YG_FT/docs/platform-architecture-requirements.md

模型训练平台架构与功能需求设计

本文基于当前前端页面、已有接口/数据库设计，以及用户补充的 6 条约束进行补全。目标是把平台从“单前端原型 + 后端接口草案”扩展为企业可落地的模型训练平台方案。

1. 补充需求结论

1.1 已确认约束

1. 部署形态：单机多 GPU。
2. 文件存储：本地磁盘。
3. 训练框架：当前固定 LLaMA-Factory，但要预留其他训练平台接入标准。
4. 权限粒度：需要到项目、模型、数据集级隔离。
5. 企业治理：需要多租户、审批流、审计留存周期。
6. 部署边界：算力平台与应用平台分开部署。

1.2 对整体设计的影响

• 不能只做页面级 RBAC，需要引入“租户 -> 项目 -> 资源 -> 成员/角色/ACL”的资源权限模型。
• 单机多 GPU 不等于简单指定 GPU ID，需要有 GPU 资源池、锁定、排队、抢占策略和异常释放机制。
• 本地磁盘存储与应用/算力分离存在天然冲突：文件不能只存应用服务器本地，也不能让应用直接读算力服务器目录。建议将训练文件、模型文件、日志文件统一落在算力节点本地磁盘，由算力平台提供文件网关 API；应用平台只保存元数据和访问路径。
• LLaMA-Factory 应作为第一个训练引擎插件，而不是写死到业务流程里。后续接入其他平台时只需实现同一套训练引擎协议。
• 审批流、审计和保留策略必须从第一版进入数据模型和接口，否则后期补会牵动大量资源表。

2. 总体架构设计

2.1 逻辑分层

flowchart LR
  U["用户浏览器"] --> APP["应用平台 Web / FastAPI"]
  APP --> DB["PostgreSQL"]
  APP --> REDIS["Redis / 任务队列"]
  APP --> CPAPI["算力平台 API"]
  CPAPI --> AGENT["算力节点 Agent"]
  AGENT --> GPU["单机多 GPU"]
  AGENT --> DISK["本地磁盘工作区"]
  AGENT --> LF["LLaMA-Factory 引擎"]

2.2 应用平台职责

应用平台负责业务编排和企业治理，不直接执行训练命令：

• 用户、租户、项目、权限、审批、审计。
• 模型、数据集、任务、评测、推理任务元数据。
• 前端 API、OpenAPI、统一认证、统一响应。
• 训练/评测/数据处理任务创建、状态查询、审批校验。
• 与算力平台通信，下发任务、查询进度、拉取日志、下载产物。

建议部署组件：

• Nginx：静态前端与反向代理。
• FastAPI：业务 API。
• PostgreSQL：业务元数据。
• Redis：缓存、任务队列、SSE 状态缓存、分布式锁。
• Worker：审批通知、审计归档、周期清理、异步导出。

2.3 算力平台职责

算力平台负责“实际占用 GPU 和磁盘”的事情：

• GPU 发现、资源上报、锁定、释放。
• 本地磁盘工作区管理。
• 数据集文件接收、校验、解压、版本目录管理。
• LLaMA-Factory 命令生成、执行、停止、日志采集。
• 训练产物、LoRA adapter、merged model、checkpoint 管理。
• 推理服务进程管理、端口分配、健康检查。
• 系统/GPU 监控指标采集。

建议部署组件：

• Compute API：只暴露给应用平台访问。
• Compute Agent：本机服务，具备启动/停止进程权限。
• 本地文件网关：上传、下载、预览、断点续传、文件校验。
• Engine Adapter：LLaMA-Factory 适配器，后续扩展其他训练引擎。

2.4 应用与算力平台通信

建议统一使用内部 HTTP/gRPC API，并配置服务间认证：

• 应用平台调用算力平台必须携带 X-Service-Token 或 mTLS 证书。
• 算力平台不信任前端用户身份，只信任应用平台下发的租户、项目、任务和资源上下文。
• 第一阶段不默认启用算力侧回调，应用平台通过定时轮询 Compute API 同步任务状态；如未来启用回调，必须带签名，避免伪造状态。

