wooo/ewoooc
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
main
ewoooc/docs/llm_model_full_evaluation_20260504.md
OoO c13dc22639
All checks were successful
CD Pipeline / deploy (push) Successful in 2m44s
Details
feat(p20)+docs: cost auto-throttle + LLM 模型完整評估 
Operation Ollama-First v5.0 / Phase 20 + LLM 模型治理

services/cost_throttle_service.py (新檔, 200+ 行)
- evaluate_throttle_status() 每小時 cron 跑
- 查 ai_call_budgets monthly × 累計 spent → 月底線性外推
- 推估 > 預算 110% → 標 throttled（hysteresis：降到 95% 才解除）
- _push_throttle_alerts: 狀態變化推 Telegram
- is_provider_throttled(provider) public API（給 anthropic/gemini caller 啟動 check）
- COST_THROTTLE_ENABLED 預設 OFF（避免戰時誤節流）

run_scheduler.py 加 2 cron + task wrapper
- 每 1 小時：cost_throttle_evaluate
- 每日 00:05：cost_throttle_reset_if_new_month

docs/llm_model_full_evaluation_20260504.md (260+ 行)
- 場景 × 模型對應矩陣（4 大層次）
  戰術層 / 戰略層 / 多模態 / 雲端 API
- 本次啟動的追加 4 模型（qwen2.5-coder:32b / deepseek-r1:14b /
  llava / gemma3:4b）— Primary + Secondary 並行拉
- Phase 21 路由優化建議（context size + complexity 動態選 model）
- Phase 22 多供應商編排 + cost throttle 整合
- 儲存 / RAM / 延遲評估
- 模型治理 SOP（新增 / 替換 / 淘汰）
- COST_TABLE 對齊（含 deepseek 直連價格）

啟用前置（待統帥）：
1. Primary + Secondary 4 模型拉完（背景進行中）
2. .env: COST_THROTTLE_ENABLED=true（觀察 1 週後）
3. ANTHROPIC_API_KEY 設後 Code Review 自動切 Claude Opus 4.7

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-05-04 10:36:56 +08:00

7.9 KiB
Raw Permalink Blame History

LLM 模型完整評估 — Operation Ollama-First v5.0

日期：2026-05-04 目的：評估 momo-pro 各場景對應的最佳 LLM 模型，並啟動建議模型 整體原則：Ollama-first（免費）→ Frontier API（鎖定 5+ 場景）→ 規則引擎兜底

一、場景 × 模型對應矩陣

1.1 戰術層（高頻、結構化、Ollama-only）

場景 既有模型 建議模型 為何
Hermes 競價分析 (4h × 300 SKU) hermes3:latest (8B) 維持 + qwen3:14b 升級鏈 8B 處理 95% 案例足夠；複雜 SKU 升級 14B
Hermes 意圖分類 (Telegram NLP) hermes3:latest 維持 結構化 JSON 輸出穩定
NemoTron 威脅分派 NIM 8B / qwen3:14b (flag) qwen3:14b 為主 A2 確認 qwen3 原生支援 tools
AiderHeal 修 Code qwen2.5-coder:7b 升 qwen2.5-coder:32b ⭐ 程式碼能力 +30%（接近 Opus 4.6）
Sales Copy 文案 llama3.1:8b gemma3:4b (輕量) 短文案不需 8B

1.2 戰略層（低頻、敘事型、鎖定 Frontier）

場景 鎖定模型 為何鎖定
OpenClaw 週報 gemini-2.5-flash 🔒 長 context + 繁中商業文體
OpenClaw 月報 gemini-2.5-flash 🔒 同上
OpenClaw 日報洞察 (200 字) gemini-2.5-flash 🔒 精簡敘事
OpenClaw Q&A (Telegram) qwen3:14b (主) → Gemini fallback A7 已切（flag ON）
Code Review 高階評估 Claude Opus 4.7 (Phase 7 待 KEY) Arena Elo 1548 (#1)
EA HITL 戰略決策 gemini-2.0-flash (現) → Claude Sonnet 4.6 候選 agentic 工具使用佳

1.3 多模態與專用

場景 模型 已拉？
Embedding (KM/RAG) bge-m3:latest (1024 維) ✅ Primary + Secondary
PPT 視覺檢查 (Phase 14) minicpm-v:latest (主) + llava (備援) ✅ Primary + Secondary minicpm-v / 拉 llava ⏳
深度推理 (DeepSeek-R1) deepseek-r1:14b 拉中 ⏳

1.4 雲端 API（鎖定 Frontier）

供應商 模型 用途
Anthropic claude-opus-4-7 Code Review #1 (Arena 1548)
Anthropic claude-sonnet-4-6 EA HITL 候選（agentic）
Google gemini-2.5-pro MCP Grounding（聯網）
Google gemini-2.5-flash 週/月/年報、Q&A fallback
Google gemini-2.0-flash PPT 簡報、EA HITL
DeepSeek deepseek-chat (V3.2) OpenRouter 直連備援
DeepSeek deepseek-reasoner (R1-0528) 推理鏈備援
NVIDIA NIM meta/llama-3.1-8b-instruct NemoTron fallback
NVIDIA NIM nvidia/llama-3.3-nemotron-super-49b-v1.5 ElephantAlpha 49B

二、本次啟動的追加模型

2.1 Primary 34.143.170.20 (oleetsai)

# 既有（Phase 0-19 累積）
✅ bge-m3:latest         (1.2GB) — Embedding
✅ hermes3:latest        (4.7GB) — Hermes 主
✅ qwen2.5-coder:7b      (4.7GB) — AiderHeal
✅ qwen3:14b             (9.3GB) — Q&A / Nemotron 升級
✅ qwen2.5:7b-instruct   (4.7GB) — Q&A 預設
✅ minicpm-v:latest      (5.5GB) — PPT vision

