Codewhale Model Lab 路线图全解把开放权重模型变成终端智能体的第一选择【免费下载链接】CodewhaleOpen-source coding agent for your terminal, built in Rust and on a journey of continuous community improvement. Issues and PRs welcome.项目地址: https://gitcode.com/GitHub_Trending/de/CodewhaleModel Lab 导读Model Lab 是 Codewhale 规划中的“开放模型工作台”目标是让开源与开放权重open-weight模型在终端编码工作流中真正可用——可发现discoverable、可评测evaluable、可路由routable、可服务servable、可导出exportable同时不削弱现有终端智能体的契约本地工作区控制、显式提供商鉴权、审批闸门、清晰的隐私边界。本文以 docs/MODEL_LAB.md 路线图为骨架结合仓库中 ProviderKind 枚举、Provider 默认值、路由 ID 契约与 Workflow 评测冻结等实现向读者说明“今天能用什么”“明天规划什么”以及为什么 Codewhale 把开源模型的可用性当作北极星。一、北极星让开源模型在每一个提供开源模型的厂商处都实用Model Lab 的本质不是“再造一个模型市场”而是一个收敛的原则Codewhale 应该让开源/开放权重模型在提供它们的每一个提供商provider上都能够用于终端编码工作流。文章开篇用一个短语概括了这一长期目标——Model Lab 就是这些模型变得“可发现、可评测、可路由、可服务、可导出”的载体。需要特别强调这是一份路线图语言文档 docs/MODEL_LAB.md 同时包含“今天已实现”Implemented Today与“仍在规划”Still Planned两类内容。文中凡是标注 planned 的 workset都属于规划而非现状本文会严格区分避免读者把 roadmap 当作出货清单。路线图的约束底线同样是原则性的所有这些能力的加入都不能破坏当前终端智能体契约——本地工作区控制、显式提供商鉴权、审批闸门、清晰的隐私边界。换句话说开放性前进的方向上用户掌控权一分都不能退。二、今天已实现的落地Implemented TodayModel Lab 并非空头支票。文档列出的已落地能力几乎全部可以在仓库源码中找到对应证据1. DeepSeek 作为一等公民默认提供商今天 DeepSeek 是 first-class 默认提供商提供deepseek-v4-pro与deepseek-v4-flash两个模型档位支持流式思考块streaming thinking blocks、Fin 路由、DEEPSEEK_*环境变量、以及~/.deepseek配置兼容。这一说法的实现依据非常清晰crates/config/src/provider_kind.rs 中ProviderKind::Deepseek被标注为#[default]即枚举的默认变体而 crates/config/assets/models_dev.bundled.json 给出了两条 DeepSeek 模型行的能力元数据deepseek-v4-pro与deepseek-v4-flash均为reasoning: true、tool_call: true、1,000,000 token 上下文 / 384,000 token 输出、open_weights: true。2. 多提供商路径provider path已成事实文档原话列举OpenRouter、Novita、Fireworks、NVIDIA NIM、AtlasCloud、Wanjie Ark、Hugging Face Inference Providers、通用 OpenAI-compatible 端点、SGLang、vLLM、Ollama均为受支持的提供商路径它们的 ID 出现在/provider、codewhale --provider、codewhale models中。这一事实可由提交的路由 ID 契约文件直接佐证crates/config/src/route/golden_route_ids.txt 中的deepseek、openrouter、novita、fireworks、nvidia-nim、atlascloud、wanjie-ark、huggingface、sglang、vllm、ollama、together、deepinfra、xiaomi-mimo等 ID 全部在列。该文件的注释写得很直白“删除或改写某个路由 ID 会导致 CI 失败”新 ID 只可追加、不可回收旧拼写——也就是说这份清单是版本化契约而非随意登记。