核心通信接口：

方向	接口	说明
应用 -> 算力	POST /modelTF/compute/jobs	创建训练/评测/数据处理/推理任务
应用 -> 算力	POST /modelTF/compute/jobs/{id}/stop	停止任务
应用 -> 算力	GET /modelTF/compute/jobs/{id}	查询任务状态
应用 -> 算力	GET /modelTF/compute/jobs/{id}/logs	拉取日志
应用 -> 算力	GET /modelTF/compute/resources/gpus	查询 GPU 状态
应用 -> 算力	POST /modelTF/compute/files/upload	上传文件到算力本地磁盘
应用 -> 算力	GET /modelTF/compute/files/{object_id}/download	下载文件
应用 -> 算力	GET /modelTF/compute/jobs?status=running	定时轮询任务状态、指标、产物索引

3. 本地磁盘存储设计

3.1 存储根目录

由于算力和应用分离，建议文件主存储放在算力节点本地磁盘：

/data/ft-platform/
  tenants/{tenant_id}/
    projects/{project_id}/
      datasets/{dataset_id}/
      models/base/{model_id}/
      models/trained/{trained_model_id}/
      jobs/{job_id}/
        input/
        output/
        logs/
        checkpoints/
        tmp/

应用平台数据库保存：

• storage_type=local。
• storage_node_id。
• relative_path。
• checksum_sha256。
• byte_size。
• tenant_id/project_id/resource_id。

3.2 文件访问原则

• 前端不直接访问磁盘路径。
• 应用平台生成短时下载凭证，转发或重定向到算力文件网关。
• 预览内容只读取前 N 行或指定区间，避免大文件撑爆 API。
• 大文件上传必须支持分片上传、校验、断点续传。
• 删除操作采用软删除 + 延迟清理，等待审计留存和审批结果。

3.3 磁盘配额

配额应分三层：

• 租户配额：总容量、模型容量、数据容量、日志容量。
• 项目配额：可用容量、最大文件大小、最大任务产物保留数。
• 用户配额：可上传文件总量、并发任务产物占用。

超过配额时：

• 禁止新建任务或上传文件。
• 允许下载和清理。
• 提示可清理的 checkpoint、过期日志、失败任务临时目录。

4. 单机多 GPU 资源调度

第一版可以先以单个算力节点跑通主链路，但数据模型、接口和页面需要按多算力节点预留。多节点阶段仍然采用“每台 GPU 服务器 = 一个单机多 GPU 节点”的模式，不引入 Kubernetes。

4.1 GPU 资源模型

每张 GPU 需要记录：

• gpu_index、uuid、型号、显存、驱动版本。
• 当前利用率、显存占用、温度、功耗。
• 当前锁定任务、进程 PID、端口。
• 状态：idle、reserved、running、draining、offline、error。

4.2 调度策略

第一版建议支持三种模式：

• 手动指定 GPU：兼容当前前端选择 GPU 的模式。
• 自动选择 GPU：按空闲显存、温度、任务队列选择。
• 项目配额调度：项目最多可占用 N 张 GPU，避免单项目占满机器。

训练任务启动流程：

1. 应用平台校验权限、配额、审批状态。
2. 生成任务，状态为 pending。
3. 算力平台尝试锁定 GPU。
4. 锁定成功后创建工作区并启动 LLaMA-Factory。
5. Agent 持续上报进度、日志、指标。
6. 任务完成后释放 GPU，登记模型产物。

4.3 并发与排队

• 同一 GPU 同时只允许一个训练任务。
• 推理服务可与训练互斥，默认不允许混跑；如后续允许，需要显存保留策略。
• 数据处理如果只调用 API 模型，可以不占 GPU；如果调用本地模型生成，需要占用 GPU。
• 支持任务队列优先级：low、normal、high、urgent。
• 高优任务是否可抢占低优任务，需要审批或管理员权限。

