Document vLLM-first harness roadmap

docs/aituner-roadmap.md

@@ -0,0 +1,81 @@
+# AITuner roadmap
+
+本文只维护最小 roadmap：我们想 claim 什么、已有证据在哪里、下一步缺哪块证据。
+详细实验过程放到对应专题文档里，不在这里堆流水账。
+
+## Paper frame
+
+AITuner 的核心不是“用 LLM 调参”，而是一个 SLO-aware tuning agent workflow：
+
+```text
+measurement -> observation -> bottleneck classifier -> candidate family
+            -> SLO-constrained scoring -> validator -> proposal / stop
+```
+
+LLM 的角色是 planner，不是唯一贡献。Harness 给 planner 提供 domain-specific
+system knowledge 和决策边界，使 tuning 从开放式 knob guessing 变成受测量约束的
+优化过程。
+
+## Scope decision
+
+当前 paper 主线先聚焦 vLLM serving engine，把 workflow/harness 机制论证完整：
+
+```text
+vLLM cases first: workflow/harness effectiveness, mechanism, robustness, near-optimum evidence
+multi-engine later: engine adapter abstraction, low adaptation cost, one SGLang-style validation case
+```
+
+因此主 claim 不写成“已经完整验证所有 serving engines”。更稳妥的表述是：
+
+- AITuner 的 control loop 使用 engine adapter 抽象：launch recipe、healthcheck、
+  OpenAI-compatible request API、engine-specific flag/env mapping、topology constraints。
+- 当前实验集中在 vLLM 上，因为 vLLM case 足以完整证明 harness workflow 是否有效。
+- 不同 serving engine 的兼容性作为 architecture portability 论证；只有补充
+  SGLang 等 engine 的 adapter 和至少一个验证 case 后，才升级为 evaluated claim。
+
+## 设计点
+
+| 设计点 | 作用 | 需要证明的性质 |
+| --- | --- | --- |
+| Observation | 把 config、probe history、SLO failure、latency profile、incumbent、failed signatures 结构化 | LLM 看到的是可计算状态，不只是自然语言日志 |
+| Bottleneck classifier | 把 TTFT/prefill、decode TPOT、admission/queueing、memory/launch failure 分开 | proposal 方向和测量瓶颈一致 |
+| Candidate family | 将 bottleneck 映射到 topology/runtime/cache/admission knob family | 搜索空间被压缩，但不写死单个 case |
+| SLO-constrained scoring | 用 `max feasible req/s/GPU` 评价 candidate | 优化目标和生产 SLO 一致，不追 raw throughput |
+| Validator / stop | 阻止非法、重复、失败 family；在 search high saturated 或无有效候选时停止 | 减少 GPU burn，同时避免过早停止 |
+
+## Claim roadmap
+
+| Claim | 当前状态 | 证据文档 | 缺口 |
+| --- | --- | --- | --- |
+| Harness 比 naive 收敛更快、上限更高 | 已有强证据 | [Qwen27B 2x2](harness-ablation/qwen27b-tight-2x2-model-ablation-20260623.md), [Qwen30B SLO robustness](harness-ablation/qwen30b-slo-robustness-20260624.md) | 补齐 Qwen235B decode 2x2 aggregate |
+| Harness 不是强模型本身带来的收益 | 已有一个完整 2x2；第二个正在跑 | [Qwen27B 2x2](harness-ablation/qwen27b-tight-2x2-model-ablation-20260623.md), [Qwen235B prefill progress](harness-ablation/qwen235b-prefill-2x2-progress-20260623.md) | 完成 Qwen235B decode 2x2；更新 prefill final doc |
+| Harness 对 SLO 变化 robust | Qwen30B 已完成 | [Qwen30B SLO robustness](harness-ablation/qwen30b-slo-robustness-20260624.md) | 选择一个第二 case 做 SLO sweep，而不是立即铺很多 case |
+| Harness 找到的是合理/near-optimum config | 部分解释已有，严格证据不足 | [Qwen30B SLO robustness](harness-ablation/qwen30b-slo-robustness-20260624.md), [AITuner summary](aituner-harness-summary.md) | 对 1-2 个 case 做局部 grid 或专家配置对照 |
+| Harness 的每个组件都有贡献 | 设计解释已有，组件 ablation 不足 | [AITuner summary](aituner-harness-summary.md) | 做 no-classifier / no-family / no-validator / no-stop ablation |
+| Workflow 可通过 engine adapter 迁移到其他 serving engine | 设计上可行，暂不作为主实验 claim | 当前 `EngineLaunchSpec` / launch recipe 抽象 | vLLM 主线完成后，再做 SGLang adapter 和一个低成本验证 case |
+
+## 当前最高优先级
+
+1. 完成并整理 Qwen235B decode 2x2。
+   目标：回答 `weak model + harness` 是否能超过 `strong model + naive`。
+
+2. 更新 Qwen235B prefill 2x2 final 文档。
+   目标：避免 roadmap 指向过期 progress 文档。
+
+3. 选定一个 near-optimum 证明 case。
+   目标：用小规模 grid 或专家配置对照证明 harness 找到的是合理最优区间，而不是
+   prompt coincidence。
+
+4. 决定第二个 SLO robustness case。
+   目标：证明 Qwen30B 以外也成立，但先不要盲目铺实验。
+
+5. 设计 engine adapter 迁移实验，但暂缓执行。
+   目标：在 vLLM 证据链完整后，用一个 SGLang-style case 证明适配成本低，而不是提前分散主线。
+
+## 暂不做
+
+- 暂不同时开启大量 SLO sweep；先对齐 paper frame 和最高价值 claim。
+- 暂不把所有旧文档重写成中文；只对新证据文档和 roadmap 使用中文，旧文档按需要逐步迁移。
+- 暂不 claim 全局最优；没有 grid/expert baseline 前，只 claim near-optimum evidence pending。
+- 暂不把 multi-engine support 放进主 claim；先写成 adapter-based design，等 vLLM
+  机制证据完整后再补 SGLang validation。