3. Hugging Face Inference Providers 的 OpenAI-compatible 路由通过https://router.huggingface.co/v1提供 OpenAI-compatible 访问路由选择名支持四个别名huggingface、hugging-face、hugging_face、hf鉴权使用HUGGINGFACE_API_KEY或HF_TOKEN。这在代码里是完整的落地链crates/config/src/provider_kind.rs 的Huggingface变体带有#[serde(alias hugging-face, alias hugging_face, alias hf)]与文档四个别名逐一对应crates/config/src/provider_defaults.rs 定义了DEFAULT_HUGGINGFACE_MODEL deepseek-ai/DeepSeek-V4-Pro、DEFAULT_HUGGINGFACE_FLASH_MODEL deepseek-ai/DeepSeek-V4-Flash与DEFAULT_HUGGINGFACE_BASE_URL https://router.huggingface.co/v1crates/config/src/provider.rs 的 provider 元数据登记了[HUGGINGFACE_API_KEY, HF_TOKEN]两个凭据来源并给出凭据页https://huggingface.co/settings/tokens与文档页说明 Codewhale 遵循“凭据显式授权”原则。4. 模型自动路由model auto-routing文档澄清了一个常见误解模型自动路由按回合per turn选择一个具体的 DeepSeek 模型与思考级别它不是 TUI 的一种模式。仓库中有遗留的 DeepSeek 域内分类器crates/config/src/auto_model.rs 保留了一个纯规则提示复杂度评分器PRO_MODEL deepseek-v4-pro、FLASH_MODEL deepseek-v4-flash、PRO_THRESHOLD 2强复杂信号词debug、bug、refactor、security、audit 等命中一次 3得分 ≥ 2 判为复杂任务走 pro否则走 flash。不过该文件同时明确声明合并后的 CLI dispatcher 不得用此评分器去解析 provider 无关的model auto——因为那样会为每个活动提供商伪造 DeepSeek 模型 ID运行时自动选择由 TUI 中 provider 感知的路由器负责。这正体现了“按回合自动选模型”与“不得张冠李戴”的双重要求。5. Finflash 的快速无思考路径Fin 是deepseek-v4-flash的 thinking-off 快速路径用于路由、摘要、廉价检查、RLM 子调用、唤醒验证wakeup verification、二值化完成检查binary-completion checks。这类“廉价快速通道”直接服务于“哪条路便宜、哪条路快”的工程直觉是后续 Eval Workset 中“小模型 vs Fin vs 完整 DeepSeek 推理”对比的基础词汇。6. 自托管 OpenAI-compatible 端点SGLang、vLLM、Ollama 或通用openaiprovider 配置均可指向用户自托管的 OpenAI-compatible 端点。ProviderKind 中Sglang、Vllm、Ollama与OllamaCloud是独立变体见 crates/config/src/provider_kind.rs路由契约文件中同样收录配合用户自定 base_url 即可对接本地推理服务。三、仍在规划的部分与“现在怎么办”文档坦诚地列出了尚未落地的规划并给了明确指引在这些能力落地前请使用上述 provider 路径、MCP 服务器、或用户显式配置的外部工作流。规划项包括原生 Hugging Face Hub 浏览器、模型护照选择器model passport picker、或直接 Hub 搜索工作流——注意 HF Inference Providers 路由是“另行独立实现的聊天 provider”与 Hub 浏览能力互不绑定内置的 Hugging Face model card、dataset、adapter、safetensors、Spaces、Jobs 工作流原生 Unsloth、NeMo、Arcee 集成专用 Model Lab UI 标签页内置评测排行榜、托管可观测性、训练基础设施编排。为什么“Hub 浏览”和“推理路由”必须分开看因为二者的鉴权语义完全不同能拿 inference API key 不等于有权浏览 Hub、上传或执行 Jobs。文档在 Hugging Face Workset 的 Non-goal 中明确说“在代码实现这些 surface 之前不得声称原生 Hub 搜索、模型护照、Spaces/Jobs 或 Model Lab UI 已存在。”