4.4 多算力节点升级策略

多算力节点阶段的推荐决策：

• 每个可执行训练任务的 GPU 节点都部署 Compute API、Compute Agent、File Gateway、LLaMA-Factory、CUDA/PyTorch 训练环境和本地数据盘。
• 应用服务器可以主动访问所有算力节点的 Compute API/File Gateway。
• 算力节点之间默认不互相访问，不做节点间点对点同步；所有调度、状态同步和资源分发由应用平台统一编排。
• 长期坚持每台算力服务器本地磁盘，因此需要 resource_replicas 记录数据集、基座模型、checkpoint、adapter、导出模型在哪些节点已有本地副本。
• 调度前必须检查目标节点是否已有模型和数据集副本；缺失时由应用平台通过目标节点 File Gateway 创建同步任务，完成后再启动训练。
• 调度支持自动和手动两种模式：普通用户默认自动调度，管理员/高级用户可手动指定节点、GPU、标签或节点组。

多节点自动调度建议：

1. 过滤 enabled = true 且 scheduler_status = online 的节点。
2. 按训练引擎、GPU 型号、显存、节点标签、租户/项目配额过滤。
3. 优先选择已存在所需模型/数据集副本的节点，减少跨节点复制。
4. 同等条件下按空闲 GPU、队列长度、节点权重和最近健康检查排序。
5. draining 节点不接收新任务，但允许已有任务完成。

5. 训练引擎接入标准

5.1 引擎抽象

LLaMA-Factory 是第一实现，但业务系统只依赖统一训练引擎接口：

TrainingEngine
  validate_config(config)
  prepare_workspace(job_context)
  build_command(job_context)
  start(job_context)
  stop(job_id)
  parse_progress(log_line)
  collect_artifacts(job_id)
  export_model(job_id, export_config)

5.2 引擎注册信息

每个训练引擎需要声明：

• 引擎编码：llama_factory。
• 支持任务：SFT、DPO、CPT。
• 支持方法：lora、qlora、full。
• 支持模型模板：qwen、llama3 等。
• 支持数据格式：Alpaca、ShareGPT、DPO pair、pretrain text。
• 支持量化和导出格式。
• 参数 schema。
• 命令模板或启动方式。

5.3 LLaMA-Factory 适配要求

LLaMA-Factory 适配器负责：

• 将平台训练参数转换为 YAML/CLI 参数。
• 根据项目工作区生成数据集配置。
• 自动设置 CUDA_VISIBLE_DEVICES。
• 解析训练日志中的 loss、epoch、learning_rate、ETA。
• 收集 checkpoint、adapter、merged model、training_args、trainer_state。
• 支持训练停止和失败恢复。

5.4 后续接入其他平台的标准

其他训练平台只要实现以下契约即可接入：

• 输入：模型引用、数据集引用、训练配置、资源需求、输出目录。
• 输出：任务状态、进度、日志、指标、产物清单、失败原因。
• 生命周期：prepare、start、running、stop、complete、cleanup。
• 安全：不能越权访问其他租户/项目目录。
• 可观测：必须输出结构化事件和日志。

6. 多租户与项目级隔离

6.1 租户模型

需要新增租户管理：

• 租户名称、编码、状态。
• 租户管理员。
• 租户资源配额：GPU 并发数、磁盘容量、最大项目数。
• 租户审计策略、保留周期、审批策略。

6.2 项目空间

所有业务资源必须归属项目：

• 数据集。
• 模型。
• 训练任务。
• 评测任务。
• 推理任务。
• 数据处理任务。
• 自定义工具。

项目字段：

• 项目名称、描述、所属租户。
• 项目管理员、成员。
• 默认资源权限。
• GPU/磁盘/任务并发配额。
• 项目状态：启用、归档、禁用。

6.3 资源级权限

建议采用 RBAC + ACL 混合：

• RBAC 决定用户是否能访问模块，例如能否进入模型管理。
• 项目角色决定用户是否能管理项目内资源。
• 资源 ACL 处理特殊授权，例如某个数据集只给指定成员可读。