# 本次追加（背景拉中）
⏳ qwen2.5-coder:32b    (~20GB) — AiderHeal 32B 升級
⏳ deepseek-r1:14b      (~9GB)  — 推理鏈備援
⏳ llava                (~5GB)  — Vision 備援
⏳ gemma3:4b            (~3GB)  — 輕量 sales_copy

預計總容量：~60GB

2.2 Secondary 34.21.145.224 (owen_taipei)

# 本次新建立連線後拉（與 Primary 同步）
✅ bge-m3:latest        (剛同步)
✅ hermes3:latest       (剛同步)
✅ qwen2.5-coder:7b     (剛同步)
✅ qwen3:14b            (剛同步)
✅ qwen2.5:7b-instruct  (剛同步)
✅ minicpm-v:latest     (剛同步)
⏳ qwen2.5-coder:32b   (背景拉中)
⏳ deepseek-r1:14b     (背景拉中)
⏳ llava               (背景拉中)
⏳ gemma3:4b           (背景拉中)

三、各場景升級路線（戰役後續）

Phase 21（建議）：模型對應路由優化

場景 路由規則
Sales Copy < 100 字 gemma3:4b（輕量快）
Sales Copy ≥ 100 字 llama3.1:8b（既有）
Hermes 簡單比價 hermes3:latest
Hermes 複雜分析 (gap > 20% / 銷量大跌) qwen3:14b 升級
AiderHeal 簡單修補 qwen2.5-coder:7b
AiderHeal 重構級 qwen2.5-coder:32b ⭐
EA HITL 明確威脅 Hermes 規則引擎（免費）
EA HITL 戰略決策 claude-sonnet-4-6 候選
推理需求（chain-of-thought） deepseek-r1:14b
PPT 視覺檢查 minicpm-v:latest → llava 備援

Phase 22（建議）：API 直連 + 多供應商編排

                    ┌──────────────────────────────┐
                    │  CostThrottle (Phase 20) ⭐  │
                    │  超預算 110% 自動切 fallback │
                    └────────────┬─────────────────┘
                                 │
        ┌────────────────────────┼────────────────────────┐
        │                        │                        │
   Code Review             EA HITL                  Q&A 戰略
        │                        │                        │
   Claude Opus 4.7        Gemini 2.0 Flash           qwen3:14b
        ↓ throttle              ↓ throttle               ↓ low quality
   Gemini 2.5 Flash       Hermes 預跑兜底           Gemini 2.5 Flash
        ↓ throttle                                       ↓
   ElephantAlpha 49B                                Hermes 規則引擎

四、儲存空間 + 性能評估

4.1 GCP 預期用量

  • 每台 GCP 約 60GB Ollama 模型（Primary + Secondary 各一份冗餘）
  • 12 個模型 × 平均 5GB = 60GB
  • 假設 GCP VM 100GB SSD → 60% 使用率，可控

4.2 RAM 載入

  • Ollama keep_alive=24h 可保留熱模型（hermes3 / qwen3:14b 永駐留）
  • 冷模型（minicpm-v / llava）首次調用 ~10s 加載
  • 解：分批載入 + 配置 OLLAMA_NUM_PARALLEL=2 限制同時載入數

4.3 推論延遲（GCP SSD）

模型 預期延遲（256 tokens）
gemma3:4b ~1.5s
hermes3:latest ~3s
qwen2.5:7b-instruct ~3s
qwen3:14b ~6s
deepseek-r1:14b ~8s（含 thinking）
qwen2.5-coder:32b ~12s
minicpm-v:latest ~10s（含 image）

五、模型治理規範（補強 ADR-028）

5.1 新增模型 SOP

  1. 評估 ROI（場景對應 + 預期降本/升質量化）
  2. SSH GCP Primary 試拉確認 size + 推論延遲
  3. 加進 ai_call_logger COST_TABLE
  4. 加 caller × model 路由規則
  5. unit test 驗 routing
  6. 灰度啟用（feature flag）
  7. 1 週觀察後正式啟用

5.2 既有模型替換 SOP

  1. A/B 測試新舊模型對 10+ 黃金樣本
  2. 統帥盲測通過後才替換
  3. 舊模型保留為 fallback（不立刻刪）
  4. 寫進 ADR

5.3 模型淘汰 SOP

  1. 連續 7 日 0 流量 → 標記 deprecated
  2. 30 日仍 0 流量 → SSH GCP 刪除節省空間
  3. ADR 註明淘汰原因

六、與 ai_call_logger COST_TABLE 對齊

Model Cost (in/out per M) 為何
全 Ollama 模型 0 / 0 自架免費
gemini-2.5-pro $1.25 / $10.0 高品質
gemini-2.5-flash $0.075 / $0.30 性價比
claude-opus-4-7 $15 / $75 程式碼 #1
claude-sonnet-4-6 $3 / $15 平衡
claude-haiku-4-5 $0.8 / $4 輕量
deepseek-chat $0.014 / $0.28 直連最便宜
deepseek-reasoner $0.14 / $2.19 推理
NIM 系列 0 / 0 配額制

References

  • ADR-027 附錄（三主機架構）
  • ADR-028（LLM 路由統一準則）
  • ADR-029（Hermes-First 雙塔分工）
  • ADR-030（Frontier 多供應商策略）
  • services/ai_call_logger.py COST_TABLE
  • services/llm_caller_registry.py CALLER_REGISTRY
  • docs/operation_ollama_first_v5_postmortem.md
Reference in New Issue View Git Blame Copy Permalink