四、Model Lab 原则回答五个实用问题规划器面对用户的正确姿态是帮助回答下列实操问题而不是炫技这一回合该用哪个模型哪个开源/开放权重模型我可以本地跑或通过可信 provider 跑哪个 provider 以我需要的延迟、价格、上下文窗口、许可证、隐私姿态提供这个模型这个模型花了多少钱、表现如何、什么数据离开过我的机器这条路由我可不可以复现、导出、或自托管同时Model Lab绝不应该隐藏 provider 边界、静默上传本地产物、或在 Codewhale 真正能路由到之前就把某个模型描述为“可用”。这三条“绝不”实际上是后文每个 workset 的验收标准。五、Hugging Face Workset已实现与规划边界已实现HF Inference Providers 作为显式 OpenAI-compatible 路由 provider选择名huggingface/hugging-face/hugging_face/hf代码别名见 crates/config/src/provider_kind.rs模型 ID原样发送到路由包括带组织前缀org-prefixed的 HF 模型 ID——例如deepseek-ai/DeepSeek-V4-Pro这种org/model形式不会被 Codewhale 改写见默认值 crates/config/src/provider_defaults.rs。这一点对开放权重模型生态至关重要因为 HF 上大量模型都带组织前缀。规划范围Hub API 鉴权与模型发现以终端友好方式展示 model card、许可证、标签、safetensors 元数据、adapter、dataset 链接在“已独立的推理聊天路由”之上构建原生 Hub 浏览器与模型护照元数据Hugging Face Jobs 作为用户批准实验的可选远程执行路径。当前明确非目标在代码实现前不宣称原生 Hub 搜索、模型护照、Spaces/Jobs、Model Lab UI 存在inference-provider API key 不意味着 Hub 浏览/导出/上传/Jobs 授权。六、Unsloth / NeMo / Arcee Workset各司其职的规划Unsloth Workset规划面向“已拥有数据与算力路径”用户的微调配方与 adapter 工作流导出指引要求 dataset、adapter、checkpoint 位置显式化附模型可回到本地服务或托管 OpenAI-compatible 端点的兼容性说明。NeMo Workset规划面向 NVIDIA 基础设施的训练与对齐工作流说明重点厘清“今天已有的 NVIDIA NIM 推理支持”与“未来 NeMo 训练/定制工作流”的边界。Arcee Workset规划小模型路由与专化实验导出路由必须说清楚一个任务由小模型、Fin、还是完整 DeepSeek 推理处理。这些 workset 共享同一底层事实Codewhale 的ProviderKind中已经存在Arcee含arcee-ai/arcee_ai别名与NvidiaNim变体见 crates/config/src/provider_kind.rs路由 ID 契约中同样有arcee与nvidia-nim。即“推理侧可路由”是底座workset 规划的是在底座之上增加训练、微调与导出体验。七、Serving Workset自托管的服务体验优化规划规划聚焦 SGLang、vLLM、Ollama、OpenAI-compatible 网关的本地/私有服务体验更好的健康检查、模型列表、上下文窗口元数据与路由校验无静默网络暴露公开端点必须由用户显式配置。这条与开篇“不隐藏 provider 边界”的原则呼应——本地推理一旦被意外暴露成公网服务就违背了 Codewhale 的隐私边界立场。八、Eval Workset已具备的创作地基与规划中的硬闸门Eval Workset 是 Model Lab 里最“工程化”的部分它被拆成“authoring foundation已实现”与“hard gate规划”两段避免把“生成证据”误称为“运行时守门证明”。已实现的 authoring foundationProvider 无关的WorkflowSearchSpec校验与确定性冻结回执freeze receipts用于 Workflow 内 experimental-search 选项。冻结在候选准入前就绑定baseline、请求/解析后的模型名、公共证据、评测器身份evaluator identity。best-of-N Workflow 启动器可生成 2–16 个结构化、相互独立的工作树候选指令共享且缓存稳定附带只读审查。文档明确这是“生成/审查证据不是运行时拥有的硬闸门证明”。源码证据非常扎实crates/workflow/src/experimental_search.rs 定义了WorkflowSearchSpec::freeze把 spec、model、public evidence 与 evaluator 字节一起哈希evaluator 的 sha256 摘要进入冻结输入但 evaluator 本身不暴露给生成 worker从而在准入前把“科学输入”确定下来而并发上限ceiling会记录在回执中但刻意排除在预注册哈希之外——hash 冻结的是实验输入上限属于运行事实。