项目角色建议：

角色	权限
Project Owner	项目设置、成员、资源、审批策略全权限
Project Maintainer	创建/编辑模型、数据集、任务，可发起发布和删除
Developer	创建训练、评测、推理、数据处理任务
Reviewer	审批、复核、查看评测结果
Viewer	只读查看

资源权限建议：

• read：查看资源。
• write：编辑元数据和内容。
• execute：用于训练/评测/推理。
• download：下载文件和模型。
• delete：删除或申请删除。
• manage_acl：管理资源授权。

6.4 数据隔离要求

• API 查询必须默认带 tenant_id 和用户可访问项目范围。
• 数据库所有核心资源表增加 tenant_id、project_id。
• 本地磁盘路径包含租户和项目 ID，防止路径混用。
• 算力任务上下文必须携带租户/项目，Agent 只允许访问对应工作区。
• 日志、审计、下载链接也必须按租户隔离。

7. 企业治理设计

7.1 审批流

建议第一版支持可配置审批模板：

场景	是否建议审批	原因
删除数据集	是	数据不可逆风险高
删除模型	是	影响训练/推理依赖
模型发布为可推理服务	是	影响生产资源
停止他人训练任务	是或管理员直通	影响计算成本和他人工作
导出模型	可配置	涉及资产外流
下载敏感数据集	可配置	涉及数据安全
提高 GPU 配额	是	涉及资源竞争

审批流能力：

• 发起审批。
• 指定审批人/审批组。
• 多级审批。
• 通过、驳回、撤回、转交。
• 审批超时提醒。
• 审批结果回写原业务动作。

7.2 审计留存周期

建议支持租户级配置：

• 操作审计：默认 180 天，可配置 90/180/365/永久。
• 登录审计：默认 180 天。
• 训练日志：默认 90 天。
• 系统监控：原始采样默认 30 天，聚合指标保留 1 年。
• 模型产物：默认长期保留，删除需审批。
• 临时文件：默认 7 天清理。
• 失败任务工作区：默认 14 天清理。

审计不可被普通管理员物理删除，只能由系统归档任务按策略处理。

7.3 安全策略

需要补充：

• API Key 加密存储和脱敏展示。
• 外部数据源密码加密存储或不落库。
• 下载链接短时有效。
• 敏感操作二次确认。
• 审批通过后动作有效期，例如 24 小时内执行。
• IP 白名单和服务间 token。
• 操作审计记录 before/after 数据。

8. 需要补全的页面和功能

8.1 租户与项目页面

当前前端缺失，建议新增：

1. 租户管理页

   • 租户列表、创建、禁用、配额设置、审计策略。
   • 仅平台管理员可见。

2. 项目空间页

   • 项目列表、创建项目、归档项目。
   • 展示项目资源概览：模型数、数据集数、任务数、磁盘占用、GPU 使用。

3. 项目成员页

   • 添加/移除成员。
   • 设置项目角色。
   • 查看成员最近操作。

4. 项目资源权限页

   • 模型/数据集/任务级授权。
   • 支持按用户、用户组、项目角色授权。

8.2 用户中心补全

前端路由已有但页面文件缺失或未完成：

• PermissionDeniedView.vue
• UserSettingsView.vue
• UserCreateView.vue
• UserPermissionView.vue

建议功能：

• 用户列表、创建、禁用、重置密码。
• 角色管理。
• 页面权限管理。
• 用户所属租户/项目。
• 用户可用 GPU/磁盘配额查看。
• 登录记录和操作审计入口。

