aituner/docs/aituner-roadmap.md

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：

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：

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, Qwen30B SLO robustness	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, Qwen235B prefill progress	完成 Qwen235B decode 2x2；更新 prefill final doc
Harness 对 SLO 变化 robust	Qwen30B 已完成	Qwen30B SLO robustness	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, AITuner summary	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	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。