该文件还带测试freeze_is_deterministic_and_model_version_sensitive验证冻结结果确定、且对模型版本敏感crates/workflow/src/experimental_search.rs。规划中的运行时硬闸门可复现的任务套件编码、评审、文档、发布检查、长上下文工作流并排路由对比要求精确捕获模型、provider、思考级别、prompt、工具策略运行时拥有的硬闸门与命令评分——在 worker 写权限撤销之后执行干净的 baseline 重放、重复补丁检测、多轮 Pareto/多样性提升、对 Fleet 回执的聚合回执、Workflow 面板排行榜明确底线任何胜者都不会被自动应用或自动合并。九、Observability 与 Training Infra Workset规划本地优先的可观测性回合路由、工具调用、审批、成本、缓存行为、上下文压力的本地优先追踪导出规则必须脱敏并要求用户显式动作后才能让数据离开机器。训练基础设施数据集准备、adapter 训练、工件命名与“晋升到服务”的配方本地/私有工件与发布到 Hub/registry 的内容严格分离。十、隐私与导出规则贯穿所有 workset 的红线文档把隐私规则写成通用约束适用于上述所有 workset默认留本地本地文件、prompt、transcript、trace、模型输出、评测结果、adapter、dataset、checkpoint除非用户显式选择 provider 或导出目的地否则都应留在本地。鉴权显式化DEEPSEEK_*、OpenRouter、HUGGINGFACE_API_KEY/HF_TOKEN、自托管凭据都不得从无关配置中推断出来。这与 crates/config/src/provider.rs 按 provider 登记独立 env 凭据的实现一致。导出工件必须携带溯源provenance源模型、provider、路由、工具策略、评测输入、脱敏状态。公开展示需把关公开分享、托管遥测、赞助徽章、外部品牌均需维护者批准。对使用者而言这条红线意味着可以放心把 Hugging Face、本地 Ollama/SGLang/vLLM 与云端 DeepSeek/OpenRouter 混用切换 provider 不会带来隐式的凭据共享或数据外泄。结语路线图的价值在于把“原则”代码化纵观 docs/MODEL_LAB.mdModel Lab 与常见“模型聚合平台”的最大差异是分层与守界推理路由今天可用与 Hub 浏览/微调/评测/训练规划中绝不混为一谈生成证据与运行时硬闸门绝不混为一谈一个 provider 的 API key 绝不越权代表另一个 provider 或 Hub 的授权。反映到代码上就是ProviderKind的严格枚举与别名crates/config/src/provider_kind.rs、提交到仓库的路由 ID 契约crates/config/src/route/golden_route_ids.txt、按 provider 登记默认模型与 base_urlcrates/config/src/provider_defaults.rs以及 Workflow 实验搜索的确定性冻结crates/workflow/src/experimental_search.rs。对想要“今天就试”的用户可操作的路径是通过/provider、codewhale --provider或codewhale models选择上述 provider IDHugging Face 场景设置HUGGINGFACE_API_KEY或HF_TOKEN后选hf路由即可走 OpenAI-compatible 网关自托管场景用 SGLang/vLLM/Ollama/openai配置指向自己的端点。而 Unsloth/NeMo/Arcee 微调、Hub 浏览、Model Lab UI 与内置评测排行榜等能力则需要等待路线图中对应 workset 在代码中落地——这正是文档反复强调的“不提前宣称、落地才算数”。【免费下载链接】CodewhaleOpen-source coding agent for your terminal, built in Rust and on a journey of continuous community improvement. Issues and PRs welcome.项目地址: https://gitcode.com/GitHub_Trending/de/Codewhale创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Codewhale Model Lab 路线图全解：把开放权重模型变成终端智能体的第一选择