8.3 审批中心

新增页面：

• 我的申请。
• 待我审批。
• 已办审批。
• 审批详情。
• 审批模板配置。

审批详情需要展示：

• 申请人、申请时间、动作类型、目标资源。
• 变更前后信息。
• 风险提示。
• 审批记录。
• 通过/驳回意见。

8.4 算力资源中心

当前只有硬件监控页，建议扩展为算力资源中心：

• GPU 拓扑和状态。
• GPU 当前任务占用。
• GPU 锁定/释放记录。
• 队列中的任务。
• 资源配额：租户/项目/用户维度。
• 算力节点 Agent 状态。
• 算力节点新增/编辑、连接测试、启用/禁用、维护模式。
• 节点权重、标签、训练引擎版本、LLaMA-Factory 健康状态。
• 节点本地资源副本：数据集、模型、checkpoint、adapter 和导出模型缓存。
• 训练引擎健康状态。

8.5 文件与存储管理

新增页面：

• 存储总览。
• 租户/项目磁盘占用。
• 大文件列表。
• 临时文件清理。
• Checkpoint 管理。
• 日志保留策略。
• 文件下载审计。

8.6 训练引擎管理

新增页面：

• 引擎列表。
• LLaMA-Factory 版本和路径。
• 引擎能力声明。
• 参数 schema 管理。
• 引擎健康检查。
• 引擎接入文档。

8.7 任务队列与运行控制

新增页面：

• 全局任务队列。
• 项目任务队列。
• 任务优先级调整。
• 任务重试。
• 任务停止审批。
• 失败任务诊断。

8.8 模型发布与服务治理

当前推理/对比页面已有基础能力，但缺少企业化发布能力：

• 模型发布申请。
• 推理服务实例配置。
• 端口、GPU、并发、超时、最大上下文限制。
• 服务启停记录。
• 调用统计。
• 服务下线审批。

9. 后端模块补全

9.1 新增核心模块

模块	职责
tenant	租户管理、租户配额、租户策略
project	项目空间、成员、项目角色
resource_acl	模型/数据集/任务级资源授权
approval	审批模板、审批实例、审批动作
quota	GPU、磁盘、任务并发配额
compute_gateway	应用平台与算力平台通信
file_gateway	本地磁盘文件上传、下载、预览
engine_registry	训练引擎注册与能力发现
retention	审计、日志、临时文件保留策略

9.2 数据模型补充

在前一版 SQL 基础上，应新增或调整：

• tenants
• tenant_users
• projects
• project_members
• resource_acl
• approval_templates
• approval_instances
• approval_steps
• quotas
• quota_usage
• compute_nodes
• gpu_devices
• gpu_allocations
• compute_jobs
• training_engines
• retention_policies

核心资源表需要补充字段：

• tenant_id
• project_id
• visibility
• owner_id
• approval_status
• storage_node_id

需要调整的已有表：

• models
• trained_models
• datasets
• dataset_files
• data_process_tasks
• fine_tune_tasks
• eval_tasks
• inference_tasks
• custom_tools
• audit_logs
• storage_objects

9.3 接口补充

租户：

• GET /modelTF/tenants
• POST /modelTF/tenants
• GET /modelTF/tenants/{id}
• PUT /modelTF/tenants/{id}
• PUT /modelTF/tenants/{id}/quota
• PUT /modelTF/tenants/{id}/retention-policy

项目：

• GET /modelTF/projects
• POST /modelTF/projects
• GET /modelTF/projects/{id}
• PUT /modelTF/projects/{id}
• POST /modelTF/projects/{id}/archive
• GET /modelTF/projects/{id}/members
• POST /modelTF/projects/{id}/members
• PUT /modelTF/projects/{id}/members/{user_id}
• DELETE /modelTF/projects/{id}/members/{user_id}

资源授权：

• GET /modelTF/resources/{resource_type}/{resource_id}/acl
• PUT /modelTF/resources/{resource_type}/{resource_id}/acl
• POST /modelTF/resources/{resource_type}/{resource_id}/share

审批：

• GET /modelTF/approvals
• POST /modelTF/approvals
• GET /modelTF/approvals/{id}
• POST /modelTF/approvals/{id}/approve
• POST /modelTF/approvals/{id}/reject
• POST /modelTF/approvals/{id}/cancel

