|
||
summary qwen2.5-7b → gemini-flash → claude-haiku → N/A
|
||
drift_summary qwen2.5-7b → gemini-flash → N/A → N/A
|
||
rag_generate qwen2.5-7b → N/A → N/A → N/A
|
||
playbook_draft qwen2.5-7b → N/A → N/A → N/A
|
||
embedding nomic-embed → N/A → N/A → N/A
|
||
code_review qwen2.5-coder→ N/A → N/A → N/A
|
||
nemoclaw N/A → N/A → N/A → nemotron
|
||
```
|
||
|
||
**Fallback 觸發條件**: Ollama timeout（> 25s）、HTTP 5xx、連線失敗、quota 超限
|
||
|
||
---
|
||
|
||
## 模型健康監控
|
||
|
||
| 指標 | 來源 | 告警閾值 |
|
||
|------|------|---------|
|
||
| Ollama 可用性 | owner-provided monitoring ref | 失效 > 30s → Telegram |
|
||
| Gemini 日用量 | Langfuse `provider=gemini` | > 60K tokens/day |
|
||
| Claude 日用量 | Langfuse `provider=claude` | > 25K tokens/day |
|
||
| LLM P95 延遲 | SLO-2（< 20s for P95） | 超過 25s → Expert System 降級 |
|
||
| Fallback 頻率 | Priority 2+ 被觸發次數 | > 3次/小時 → 告警 |
|
||
|
||
---
|
||
|
||
## 模型更換 SOP
|
||
|
||
1. 在 `models.json` 新增/修改模型配置
|
||
2. 在本文件更新對應的模型卡片
|
||
3. 若涉及費用變更 → 停下等統帥批准（`feedback_cost_change_approval.md`）
|
||
4. 更新 `LOGBOOK.md` + 推版至 Gitea
|
||
5. 驗證 Langfuse 追蹤正確記錄新 model_id
|
||
|
||
---
|
||
|
||
*本文件由 Claude Sonnet 4.6 於 2026-04-14 台北時間建立，以 models.json v1.3.0 為資料來源*
|