Codewhale Model Lab 路线图全解把开放权重模型变成终端智能体的第一选择【免费下载链接】CodewhaleOpen-source coding agent for your terminal, built in Rust and on a journey of continuous community improvement. Issues and PRs welcome.项目地址: https://gitcode.com/GitHub_Trending/de/CodewhaleModel Lab 导读Model Lab 是 Codewhale 规划中的“开放模型工作台”目标是让开源与开放权重open-weight模型在终端编码工作流中真正可用——可发现discoverable、可评测evaluable、可路由routable、可服务servable、可导出exportable同时不削弱现有终端智能体的契约本地工作区控制、显式提供商鉴权、审批闸门、清晰的隐私边界。本文以 docs/MODEL_LAB.md 路线图为骨架结合仓库中 ProviderKind 枚举、Provider 默认值、路由 ID 契约与 Workflow 评测冻结等实现向读者说明“今天能用什么”“明天规划什么”以及为什么 Codewhale 把开源模型的可用性当作北极星。一、北极星让开源模型在每一个提供开源模型的厂商处都实用Model Lab 的本质不是“再造一个模型市场”而是一个收敛的原则Codewhale 应该让开源/开放权重模型在提供它们的每一个提供商provider上都能够用于终端编码工作流。文章开篇用一个短语概括了这一长期目标——Model Lab 就是这些模型变得“可发现、可评测、可路由、可服务、可导出”的载体。需要特别强调这是一份路线图语言文档 docs/MODEL_LAB.md 同时包含“今天已实现”Implemented Today与“仍在规划”Still Planned两类内容。文中凡是标注 planned 的 workset都属于规划而非现状本文会严格区分避免读者把 roadmap 当作出货清单。路线图的约束底线同样是原则性的所有这些能力的加入都不能破坏当前终端智能体契约——本地工作区控制、显式提供商鉴权、审批闸门、清晰的隐私边界。换句话说开放性前进的方向上用户掌控权一分都不能退。二、今天已实现的落地Implemented TodayModel Lab 并非空头支票。文档列出的已落地能力几乎全部可以在仓库源码中找到对应证据1. DeepSeek 作为一等公民默认提供商今天 DeepSeek 是 first-class 默认提供商提供deepseek-v4-pro与deepseek-v4-flash两个模型档位支持流式思考块streaming thinking blocks、Fin 路由、DEEPSEEK_*环境变量、以及~/.deepseek配置兼容。这一说法的实现依据非常清晰crates/config/src/provider_kind.rs 中ProviderKind::Deepseek被标注为#[default]即枚举的默认变体而 crates/config/assets/models_dev.bundled.json 给出了两条 DeepSeek 模型行的能力元数据deepseek-v4-pro与deepseek-v4-flash均为reasoning: true、tool_call: true、1,000,000 token 上下文 / 384,000 token 输出、open_weights: true。2. 多提供商路径provider path已成事实文档原话列举OpenRouter、Novita、Fireworks、NVIDIA NIM、AtlasCloud、Wanjie Ark、Hugging Face Inference Providers、通用 OpenAI-compatible 端点、SGLang、vLLM、Ollama均为受支持的提供商路径它们的 ID 出现在/provider、codewhale --provider、codewhale models中。这一事实可由提交的路由 ID 契约文件直接佐证crates/config/src/route/golden_route_ids.txt 中的deepseek、openrouter、novita、fireworks、nvidia-nim、atlascloud、wanjie-ark、huggingface、sglang、vllm、ollama、together、deepinfra、xiaomi-mimo等 ID 全部在列。该文件的注释写得很直白“删除或改写某个路由 ID 会导致 CI 失败”新 ID 只可追加、不可回收旧拼写——也就是说这份清单是版本化契约而非随意登记。