算力：

• GET /modelTF/compute/nodes
• GET /modelTF/compute/gpus
• GET /modelTF/compute/queue
• POST /modelTF/compute/jobs/{id}/retry
• POST /modelTF/compute/jobs/{id}/priority

训练引擎：

• GET /modelTF/training-engines
• GET /modelTF/training-engines/{id}
• POST /modelTF/training-engines/{id}/health-check
• GET /modelTF/training-engines/{id}/schema

10. 端到端业务流程

10.1 数据集上传

1. 用户进入项目空间。
2. 用户创建数据集。
3. 应用平台校验项目写权限和磁盘配额。
4. 前端上传文件到应用平台。
5. 应用平台转发到算力文件网关，保存到项目目录。
6. 算力平台返回文件元数据和 checksum。
7. 应用平台登记数据集文件版本。
8. 审计记录上传行为。

10.2 微调训练

1. 用户选择项目、模型、数据集、训练参数和 GPU。
2. 应用平台检查模型/数据集 execute 权限。
3. 检查项目 GPU 并发配额。
4. 如果策略要求审批，先创建审批单。
5. 审批通过后创建 compute job。
6. 算力平台锁定 GPU，生成 LLaMA-Factory 配置，启动训练。
7. 训练日志和指标实时回传。
8. 完成后登记 trained model。
9. 如启用自动合并，进入合并任务。
10. 审计记录任务全生命周期。

10.3 模型发布

1. 用户选择训练产物。
2. 提交发布申请。
3. 审批通过后算力平台启动推理服务。
4. 分配端口和 GPU。
5. 应用平台登记服务实例。
6. 前端推理页面调用服务。
7. 监控调用量、延迟、错误率、GPU 占用。

11. 当前功能完整性评估

补充 6 条需求后，平台设计已经覆盖完整模型训练平台的主链路：

• 数据准备。
• 数据处理。
• 模型登记。
• 微调训练。
• 训练日志和指标。
• 模型合并和导出。
• 模型评测。
• 推理服务。
• 模型对比。
• 用户、权限、租户、项目隔离。
• 审批、审计、保留策略。
• 算力资源调度。

但如果目标是企业级生产平台，还建议继续确认以下缺口。

12. 仍需确认的问题

1. 本地磁盘是否在算力服务器上，应用服务器是否完全不保存训练文件？如果应用服务器也要保存上传临时文件，需要确认临时文件保留周期和容量。
2. 单机多 GPU 是否需要支持 MIG、GPU 分片或多进程共享，还是一张 GPU 同一时间只给一个任务？
3. 是否允许训练任务抢占？高优先级任务是否能停止低优先级任务？
4. 是否需要离线导入已有模型和已有数据集目录，还是所有文件都必须从平台上传？
5. 模型发布是否区分“测试服务”和“生产服务”？生产发布是否必须审批？
6. 是否需要数据集脱敏、敏感字段识别和数据质量评分作为内置流程？
7. 是否需要人工评测/人工复核结果沉淀为新数据集？
8. 是否需要训练任务失败后的断点续训？
9. 是否需要 checkpoint 自动清理策略，例如只保留最近 N 个或最好 N 个？
10. 是否需要对外提供标准 API 给其他系统调用训练、评测、推理能力？
11. 是否需要接入企业统一身份认证，例如 LDAP、OIDC、企业微信、钉钉？
12. 是否需要成本核算：按租户/项目统计 GPU 小时、磁盘占用、模型调用量？
13. 多算力节点是否需要节点组、租户绑定节点或项目绑定节点策略？
14. 跨节点资源同步是否需要限速、同步窗口和管理员审批？