3. Hugging Face Inference Providers 的 OpenAI-compatible 路由通过https://router.huggingface.co/v1提供 OpenAI-compatible 访问路由选择名支持四个别名huggingface、hugging-face、hugging_face、hf鉴权使用HUGGINGFACE_API_KEY或HF_TOKEN。这在代码里是完整的落地链crates/config/src/provider_kind.rs 的Huggingface变体带有#[serde(alias hugging-face, alias hugging_face, alias hf)]与文档四个别名逐一对应crates/config/src/provider_defaults.rs 定义了DEFAULT_HUGGINGFACE_MODEL deepseek-ai/DeepSeek-V4-Pro、DEFAULT_HUGGINGFACE_FLASH_MODEL deepseek-ai/DeepSeek-V4-Flash与DEFAULT_HUGGINGFACE_BASE_URL https://router.huggingface.co/v1crates/config/src/provider.rs 的 provider 元数据登记了[HUGGINGFACE_API_KEY, HF_TOKEN]两个凭据来源并给出凭据页https://huggingface.co/settings/tokens与文档页说明 Codewhale 遵循“凭据显式授权”原则。4. 模型自动路由model auto-routing文档澄清了一个常见误解模型自动路由按回合per turn选择一个具体的 DeepSeek 模型与思考级别它不是 TUI 的一种模式。仓库中有遗留的 DeepSeek 域内分类器crates/config/src/auto_model.rs 保留了一个纯规则提示复杂度评分器PRO_MODEL deepseek-v4-pro、FLASH_MODEL deepseek-v4-flash、PRO_THRESHOLD 2强复杂信号词debug、bug、refactor、security、audit 等命中一次 3得分 ≥ 2 判为复杂任务走 pro否则走 flash。不过该文件同时明确声明合并后的 CLI dispatcher 不得用此评分器去解析 provider 无关的model auto——因为那样会为每个活动提供商伪造 DeepSeek 模型 ID运行时自动选择由 TUI 中 provider 感知的路由器负责。这正体现了“按回合自动选模型”与“不得张冠李戴”的双重要求。5. Finflash 的快速无思考路径Fin 是deepseek-v4-flash的 thinking-off 快速路径用于路由、摘要、廉价检查、RLM 子调用、唤醒验证wakeup verification、二值化完成检查binary-completion checks。这类“廉价快速通道”直接服务于“哪条路便宜、哪条路快”的工程直觉是后续 Eval Workset 中“小模型 vs Fin vs 完整 DeepSeek 推理”对比的基础词汇。6. 自托管 OpenAI-compatible 端点SGLang、vLLM、Ollama 或通用openaiprovider 配置均可指向用户自托管的 OpenAI-compatible 端点。ProviderKind 中Sglang、Vllm、Ollama与OllamaCloud是独立变体见 crates/config/src/provider_kind.rs路由契约文件中同样收录配合用户自定 base_url 即可对接本地推理服务。三、仍在规划的部分与“现在怎么办”文档坦诚地列出了尚未落地的规划并给了明确指引在这些能力落地前请使用上述 provider 路径、MCP 服务器、或用户显式配置的外部工作流。规划项包括原生 Hugging Face Hub 浏览器、模型护照选择器model passport picker、或直接 Hub 搜索工作流——注意 HF Inference Providers 路由是“另行独立实现的聊天 provider”与 Hub 浏览能力互不绑定内置的 Hugging Face model card、dataset、adapter、safetensors、Spaces、Jobs 工作流原生 Unsloth、NeMo、Arcee 集成专用 Model Lab UI 标签页内置评测排行榜、托管可观测性、训练基础设施编排。为什么“Hub 浏览”和“推理路由”必须分开看因为二者的鉴权语义完全不同能拿 inference API key 不等于有权浏览 Hub、上传或执行 Jobs。文档在 Hugging Face Workset 的 Non-goal 中明确说“在代码实现这些 surface 之前不得声称原生 Hub 搜索、模型护照、Spaces/Jobs 或 Model Lab UI 已存在。”四、Model Lab 原则回答五个实用问题规划器面对用户的正确姿态是帮助回答下列实操问题而不是炫技这一回合该用哪个模型哪个开源/开放权重模型我可以本地跑或通过可信 provider 跑哪个 provider 以我需要的延迟、价格、上下文窗口、许可证、隐私姿态提供这个模型这个模型花了多少钱、表现如何、什么数据离开过我的机器这条路由我可不可以复现、导出、或自托管同时Model Lab绝不应该隐藏 provider 边界、静默上传本地产物、或在 Codewhale 真正能路由到之前就把某个模型描述为“可用”。这三条“绝不”实际上是后文每个 workset 的验收标准。五、Hugging Face Workset已实现与规划边界已实现HF Inference Providers 作为显式 OpenAI-compatible 路由 provider选择名huggingface/hugging-face/hugging_face/hf代码别名见 crates/config/src/provider_kind.rs模型 ID原样发送到路由包括带组织前缀org-prefixed的 HF 模型 ID——例如deepseek-ai/DeepSeek-V4-Pro这种org/model形式不会被 Codewhale 改写见默认值 crates/config/src/provider_defaults.rs。这一点对开放权重模型生态至关重要因为 HF 上大量模型都带组织前缀。规划范围Hub API 鉴权与模型发现以终端友好方式展示 model card、许可证、标签、safetensors 元数据、adapter、dataset 链接在“已独立的推理聊天路由”之上构建原生 Hub 浏览器与模型护照元数据Hugging Face Jobs 作为用户批准实验的可选远程执行路径。当前明确非目标在代码实现前不宣称原生 Hub 搜索、模型护照、Spaces/Jobs、Model Lab UI 存在inference-provider API key 不意味着 Hub 浏览/导出/上传/Jobs 授权。六、Unsloth / NeMo / Arcee Workset各司其职的规划Unsloth Workset规划面向“已拥有数据与算力路径”用户的微调配方与 adapter 工作流导出指引要求 dataset、adapter、checkpoint 位置显式化附模型可回到本地服务或托管 OpenAI-compatible 端点的兼容性说明。NeMo Workset规划面向 NVIDIA 基础设施的训练与对齐工作流说明重点厘清“今天已有的 NVIDIA NIM 推理支持”与“未来 NeMo 训练/定制工作流”的边界。Arcee Workset规划小模型路由与专化实验导出路由必须说清楚一个任务由小模型、Fin、还是完整 DeepSeek 推理处理。这些 workset 共享同一底层事实Codewhale 的ProviderKind中已经存在Arcee含arcee-ai/arcee_ai别名与NvidiaNim变体见 crates/config/src/provider_kind.rs路由 ID 契约中同样有arcee与nvidia-nim。即“推理侧可路由”是底座workset 规划的是在底座之上增加训练、微调与导出体验。七、Serving Workset自托管的服务体验优化规划规划聚焦 SGLang、vLLM、Ollama、OpenAI-compatible 网关的本地/私有服务体验更好的健康检查、模型列表、上下文窗口元数据与路由校验无静默网络暴露公开端点必须由用户显式配置。这条与开篇“不隐藏 provider 边界”的原则呼应——本地推理一旦被意外暴露成公网服务就违背了 Codewhale 的隐私边界立场。八、Eval Workset已具备的创作地基与规划中的硬闸门Eval Workset 是 Model Lab 里最“工程化”的部分它被拆成“authoring foundation已实现”与“hard gate规划”两段避免把“生成证据”误称为“运行时守门证明”。已实现的 authoring foundationProvider 无关的WorkflowSearchSpec校验与确定性冻结回执freeze receipts用于 Workflow 内 experimental-search 选项。冻结在候选准入前就绑定baseline、请求/解析后的模型名、公共证据、评测器身份evaluator identity。best-of-N Workflow 启动器可生成 2–16 个结构化、相互独立的工作树候选指令共享且缓存稳定附带只读审查。文档明确这是“生成/审查证据不是运行时拥有的硬闸门证明”。