13. 推荐决策补充

system-development-plan.md 已对上述问题给出第一版建议，需求设计以以下决策为准。

1. 本地磁盘主存储放在算力服务器，应用服务器只保留上传临时文件。临时文件默认保留 24 小时，成功转发到算力文件网关后可立即进入清理队列。
2. 第一版不支持 MIG、GPU 分片和多任务共享同一张 GPU。一张 GPU 同一时间只分配给一个训练任务或一个推理服务。GPU 数据模型预留 partition_type、parent_gpu_uuid、memory_total_mb，便于后续扩展 MIG。
3. 第一版不做自动抢占。支持任务优先级和排队；停止他人任务需要审批或平台管理员权限。
4. 多算力节点仍按“单机多 GPU 节点”管理，每个节点独立部署算力服务和 LLaMA-Factory；节点之间不互相访问，由应用平台统一调度和资源同步。
5. 多节点调度默认自动选择节点，同时支持管理员/高级用户手动指定节点；调度优先考虑节点健康、标签、权重、空闲 GPU、队列长度和资源副本是否已存在。
6. 第一版必须支持离线导入已有模型和数据集目录。导入由算力 Agent 扫描、校验、登记，并归属指定租户和项目。
7. 模型发布区分测试服务和生产服务。测试服务项目内可启动并默认限流；生产服务必须审批。
8. 数据脱敏和数据质量评分作为数据处理模块的一等能力进入第一期，先实现规则版脱敏、格式校验、重复率、完整性、长度分布等指标。
9. 人工评测/复核作为第二期功能，但第一期需在数据库和页面入口预留人工复核状态与修订字段。
10. 第一版支持从 checkpoint 手动恢复训练，不做自动失败续训。失败任务可选择 checkpoint 重试。
11. 第一版必须支持 checkpoint 自动清理策略：默认保留最近 3 个、最优 2 个；已发布模型关联 checkpoint 不自动删除；失败任务 checkpoint 默认保留 14 天。
12. 第一版提供内部 API，第二期再开放面向其他系统的标准 API、API Key、限流和 Webhook。
13. 第一版使用本地账号，预留 OIDC/LDAP 字段和认证 provider 抽象；第二期接入企业统一身份认证。
14. 第一版做 GPU 小时、磁盘占用、任务时长、推理调用量等用量统计；第二期再做成本单价和账单核算。

以上决策需要同步反映在接口文档、数据库 SQL、前端页面和部署方案中。第一版实现不再阻塞于这些问题的反复确认，除非实际部署环境与假设明显冲突。

14. 页面功能模块映射

本节用于帮助前端、后端、DB 和测试人员理解需求对应到哪些页面与功能模块。页面路径以当前 Vue 路由和新增规划路由为准。

14.1 平台入口与全局能力

页面模块	路由/入口	对应需求	主要功能
登录页	/login	用户认证、本地账号、后续预留 OIDC/LDAP	登录、会话创建、权限加载
主布局	/	全局项目上下文、权限控制	菜单、顶部状态、项目切换器、用户信息
无权限页	/permission-denied	页面权限和资源权限兜底	展示无权限原因、返回可访问页面
服务看板	/dashboard	平台运行总览	服务健康、任务概览、训练统计、用户操作分布

14.2 租户、项目与权限治理

页面模块	建议路由	对应需求	主要功能
租户管理	/tenants、/tenants/:id	多租户、租户配额、留存策略	租户列表、创建/禁用租户、配额、审计留存策略
项目空间	/projects、/projects/:id	项目级隔离、项目资源聚合	项目列表、项目概览、资源统计、项目归档
项目成员	/projects/:id/members	项目角色	添加成员、移除成员、设置 owner/maintainer/developer/reviewer/viewer
资源授权	/projects/:id/permissions 或资源详情弹窗	模型/数据集/任务级 ACL	按用户、项目角色授权 read/write/execute/download/delete/manage_acl
用户中心	/user-settings、/user-settings/create、/user-settings/:id/permission	用户、角色、页面权限	用户列表、创建用户、禁用、重置密码、分配页面权限和项目