源码证据非常扎实crates/workflow/src/experimental_search.rs 定义了WorkflowSearchSpec::freeze把 spec、model、public evidence 与 evaluator 字节一起哈希evaluator 的 sha256 摘要进入冻结输入但 evaluator 本身不暴露给生成 worker从而在准入前把“科学输入”确定下来而并发上限ceiling会记录在回执中但刻意排除在预注册哈希之外——hash 冻结的是实验输入上限属于运行事实。该文件还带测试freeze_is_deterministic_and_model_version_sensitive验证冻结结果确定、且对模型版本敏感crates/workflow/src/experimental_search.rs。规划中的运行时硬闸门可复现的任务套件编码、评审、文档、发布检查、长上下文工作流并排路由对比要求精确捕获模型、provider、思考级别、prompt、工具策略运行时拥有的硬闸门与命令评分——在 worker 写权限撤销之后执行干净的 baseline 重放、重复补丁检测、多轮 Pareto/多样性提升、对 Fleet 回执的聚合回执、Workflow 面板排行榜明确底线任何胜者都不会被自动应用或自动合并。九、Observability 与 Training Infra Workset规划本地优先的可观测性回合路由、工具调用、审批、成本、缓存行为、上下文压力的本地优先追踪导出规则必须脱敏并要求用户显式动作后才能让数据离开机器。训练基础设施数据集准备、adapter 训练、工件命名与“晋升到服务”的配方本地/私有工件与发布到 Hub/registry 的内容严格分离。十、隐私与导出规则贯穿所有 workset 的红线文档把隐私规则写成通用约束适用于上述所有 workset默认留本地本地文件、prompt、transcript、trace、模型输出、评测结果、adapter、dataset、checkpoint除非用户显式选择 provider 或导出目的地否则都应留在本地。鉴权显式化DEEPSEEK_*、OpenRouter、HUGGINGFACE_API_KEY/HF_TOKEN、自托管凭据都不得从无关配置中推断出来。这与 crates/config/src/provider.rs 按 provider 登记独立 env 凭据的实现一致。导出工件必须携带溯源provenance源模型、provider、路由、工具策略、评测输入、脱敏状态。公开展示需把关公开分享、托管遥测、赞助徽章、外部品牌均需维护者批准。对使用者而言这条红线意味着可以放心把 Hugging Face、本地 Ollama/SGLang/vLLM 与云端 DeepSeek/OpenRouter 混用切换 provider 不会带来隐式的凭据共享或数据外泄。结语路线图的价值在于把“原则”代码化纵观 docs/MODEL_LAB.mdModel Lab 与常见“模型聚合平台”的最大差异是分层与守界推理路由今天可用与 Hub 浏览/微调/评测/训练规划中绝不混为一谈生成证据与运行时硬闸门绝不混为一谈一个 provider 的 API key 绝不越权代表另一个 provider 或 Hub 的授权。反映到代码上就是ProviderKind的严格枚举与别名crates/config/src/provider_kind.rs、提交到仓库的路由 ID 契约crates/config/src/route/golden_route_ids.txt、按 provider 登记默认模型与 base_urlcrates/config/src/provider_defaults.rs以及 Workflow 实验搜索的确定性冻结crates/workflow/src/experimental_search.rs。对想要“今天就试”的用户可操作的路径是通过/provider、codewhale --provider或codewhale models选择上述 provider IDHugging Face 场景设置HUGGINGFACE_API_KEY或HF_TOKEN后选hf路由即可走 OpenAI-compatible 网关自托管场景用 SGLang/vLLM/Ollama/openai配置指向自己的端点。而 Unsloth/NeMo/Arcee 微调、Hub 浏览、Model Lab UI 与内置评测排行榜等能力则需要等待路线图中对应 workset 在代码中落地——这正是文档反复强调的“不提前宣称、落地才算数”。【免费下载链接】CodewhaleOpen-source coding agent for your terminal, built in Rust and on a journey of continuous community improvement. Issues and PRs welcome.项目地址: https://gitcode.com/GitHub_Trending/de/Codewhale创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考