14.3 数据链路

页面模块	路由/入口	对应需求	主要功能
数据集列表	/dataset	数据集管理、项目隔离	列表、搜索、下载、删除审批入口
数据集创建/编辑	/dataset/create、/dataset/:id/edit	上传、本地磁盘、文件网关	创建数据集、上传文件、离线导入、元数据编辑
数据集预览	/dataset/:id/preview	文件版本、在线编辑、乐观锁	文件预览、版本切换、保存新版本、下载
数据处理列表	/data-process	数据处理任务管理	任务列表、状态、输出数据集跳转、删除审批
数据处理创建向导	/data-process/create	清洗、切片、生成、质量评分、脱敏	任务配置、模型选择、源文件/外部源、预览切片、生成、结果编辑、发布数据集
数据处理详情	/data-process/:id	处理统计和结果追踪	运行信息、处理统计、失败原因、结果明细
数据转换	/data-convert	JSON/JSONL 转换	上传 JSON、转换任务、下载结果

14.4 模型训练链路

页面模块	路由/入口	对应需求	主要功能
模型管理	/model-manage	模型登记、离线导入、资源 ACL	基座模型/API 模型列表、用途变更、授权、删除审批
模型创建/编辑	/model-manage/create、/model-manage/:id/edit	本地模型/API 模型登记	选择本地路径、填写 API 模型信息、加密 API Key
权重合并	/model-manage/merge	LoRA 合并、产物管理	选择训练产物、合并权重、生成 merged model
微调任务列表	/fine-tune	训练任务管理	任务列表、状态、进度、停止/删除审批
微调创建	/fine-tune/create	LLaMA-Factory 训练配置、GPU 调度	选择模型/数据集/GPU、训练参数、量化导出、提交审批或启动
训练日志详情	/training-log/:id	日志、指标、checkpoint、恢复训练	日志 tail、loss 曲线、GPU 状态、checkpoint 列表、恢复/重试
训练引擎管理	/training-engines	LLaMA-Factory 插件化和后续引擎接入	引擎列表、能力声明、schema、健康检查

14.5 评测、推理和发布

页面模块	路由/入口	对应需求	主要功能
评测列表	/model-eval	模型评测	评测任务列表、状态、分数、删除
评测创建	/model-eval/create	自动评测、LLM Judge、基础指标	选择模型/数据集/维度/GPU、配置指标、启动评测
评测详情	/model-eval/:id	样本级结果、人工复核预留	综合评价、维度汇总、样本评分、错误类型
评测维度	/model-eval/dimension/:id/edit	维度和评测 Prompt 管理	创建/编辑维度、评分范围、Prompt、启用状态
推理列表	/model-inference	测试推理服务	推理任务列表、加载/卸载、服务状态
推理创建	/model-inference/create	模型服务资源申请	选择模型、GPU、端口策略、并发参数
推理对话	/model-inference/chat/:id	模型对话	单模型流式对话、会话记录
模型对比	/model-compare/chat/:id、/model-compare/result	多模型对比	多模型加载、并行对话、对比结果
模型发布治理	/model-services、/model-services/:id	测试/生产服务、发布审批	测试服务启动、生产发布申请、调用统计、下线审批

14.6 算力、审批、审计和运维

页面模块	建议路由	对应需求	主要功能
算力资源中心	/compute、/compute/gpus	单机多 GPU、资源锁定、队列	GPU 卡片、任务占用、节点状态、队列、优先级
存储管理	/storage	本地磁盘、配额、清理	租户/项目占用、大文件、临时文件、checkpoint 清理
审批中心	/approvals、/approvals/pending、/approvals/mine、/approvals/:id	审批流	我的申请、待我审批、审批详情、通过/驳回/撤回
审批模板	/approval-settings	审批策略配置	按动作配置审批人、超时、风险级别
审计中心	/audit-logs、/login-logs、/download-logs	操作审计和留存	操作审计、登录审计、下载审计、筛选导出
平台性能	/hardware	系统监控	CPU、内存、磁盘、GPU、进程
系统日志	/logs	日志查看	系统日志、训练日志、tail/offset 查询